Detailansicht
Mining cobot logs
identifying collaborative patterns in manufacturing
Stela Kucek
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Informatik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Informatik
Betreuer*in
Maria Leitner
DOI
10.25365/thesis.75584
URN
urn:nbn:at:at-ubw:1-23626.22161.175156-8
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
In den letzen Jahren wurden zunehmend neue, intelligente Technologien in Fertigungsumgebungen integriert mit dem Ziel, Produktionsprozesse zu optimieren und die Produktivität zu steigern. Insbesondere sind cyber-physische Systeme, das Internet der Dinge, und Robotik wichtige Komponenten in modernen Anlagen geworden. Als robuste, mobile und zu einem hohen Grad konfigurierbare Technologien wurden kollaborative Roboter (Cobots) immer populärer als Ersatz oder Hilfe für menschliche Arbeitskräfte in der Industriedomäne. Ein spezieller Aspekt der Cobots im Vergleich zu anderen Industrierobotern ist, dass sie für das Arbeiten in einer gemeinsamen Arbeitsumgebung mit Menschen und anderen Cobots in unmittelbarer Nähe geschaffen sind, was Interaktivität und Zusammenarbeit ermöglicht. Die Zusammenarbeit kann, in Bezug auf räumliche, zeitliche und funktionale Einschränkungen, auf verschiedene Arten erfolgen. Abhängig von der Art dieser Einschränkungen können unterschiedliche Muster in der Zusammenarbeit erkannt werden. In dieser Arbeit war das Ziel, ein Konzept zur Erkennung eines der vier kollaborativen Muster (unabhängig, sequentiell, gleichzeitig, oder unterstützend) in den Logdaten eines Cobots zu entwickeln. Konkret wurden, unter Verwendung der zur Verfügung gestellten Ausstattung mit zwei (kollaborativen) Roboterarmen, vier Beispielszenarien implementiert, die das Verhalten, wie in den entsprechenden Mustern definiert, widerspiegeln. Die Definitionen und Einschränkungen der vier Muster wurden als Basis für die Entwicklung eines Algorithmus verwendet, der das auftretende Muster in einem Prozess identifiziert, der in den gegebenen Logdaten protokolliert wurde. Wegen der Limitierungen der verfügbaren Ausstattung mussten einzelne Muster-Einschränkungen in Konzepte übersetzt werden, die in den Logs geschrieben und aus ihnen gelesen werden können. Der Algorithmus ist für eine Aufstellung mit N Cobots und einem menschlichen Operator anwendbar. In zukünftiger Arbeit könnten auch andere Aufstellungen in Betracht gezogen und getestet werden. Zusätzlich wurde eine Softwareanwendung für die Analyse von Cobot Logs entwickelt, die den Analyseprozess der Logdaten veranschaulicht, indem die einzelnen Zwischenresultate der Analyseschritte gezeigt werden. Zu diesen Schritten gehören das Lesen und Parsen der Logs, Säubern und Umwandeln der Daten in ein für die Prozesserkennung verwendbares Format, und schließlich Erkennung des Prozesses und des darin vorkommenden Musters mittels des entwickelten Algorithmus.
Abstract
(Englisch)
In recent years, there has been increased integration of new, smart technologies in manufacturing settings with the aim to optimize production processes and increase productivity. In particular, cyber-phyisical systems, internet of things, and robotics have become components of high importance in modern facilities. As robust, mobile, and highly configurable technologies, collaborative robots (cobots) have been increasingly popular as replacements and aids for human workforce in the industrial domain. A special aspect of cobots compared to other industrial robots is that they are designed to work in a shared environment with human operators and other cobots in close proximity, enabling interactivity and collaboration. The collaboration can occur in different ways in terms of spatial, temporal and functional constraints. Depending on the nature of those constraints, collaborative patterns can be identified. In this work, the goal was to develop a concept for recognizing one of four collaborative patterns (independent, sequential, simultaneous, or supportive) in cobot log data. Specifically, using available equipment with two (collaborative) robot arms, four example scenarios were implemented, reflecting the behavior as defined by the respective collaborative patterns. The definitions and constraints of the four patterns were used as a basis for developing an algorithm for identifying the pattern occurring in the process logged in a given dataset. Due to limitations of the available equipment, some constraints had to be translated into concepts that can be written to and read from logs. The algorithm is applicable to setups with N cobots and a human operator. Future work might foresee and test different settings. Furthermore, a software application for mining cobot logs has been developed, which demonstrates the analysis process of the log data by showcasing intermediate results of the steps performed in the background. These steps include reading and parsing the logs, cleaning and transforming the data into a format usable for process discovery, and finally discovering the process and the therein occurring collaborative pattern using the developed algorithm.
Schlagwörter
Schlagwörter
(Deutsch)
Kollaborative Roboter Prozesserkennung Logdaten Mustererkennung Kollaborationsmuster
Schlagwörter
(Englisch)
Collaborative robots Process mining Logs Pattern discovery Collaboration patterns
Autor*innen
Stela Kucek
Haupttitel (Englisch)
Mining cobot logs
Hauptuntertitel (Englisch)
identifying collaborative patterns in manufacturing
Paralleltitel (Deutsch)
Auswertung von Cobot-Logs
Paralleluntertitel (Deutsch)
Identifizierung von kollaborativen Mustern in der Fertigung
Publikationsjahr
2024
Umfangsangabe
xv, 113 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Maria Leitner
AC Nummer
AC17140465
Utheses ID
70673
Studienkennzahl
UA | 066 | 921 | |