Zuletzt aktualisiert: Mai 7, 2026
Kurbelwellen-Roboter-Entnahme aus Behältern mit 3D-Vision: Video zur Sortierung und Zuführung von Motorteilen
Die robotergestützte Kurbelwellenentnahme automatisiert einen der anspruchsvollsten Arbeitsschritte in der Motorenfertigung: die Auswahl schwerer, unregelmäßiger Kurbelwellen aus einem tiefen Behälter, in dem jedes Teil in einem anderen Winkel gestapelt sein kann. Das Video unten zeigt, wie ein 6-Achs-Roboter, 3D-Bildverarbeitung, Lageerkennung und ein flexibler Greifer die zufällige Kurbelwellensortierung in einen wiederholbaren Zuführungsprozess für nachfolgende Bearbeitungs-, Markierungs- oder Montagestationen verwandeln.
Falls der eingebettete Player nicht geladen wird, öffnen Sie das Video direkt auf YouTube: Kurbelwellen-Roboter-Behälterentnahme mit 3D-Vision.
Prozessübersicht
Die Kurbelwelle ist das zentrale Kraftübertragungselement eines Motors. In der Automobilfertigung durchläuft sie Schmiede-, Präzisionsdreh-, Schleif-, dynamische Auswucht-, Markierungs- und Montageprozesse. Zwischen diesen Stationen müssen Sortierung und Zuführung so zuverlässig sein, dass ein stabiler Takt ohne Fehlzuführungen oder wiederholte Bedienereingriffe gewährleistet ist.
Die herkömmliche manuelle Sortierung ist langsam und fehleranfällig, da Kurbelwellen unregelmäßige Geometrien, versetzte Gegengewichte, reflektierende Bearbeitungsoberflächen und zufällige Stapelpositionen aufweisen. Die Bediener müssen sowohl das Teilemodell als auch den optimalen Greifpunkt visuell beurteilen, was die Kontrolle von Zykluszeit und Qualitätsstabilität erschwert.
Die aktuelle technische Lösung verwendet 6-Achsen-Roboter In Kombination mit 3D-Bildverarbeitungssystemen erzeugt die Laser-Strukturlichtabtastung dichte Punktwolken, während Deep Learning die Teileerkennung und Lagebestimmung für die zufällige Entnahme aus Behältern unterstützt. Eine optimal eingestellte Zelle erreicht etwa 48 Sekunden pro Teil, und ein einzelner flexibler Greifer kann 6 bis 8 Kurbelwellenmodelle ohne Hardwarewechsel handhaben. Ähnliche Anwendungsfälle für die Materialhandhabung finden Sie bei EVSINT. Handhabungsroboter Apps.
Häufige Fehler bei der Auswahl von Kurbelwellenbehältern
Unzureichendes Sichtfeld und zu geringe Schärfentiefe der Kamera. Die Behältertiefen erreichen oft 800 mm. Wenn bei einem Projekt zur Kostenreduzierung eine Kamera mit engem Sichtfeld eingesetzt wird, wird die unterste Schicht möglicherweise nicht vollständig abgedeckt, was zu hohen Erkennungsfehlerraten und häufigen Linienalarmen führt.
Schlechte Punktwolkenqualität auf reflektierenden Oberflächen. Präzisionsbearbeitete Kurbelwellenoberflächen können beim Laserscanning spiegelnde Reflexionen erzeugen. Dies führt zu Lücken und Rauschen in der Punktwolke und beeinträchtigt somit die Erkennungsgenauigkeit und die Zuverlässigkeit der Lagebestimmung.
Unzureichende Trainingsdaten für Deep Learning. Neue Kurbelwellenmodelle könnten in Produktion gehen, ohne dass ausreichend Beispielbilder vorliegen. Eine unzureichende Modellgeneralisierung kann die Inbetriebnahme vor Ort von erwarteten 3 Tagen auf 2 Wochen verlängern.
Flugbahnplanung ohne Kollisionserkennung. Einige Systeme basieren auf einer einfachen kinematischen Simulation und berücksichtigen weder Behälterwände noch benachbarte Teile oder Greiferinterferenzen vollständig. Bei der Kommissionierung tiefer Behälter kann dies zu kollisionsbedingten Ausfallzeiten und wiederholten manuellen Rücksetzungen führen.
Keine sekundäre Orientierungsstation. Die direkte Platzierung in einer nachgelagerten Vorrichtung erfüllt möglicherweise nicht die Anforderungen an die Lagegenauigkeit. Eine zweite Station kann die Ausrichtung vor der Bearbeitung, Markierung oder dem Transport durch ein Förderband korrigieren. Dies ist besonders wichtig, wenn die Zelle ein Werkstück speist. Maschinenbedienungsroboter Prozess- oder CNC-bezogene Station.
Technische Kernlösungen
3D-Vision-Scanning. Es wird Laser-Strukturlicht- oder Laserlinien-Scanning empfohlen. Das Sichtfeld sollte den gesamten Messbereich abdecken, die Schärfentiefe mindestens 800 mm betragen. Aktive Laserprojektion hilft, Störungen durch Umgebungslicht zu unterdrücken, während HDR auf Hardwareebene die Punktwolkenqualität auf reflektierenden Oberflächen verbessert.
Erkennung mittels Deep Learning. Die aufmerksamkeitsbasierte Punktwolkensegmentierung kann das oberste wählbare Ziel selbst bei starker Verdeckung und zufälliger Überlagerung identifizieren. Durch Transferlernen mit wenigen Beispielen lässt sich die Inbetriebnahme neuer Modelle auf ein bis zwei Tage verkürzen, sofern genügend repräsentative Stichproben vorliegen.
