Softwarestack voor robotlassen: offline programmeren, simulatie en digitale tweeling (2026)

Laatst bijgewerkt: Mei 8, 2026

Softwarestack voor robotlassen: offline programmeren, simulatie en digitale tweeling (2026)

De softwarestack voor robotlassen in 2026 bestaat uit vier lagen: (1) offline programmeren (OLP) voor padplanning, met tools als RobotStudio, RoboGuide, Octopuz en DELMIA; (2) simulatie en validatie van de cyclustijd voordat een programma de fabrieksvloer bereikt; (3) digitale tweelingplatforms (Siemens Tecnomatix, Rockwell Emulate3D, NVIDIA Omniverse) die realtime synchronisatie met de fysieke cel garanderen; en (4) AI-systemen die automatisch laspaden genereren op basis van CAD- of 3D-scandata, waardoor de insteltijd wordt verkort van dagen tot minuten.

1. Offline programmeren (OLP): leverancierspecifieke en leverancieronafhankelijke tools

Bij offline programmeren van robotlassen wordt de padbepaling verplaatst van de fabrieksvloer naar een werkstation voor de engineer. De engineer importeert het CAD-model van het werkstuk, positioneert de virtuele robot, definieert de oriëntatie van de lastoorts, de rijsnelheid en de weefparameters, voert botsings- en bereikbaarheidscontroles uit en exporteert vervolgens de nabewerkte besturingscode voor upload. De fysieke robotcel blijft in productie terwijl het programmeerwerk wordt uitgevoerd, wat het belangrijkste economische argument is voor offline programmeren ten opzichte van handmatig programmeren.

Volgens gegevens van IFR World Robotics is de toepassing van OLP (Optical Layer Processing) onder gebruikers van booglasrobots bij toeleveranciers in de automobielindustrie gestegen van ongeveer 40 procent in 2020 naar naar schatting 65 procent of meer in 2025. Deze groei wordt gedreven door kortere productlevenscycli en de toenemende variëteit aan lasverbindingen op behuizingen van elektrische autobatterijen en structurele frames.

Leverancierspecifieke OLP-platformen

Elke grote robotfabrikant levert zijn eigen simulatie- en OLP-omgeving, die nauw geïntegreerd is met de eigen controller en bewegingskernel van het merk.

• ABB RobotStudioHet meest gebruikte, door leveranciers zelf ontwikkelde OLP-platform ter wereld, met ingebouwde RAPID-codegeneratie, ondersteuning voor gecoördineerde bewegingen en een bibliotheek met lasstroombronnen voor Fronius-, Lincoln- en Miller-interfaces. De virtuele controller van RobotStudio draait dezelfde firmware als de fysieke IRC5/OmniCore-controller, waardoor de kloof tussen simulatie en realiteit voor het voorspellen van de cyclustijd wordt gedicht.
• FANUC RoboGuideDe simulatiesuite van FANUC ondersteunt de volledige TP-taal (teach pendant) en omvat WeldPRO, een lasspecifieke module voor het optimaliseren van de toortsoriëntatie en het plannen van meerlaagse laspaden. RoboGuide wordt vaak aangehaald in validatieworkflows van OEM's in de auto-industrie.
• Yaskawa MotoSim EG-VRCDe virtuele robotcontroller van MotoSim reproduceert de bewegingskernel van de Yaskawa DX200/YRC1000, waardoor voorspellingen van de cyclustijd mogelijk zijn die binnen ±5% overeenkomen met de resultaten in de praktijk.
• KUKA Sim, geïntegreerd met de KUKA.WorkVisual I/O-configuratietool, waardoor een complete simulatie van de celindeling mogelijk is, van robotbeweging tot PLC-veiligheidslogica.
• Universal Robots URSim, een softwaresimulator voor de UR-cobotfamilie, relevant voor toepassingen met dunwandig lasmateriaal en samenwerkingsopstellingen voor lassen waarbij een UR-arm een ​​MIG-toorts aandrijft met lagere inschakelduur.

De belangrijkste beperking van vendor-specifieke OLP is vendor lock-in: elk platform genereert code uitsluitend voor zijn eigen merk. Gemengde systemen (ABB-robot, FANUC-positioneringsas) vereisen extra postprocessors of een vendor-neutrale laag erboven.

