ATP!Info

Festo nutzt Prinzipien der Natur für Entwicklung neuer Produkte

Nürnberg/Esslingen | Auf der diesjährigen SPS IPC Drives, vom 26. bis 28. November 2013 stellte Festo aktuelle Forschungsaktivitäten rund um die Themen Funktionsintegration, Leichtbau, Selbstkonfiguration, Energieeffizienz und maschinelles Lernen vor. An unterschiedlichen Beispielen zeigt das Unternehmen wie Prinzipien aus der Natur in der Automatisierungstechnik Anwendung finden können.

Dr. Geißert erklärte auf der SPS Festos Projekte aus dem Bionic Learning Network. (Bild: atp) Dr. Gaißert erklärte auf der SPS Festos Projekte aus dem Bionic Learning Network. (Bild: atp)

Mit dem Bionic Opter setzten die Entwickler den Libellenflug technisch um. Es handelst sich dabei um ein ultraleichtes Flugobjekt, das wie das natürliche Vorbild in alle Raumrichtungen fliegen und dabei komplizierte Flugmanöver ausführen kann. "Ein Mikroprozessor macht die neun Motoren der Libelle beherrschbar. Der Pilot muss nur die Richtung vorgeben", sagt Dr. Nina Gaißert von Festo. Damit lässt sich das System per Smartphone bedienen.

Mit dem pneumatisch betriebenen Förderband Wave Handling haben die Ingenieure von Festo ein modular zusammensteckbares System entwickelt, das eine Oberfläche so bewegen kann, dass Gegenstände gezielt transportiert und sortiert werden. Eine Vielzahl von Balgmodulen verformt dabei die Oberfläche so, dass die Objekte durch eine Wellenbewegung befördert werden. Die einzelnen Module konfigurieren sich selbst.

Der Learning Gripper entspricht in abstrahierter Weise der menschlichen Hand. Die vier Finger des Greifers werden von zwölf pneumatischen Balgaktoren mit Niederdruck angetrieben Mittels Machine-Lerning-Verfahren ist er in der Lage, eine komplexe Handlung wie das Greifen und Orientieren eines Gegenstands selbst zu erlernen. Konkret stellt sich dem Greifer die Aufgabe, eine Kugel so zu drehen, dass eine bestimmte Seite nach oben zeigt. Das System eignet sich mit dem Trial-and-Error-Prinzip die entsprechenden Bewegungsabläufe an, die dazu notwendig sind. "Für die ersten Lernschritte braucht der Greifer noch Tage oder Wochen. Beim zweiten Mal geht das schon deutlich schneller", sagt Gaißert. Ingenieure müssten nicht mehr jede Aufgabe programmieren, sondern nur ein Ziel vorgeben. "Das System summiert die Erfahrungen aus seinen Versuchen und lernt so dazu." festo.com

Verwandte Themen
NAMUR-Hauptsitzung: Mastering the Digital Transformation of the Process Industry weiter
"Silicon Saxony" – Milliarden-Investitionen in IoT-Technologien in Dresden weiter
Neue Motion-Monitoring-Überwachungsfunktionen für Kleinststeuerungen weiter
Deutscher Industriedienstleister überwacht Ostsee-Pipeline weiter
Nachfrage nach Ingenieuren steigt auf Rekordhoch weiter
Komponentenhersteller führt „Detailed Risk Assessments“ in Asien und Amerika durch weiter

Relevante Publikationen für Sie:

„Smarte“ Sensoren in der Feldebene Cover

„Smarte“ Sensoren in der Feldebene

Intelligente Überwachung von industriellen Anlagen
Thomas Glock/FZI Forschungszentrum Informatik / Martin Hillenbrand/FZI Forschungszentrum Informatik / Christoph Weiler/Siemens / Michael Hübner/Ruhr-Universität Bochum, FZI Forschungszentrum Informatik

mehr
µPlant: Modellfabrik für vernetzte heterogene Anlagen Cover

µPlant: Modellfabrik für vernetzte heterogene Anlagen

Automatisierungstechnische Konzeption und Realisierung
Andreas Kroll/Universität Kassel / Axel Dürrbaum/Universität Kassel / David arengas/Universität Kassel / Hassan al Mawla/Universität Kassel / Lars Kistner/Universität Kassel / Alexander Rehmer/Universität Kassel

mehr
Zuverlässigkeitsbewertung in frühen Entwicklungsphasen Cover

Zuverlässigkeitsbewertung in frühen Entwicklungsphasen

Ansatz basierend auf rigide definierten Softwarekomponenten
MICHAEL WEDEL/Universität Stuttgart

mehr