Intelligente Flugbahnplanung. Die Zelle soll aus der Echtzeit-Punktwolkengeometrie eine 3D-Hindernisszene erstellen und diese anschließend mit der Roboterkinematik kombinieren, um kollisionsfreie Pick-and-Place-Pfade zu generieren. Eine „Auge-in-der-Hand“-Kameraarchitektur ermöglicht es dem Roboter, den Scanwinkel anzupassen und tote Winkel zu reduzieren.
Flexibles Greiferdesign. Ein pneumatisch-elektrischer Hybridgreifer kann das Kurbelwellen-Ausgleichsgewicht tragen, während sich seitliche Positionierstifte an Änderungen des Zapfenabstands anpassen. Der Greifer ist die zentrale mechanische Schnittstelle und sollte daher zusammen mit dem Roboter-Endeffektor und nachgeschaltete Armaturen werden eher als Zubehör behandelt.
Standardisiertes technisches Layout
Eine Kurbelwellen-Roboterzelle zur Behälterentnahme integriert üblicherweise einen 6-Achs-Roboter, einen flexiblen Greifer, eine 3D-Bildverarbeitung mit strukturierter Lichtprojektion, eine sekundäre Ausrichtungsstation, einen Lasermarkierer, ein Sicherheitssystem und einen Schaltschrank. Der Arbeitsablauf ist einfach: Der Behälter fährt in die Station ein, der Roboter scannt ihn mit einer endmontierten Kamera, Deep Learning identifiziert Modell und Position, die Trajektorienplanung steuert die Entnahme, die sekundäre Station korrigiert die Ausrichtung, der Laser graviert bei Bedarf einen 2D-Code, und das Teil wird auf dem Förderband oder der Vorrichtung platziert.
Für Sortier- und Umschlagprozesse, bei denen die Teile nicht so schwer sind wie Kurbelwellen, ein Pick-and-Place-Roboter Das mag ausreichend sein. Bei Kurbelwellen ist aufgrund der Nutzlast, der Reichweite, des Drehmoments am Handgelenk und des Schwerpunkts des Greifers ein 6-Achs-Industrieroboter in der Regel die sicherere Ausgangsbasis.
Das Sicherheitssystem sollte eine Umzäunung, verriegelte Tore, Lichtvorhänge und eine Sicherheits-SPS-Logik umfassen. Der Schaltschrank sollte mit industrieller Kühlung ausgestattet sein, sodass die Innentemperatur unter 40 °C bleibt. Dadurch wird das Risiko einer Leistungsreduzierung des Frequenzumrichters und eines instabilen Verhaltens von Robotern oder Förderbändern minimiert.
Technische Zusammenfassung
Die Automatisierung der Kurbelwellensortierung basiert auf drei miteinander verbundenen Fähigkeiten: Bildstabilität, kollisionsfreier Bahnplanung und Greiferflexibilität. Die Bildstabilität bestimmt die Erkennungsgrenze. Die Bahnplanung bestimmt das Kollisionsrisiko. Die Greiferflexibilität bestimmt, wie effizient die Zelle zwischen verschiedenen Kurbelwellenmodellen wechseln kann.
Die Hardwareebene ist bereits ausgereift. Der eigentliche Engpass liegt in der Feldanpassung: Optimierung von Deep-Learning-Modellen, Umgang mit reflektierenden Oberflächen und schnelle Migration zwischen verschiedenen Kurbelwellenmodellen. Bei der Auswahl eines Integrators ist Erfahrung in Automobilprojekten wichtiger als der Vergleich von Kameraauflösung oder Robotermarke. Nach der Inbetriebnahme sollten Werke die Bildverarbeitungsmodelle und Trajektorienbibliotheken alle drei bis sechs Monate aktualisieren, um die Gesamtanlageneffektivität (OEE) auf über 90 % zu steigern.
Häufig gestellte Fragen
Was umfasst eine Kurbelwellen-Roboterzelle zur Behälterentnahme?
Sie umfasst üblicherweise einen 6-Achs-Roboter, einen 3D-Bildverarbeitungssensor, eine Software zur Lagebestimmung, einen flexiblen Greifer, eine sekundäre Orientierungsstation, ein Sicherheitssystem und einen Schaltschrank. Einige Zellen beinhalten zusätzlich Lasermarkierung und Förderbandtransport.
Warum stellen Kurbelwellen eine Herausforderung für die robotergestützte Behälterentnahme dar?
Kurbelwellen sind schwer, unregelmäßig geformt, reflektierend und unregelmäßig gestapelt. Der Roboter muss das oberste erreichbare Teil identifizieren, dessen Position einschätzen, benachbarte Teile und Behälterwände vermeiden und es greifen, ohne das Gleichgewicht zu verlieren.
Kann ein Greifer mehrere Kurbelwellenmodelle handhaben?
Ja. Ein flexibler Greifer mit einstellbarer Unterstützung und seitlicher Positionierung kann oft 6 bis 8 Kurbelwellenmodelle abdecken. Das Projekt muss noch hinsichtlich Nutzlast, Schwerpunkt, Zapfenabstand und Genauigkeit der nachgelagerten Vorrichtung validiert werden.
Was sollten Käufer vor der Auswahl eines Kurbelwellen-Sortiersystems berücksichtigen?
Käufer sollten die Qualität der Punktwolken auf reflektierenden Teilen, die Übertragungsgeschwindigkeit des Deep-Learning-Modells, die kollisionsfreie Pfadplanung, die Flexibilität des Greifers, die Genauigkeit der sekundären Orientierung und die Projekterfahrung des Integrators in der Automobilindustrie bewerten.
Zuletzt aktualisiert: Mai 7, 2026