Leverancieronafhankelijke OLP-platformen

Leverancieronafhankelijke tools genereren nabewerkte code voor meerdere robotmerken vanuit één CAD-omgeving. Voor lassen zijn de meest gebruikte platforms:

• OctopusSpeciaal ontworpen voor boog- en puntlassen, met een bibliotheek aan lasparameters en padoptimalisatielogica die rekening houdt met beperkingen in de lashoek. Ondersteunt meer dan 40 robotmerken en wordt veel gebruikt in de zware industrie en de productie van drukvaten.
• Visuele componentenSterk in lay-outsimulatie en planning van multi-robotcellen; lasspecifieke functionaliteit via uitbreidingsmodules. Vaak gekozen wanneer de prioriteit ligt bij de algehele lijndoorvoer in plaats van gedetailleerd beheer van toortsparameters.
• FastSuite Editie 2 (Cenit), ontworpen voor complexe multi-robotcellen en procesintensieve toepassingen; integreert met Siemens Tecnomatix Process Simulate voor connectiviteit met digitale tweelingen.
• RoboDKEen voordeligere en toegankelijkere OLP-optie die meer dan 500 robotmodellen ondersteunt. Minder uitgebreid qua las-specifieke functies (meervoudige lasvolgorde, export van WPS-parameters), maar veel gebruikt in werkplaatsen en onderwijsinstellingen vanwege de lage aanschafkosten.
• DELMIA Robotica (Dassault-systemen), onderdeel van het 3DEXPERIENCE-platform, maakt robotprogrammering mogelijk binnen dezelfde omgeving als productontwerp en productieplanning. De beste keuze wanneer PLM-integratie en MBOM-traceerbaarheid vereisten zijn, zoals in carrosseriewerkplaatsen van autofabrikanten.
• Processimulatie (Siemens Tecnomatix), de gevestigde waarde in carrosseriebouwprogramma's (BIW) voor autofabrikanten, waar dezelfde tool zowel offline programmering als productiesimulatie aanstuurt. Ondersteunt gecoördineerde multi-robotsequenties en heeft een native digitale tweelingbrug naar de Tecnomatix-fabrieksimulatielaag.

Leveranciersgebonden versus leveranciersneutraal: een vergelijking

2. Simulatie en validatie van de cyclustijd

Simulatie omvat de analytische laag die wordt uitgevoerd voordat de code de productiecontroller bereikt. Moderne OLP-simulatietools pakken vier specifieke foutmodi aan die direct teach pas kan detecteren wanneer de robot zich al in de productiecel bevindt:

Collision Detection

Botsingscontrole test de lastoorts, kabelgeleiding en robotarmen tegen het werkstuk, de opspaninrichting, de positioneerder en de celstructuur op elk punt in het geprogrammeerde pad. In de praktijk is dit waar de meeste nieuwe OLP-programma's correcties genereren: de lastoorts nadert de achterkant van een diepgroeflas en de robotarm botst tegen het frame van de opspaninrichting op een waypoint dat er in de 2D-tekening duidelijk uitzag. Simulatie detecteert dit binnen enkele minuten; de ontdekking ervan tijdens een productieproef kan een lastoorts ter waarde van 2,000 tot 5,000 dollar beschadigen en de inbedrijfstelling met dagen vertragen.

Bereikbaarheid en het vermijden van singulariteiten

Een robotcelindeling kan er geometrisch correct uitzien, maar toch padsegmenten bevatten waar de robot door of vlakbij een polssingulariteit gaat (een configuratie waarbij twee gewrichtsassen op één lijn liggen, wat een wiskundig ongedefinieerde beweging veroorzaakt). De meeste OLP-tools markeren zones met een singulariteitsrisico in de padvoorvertoning en stellen de engineer in staat om de hoek van de toorts of de positie van de robotbasis aan te passen om eromheen te navigeren vóórdat er een fysieke test plaatsvindt.

Cyclustijdvoorspelling

Volgens observaties in de industrie ligt de voorspelling van de cyclustijd binnen moderne OLP-simulatieplatformen binnen ±5-8% van de in de praktijk gemeten cyclustijd, mits het kinematische model van de robot en de bewegingsparameters van de controller correct zijn geconfigureerd. De resterende fout is voornamelijk te wijten aan de instellingen van de acceleratie-/deceleratiehelling en luchtsneden in de buurt van singulariteiten, waar de robot onder de maximale snelheid afremt. Door de simulatiebewegingsparameters te kalibreren aan de hand van een enkele productierun, wordt de voorspellingsfout teruggebracht tot ±3% of minder voor standaard hoeklasgeometrieën. Deze nauwkeurigheid is belangrijk, omdat een overschatting van de cyclustijd met 10% bij een product met een hoog volume kan leiden tot een productieverlies van weken per jaar.

Coördinatie van meerdere robots

Wanneer twee of meer robots gelijktijdig aan één werkstuk werken (wat vaak voorkomt in carrosseriebouw- en constructiecellen voor de auto-industrie), is simulatie essentieel in plaats van optioneel. Het coördineren van twee robots op één opspaninrichting vereist beheer van interferentiezones: de planner moet uitsluitingsgebieden definiëren die voorkomen dat de armen tegelijkertijd het werkstuk binnenkomen en de aanloop van de lastoorts zo plannen dat beide robots een maximale lastijd behouden zonder onnodig te hoeven wachten. Zonder simulatie is deze planning niet te valideren zonder uitgebreide fysieke proeven.

3. Digitale tweeling: realtime productiegelijkwaardigheid

Een digitale tweeling breidt de simulatie uit van een eenmalige controle vóór de implementatie naar een continu live model van de operationele cel. Het belangrijkste verschil: de simulatie wordt eenmalig uitgevoerd, waarna de fysieke cel het overneemt; een digitale tweeling onderhoudt een bidirectionele dataverbinding, waardoor het virtuele model de werkelijke robotpositie, positioneringshoek, boogparameters en sensorwaarden in realtime weergeeft.

Platformopties

Voor digitale tweelingen van lascellen in 2026 worden doorgaans drie platforms gespecificeerd:

• Siemens Tecnomatix Plant Simulation / Process SimulateTecnomatix is ​​de gevestigde speler in OEM-programma's voor de automobielindustrie. Het systeem maakt via OPC-UA verbinding met het Siemens Totally Integrated Automation (TIA) Portal en SINUMERIK/SIMATIC-controllers, waardoor realtime monitoring van de doorvoer, materiaalstroomanalyse en knelpuntendetectie mogelijk is voor complete productielijnen, en niet alleen voor individuele robotcellen.
• Rockwell Automation Emulate3DEen tool voor discrete-event simulatie en digitale tweelingen die integreert met Studio 5000 PLC-logica, waardoor de virtuele cel daadwerkelijke PLC-laddercode in emulatie kan uitvoeren vóór fysieke installatie. Deze tool wordt veelvuldig gebruikt in de algemene fabricage in Noord-Amerika, waar Rockwell Allen-Bradley-besturingen de standaard zijn.
• NVIDIA Omniverse Isaac SimIsaac Sim is een fysiek nauwkeurige robotsimulatie gebouwd op Universal Scene Description (USD), met realtime raytracing-rendering en native ROS 2-integratie. Isaac Sim wint aan populariteit als platform voor AI-ondersteunde lascellen, waar de digitale tweeling tevens moet dienen als generator van synthetische data voor het trainen van 3D-visiemodellen en neurale netwerken voor padplanning.

Toepassingsvoorbeelden bij lassen

Testen van 'wat als'-scenario's: Tijdens een productierun arriveert een nieuwe werkstukvariant. De digitale tweeling stelt de procesingenieur in staat om een ​​aangepast OLP-programma te valideren aan de hand van de live celconfiguratie, inclusief de huidige status van de opspaninrichting en de kalibratieafwijkingen van de positioneerder, voordat de productie wordt onderbroken. Het testen van een padwijziging die normaal 4 uur fysieke tests zou vergen, kan in de digitale tweeling in minder dan 30 minuten worden uitgevoerd.

Voorspellend onderhoud: De digitale tweeling registreert de afwijking in de cyclustijd in de loop van de tijd. Een geleidelijke toename van de cyclustijd bij een positioneringssequentie met gecoördineerde beweging, zonder dat de snelheidsinstellingen van de robot worden gewijzigd, is een betrouwbare vroege indicator van slijtage aan de positioneringsservo of een afwijking in de encoderoffset. Door dit te signaleren voordat het een gemiste laspositie veroorzaakt, wordt ongeplande stilstand beperkt.

MES-feedbacklus: Digitale tweelinggegevens (voltooide lassen per ploeg, boogtijd, defectonderbrekingen) voeden het MES-productierecord, waardoor traceerbaarheid op lasrupsniveau mogelijk is. Dit is steeds vaker vereist in de lucht- en ruimtevaart en de fabricage van drukvaten, waar de ISO 3834-kwaliteitsnormen lasprocesrecords vereisen die gekoppeld zijn aan specifieke werkorders.

4. AI en systemen zonder leerproces: automatische padgeneratie vanuit 3D-scans

De vierde laag van de 2026-lassoftwarestack verplaatst de padgeneratie volledig van het engineeringwerkstation: een 3D-scanner of gestructureerde-lichtcamera legt het werkstuk vast, extraheert de geometrie van de lasnaad en genereert automatisch een robotprogramma, zonder handmatige tussenpunten. De programmeertijd wordt teruggebracht van uren (OLP) naar minuten.

Hoe 3D Scan-to-Path werkt

De kern van de pijplijn bestaat uit drie fasen. Eerst genereert een gestructureerde-licht- of time-of-flight-scanner een dichte puntenwolk van het werkstuk. Vervolgens identificeren algoritmen voor naaddetectie (getraind op geannoteerde datasets met lasgeometrie) het type verbinding, de oriëntatie en de passingsspleten. Ten slotte genereert de padplanner, als robotprogramma, de toortsrichtingen, aanloophoeken, rijsnelheden en weefparameters, waarbij procesregels uit een vooraf geladen bibliotheek met lasprocedures worden toegepast.

Systemen die in dit segment actief zijn, omvatten Inrotech AdaptiveARC (een Deense specialist met een sterke positie in de scheepsbouw voor het lassen van zware platen), ABB's SmartShot-functionaliteit (geïntegreerd in de lasmodule van RobotStudio voor adaptief booglassen op bekende voeggeometrieën) en het EVS-AI-lassysteem van EVST. Dit laatste systeem combineert een 3D-visiemodule voor automatisch scannen met een zelflerende intelligente engine, EtherCAT 1 kHz-bewegingsbesturing en de RX-lasprocesbibliotheek met vooraf geladen typische lasgeometrieën en meerlaagse lassequenties. Het EVS-AI-systeem van EVST is CE-, SGS- en TUV-gecertificeerd, wat relevant is voor kopers die het systeem willen integreren in gecertificeerde kwaliteitssystemen.

Fundamentele modelbenaderingen

Aan de onderzoeks- en vroege pilotzijde van het spectrum worden VLA-modellen (vision-language-action) zoals pi-zero van Physical Intelligence en NVIDIA GR00T geëvalueerd voor het genereren van laspaden. Deze modellen leren manipulatiegedrag uit grote, taakoverstijgende demonstratiedatasets en kunnen in principe generaliseren naar nieuwe lasgeometrieën zonder hertraining. Anno 2026 bevinden VLA-benaderingen in de lastechniek zich nog in een vroeg industrieel pilotstadium: het stochastische inferentiegedrag en de beperkte verklaarbaarheid van door neurale netwerken gegenereerde paden vormen een belemmering voor implementatie in toepassingen die traceerbaarheid vereisen volgens ISO 3834 of AWS D1.1 lasprocedurekwalificatie. Deterministische scan-to-path-systemen, waarbij het padgeneratiealgoritme kan worden gecontroleerd en de lasparameters afkomstig zijn uit een gekwalificeerde WPS-bibliotheek, zijn voorlopig de meest productierijpe optie.

Wanneer Teach-Free werkt versus wanneer OLP nog steeds wint

5. Integratie: Standaarden, CAD-import en MES-connectiviteit

Een softwarepakket voor laswerkzaamheden is pas echt nuttig als het gegevens kan uitwisselen met aangrenzende systemen: CAD, de fysieke besturingseenheid en het MES-systeem van de fabriek. Deze gegevensuitwisseling wordt geregeld door drie lagen van standaarden.

Robotmodeluitwisseling: URDF en SDF

Kinematische modellen van robots worden uitgewisseld tussen OLP-platforms, simulatieomgevingen en digitale tweelingtools in URDF (Unified Robot Description Format) of SDF (Simulation Description Format). Beide zijn XML-gebaseerde schema's die de geometrie van de schakels, het gewrichtstype, de limieten en de inertiële eigenschappen beschrijven. URDF is het native formaat voor ROS 2 en wordt ondersteund door Isaac Sim, Gazebo en de meeste grote OLP-leveranciers. Als een robotfabrikant geen URDF-model heeft gepubliceerd, kan het bestand worden gegenereerd vanuit een STEP-geometrie-import met behulp van conversietools. De gewrichtslimieten en inertiële gegevens moeten echter wel worden gecontroleerd aan de hand van de specificaties van de fabrikant.

CAD-import: STEP en IGES

Werkstukgeometrie wordt in OLP-tools ingevoerd via STEP (ISO 10303 AP214/AP242) of IGES. STEP AP242 is de huidige standaard voor modelgebaseerde definitieworkflows (MBD) waarbij GD&T-annotaties (geometrische maatvoering en toleranties) met de geometrie meereizen. Dit is relevant wanneer de OLP-tool het type lasverbinding en de kwaliteitsklasse rechtstreeks uit het ontwerpmodel moet lezen. Alle belangrijke OLP-platformen (RobotStudio, RoboGuide, DELMIA, Process Simulate, Octopuz) ondersteunen native STEP-import; IGES wordt nog steeds gebruikt voor export vanuit oudere CAD-systemen.

Runtimecommunicatie: OPC-UA

De live data-uitwisseling tussen een digitale tweeling en de fysieke cel verloopt via OPC-UA (IEC 62541), een leveranciersneutraal, veilig pub/sub- en client/serverprotocol over industrieel Ethernet. OPC-UA-informatiemodellen voor lasprocessen stellen de digitale tweeling in staat om de boogstroom, spanning, lassnelheid en positioneringshoek vrijwel in realtime (updatefrequentie van minder dan een seconde in de meeste implementaties) van de live controller uit te lezen. MES-integratie, waarbij voltooide lasgegevens, de status van werkorders en OEE-statistieken worden doorgegeven, verloopt doorgaans via dezelfde OPC-UA-laag of via een REST API-brug naar de MES-database.

IFC voor de context van gebouwen/faciliteiten

Bij het plannen van een nieuwe lascel in een bestaande fabriekshal kan de Industry Foundation Classes (IFC)-geometrie uit het bouwmodel worden geïmporteerd in de OLP-omgeving om het bereik van de robot, de vrije ruimte en de toegangspaden van de kraan te verifiëren ten opzichte van de daadwerkelijke gebouwstructuur. Dit is relevant voor grote constructiewerkplaatsen waar de geometrie van de fabriekshal net zo beperkend is als de robotkinematica.

6. Rendement op investering (ROI) van de implementatie: Programmeertijd en verkorting van de tijd tussen het eerste en het productieproces.

De economische argumenten voor het upgraden van software naar een hogere technologielaag zijn gebaseerd op de vermindering van de programmeertijd en de verkorting van de cyclus van eerste product tot productie. De vooruitgang is meetbaar:

In de praktijk daalt de doorlooptijd van het eerste product tot productie voor een nieuw lasprogramma van 4-6 dagen met handmatige training naar 1-2 dagen met OLP (inclusief CAD-import, padgeneratie en fysieke verificatie) en naar minder dan een halve dag met AI-gestuurde systemen voor standaardgeometrie. Voor een productiebedrijf dat meer dan 50 nieuwe onderdelen per jaar introduceert, vertaalt deze verkorting zich direct in een eerdere productiestart en lagere engineeringkosten per onderdeel.

Stappenplan voor adoptie in vier stappen

De meeste lasbedrijven implementeren softwarelagen sequentieel in plaats van allemaal tegelijk. Het praktische upgradetraject bestaat uit vier stappen:

Waar past het EVS-AI lassysteem van EVST in het geheel?

Van de commercieel verkrijgbare AI-lassystemen die in 2026 geen leerproces vereisen, bevindt het EVS-AI-lassysteem van EVST zich op het snijvlak van laag 3 (3D-zicht) en laag 4 (zelflerende AI-padgeneratie). De 3D-zichtmodule met automatische scan legt de geometrie van het werkstuk vast zonder handmatige inleerprocedure en extraheert lasnaadgegevens voor automatische padplanning. De zelflerende intelligente engine maakt gebruik van de RX-lasprocesbibliotheek, die typische lasgeometrieën en procesparameters vooraf laadt, inclusief dubbeldraads- en meerlaagse lassequenties. De bewegingsbesturing werkt met een frequentie van 1 kHz via EtherCAT, wat relevant is wanneer een nauwe synchronisatie tussen robotbeweging en boogparameterbesturing vereist is. Dankzij de netwerkfunctionaliteit voor meerdere robots kan het systeem meerdere robotassen op één werkstuk coördineren, terwijl taakplanning via een app supervisors in staat stelt taken in de wachtrij te beheren zonder speciale programmeerwerkstations. Certificering door derden (CE, SGS, TUV) is gedocumenteerd voor kopers die het systeem willen integreren in gecertificeerde kwaliteitsmanagementsystemen.

Voor een bredere context over de selectie van hardware voor lasrobots in combinatie met softwaretools, zie onze Handleiding voor componenten en integratie van robotlascellen en Complete gids voor robotgestuurde lasautomatisering (2026)Voor context over AI en basismodellen, zie Geïntegreerde AI in industriële robotica: VLA-modellen (2026)De normen voor robotintegratie worden behandeld in de Complete gids voor de integratie van industriële robots (2026)Zie voor meer informatie over de processelectie de volgende pagina. MIG- versus TIG- versus laserrobotlassen (2026).

Veelgestelde Vragen / FAQ

Uitgaande referenties:
IFR World Robotics 2025-rapport |
ISO 10218-2: Veiligheid van robotsystemen en -integratie |
AWS-lasnormen |
NVIDIA Omniverse voor industriële digitale tweelingen

Laatst bijgewerkt: Mei 8, 2026