Ein Kommentar von Andreas Parr, Bob Scannell, Sarven Ipek, Analog Devices.

Von der Erfindung der Dampfmaschine während der ersten industriellen Revolution über die Entwicklung der Fließbandfertigung im Zuge der zweiten hat die Welt dank der Einführung neuer Technologien große Fortschritte gemacht. Viele Analysten sind sich darin einig, dass die nächste industrielle Revolution bereits begonnen hat, getrieben durch das Wachstum im Bereich der Industrie 4.0 (Smart Factory) und der autonomen Systeme. Das für dieses neue Zeitalter industrieller Entdeckung kennzeichnende Streben nach effizienterer Nutzung von Werkstoffen und Arbeitskraft setzt voraus, dass die zugrundeliegende Technik fortlaufend mit hohem Tempo weiterentwickelt wird.

Automatisierte und autonom agierende Roboter, Fahrzeuge und Drohnen, die noch enger in Fertigungs-, Bergbau-, Landwirtschafts- und Logistikprozesse eingebunden sind, bilden entscheidende Stützpfeiler dieser unablässigen industriellen Revolution.

Sensoren als Enabling Technology

Damit die autonomen Anwendungen das von ihnen geforderte Maß an System-Performance erreichen können, muss das verwendete Equipment seine Umgebung wahrnehmen und sich darin zurechtfinden können. Möglich ist dies mithilfe verschiedener Arten von Sensoren, deren Ausgangssignale zusammengeführt und interpretiert werden, sei es durch traditionelle Algorithmen oder durch solche auf der Basis von künstlicher Intelligenz (KI) oder Machine Learning. Zuverlässigkeit und Maschinenverfügbarkeit sind in diesem Zusammenhang die zwei wichtigsten Herausforderungen, die nach gleichzeitiger Implementierung verschiedener Sensortechnologien verlangen, um als ultimatives Ziel mehr Sicherheit und Effizienz, niedrigere Kosten und gesteigerte Flexibilität zu erreichen.

Überblick über Sensortypen für autonome Systeme.

© ADI

Autonome Systeme sind in hohem Maße auf hochgradig wirklichkeitsgetreue Daten angewiesen, die durch zusammengeführte Sensormodalitäten erfasst und an KI und Algorithmen weitergeleitet werden. Radar-, Lidar-, Bild-, Ultraschall- und Inertialsensoren sind die am weitesten verbreiteten Sensoren in der Industrie. Die folgende Tabelle bietet eine Übersicht über die Vorteile und Einschränkungen der einzelnen Sensortypen und unterstreicht die Notwendigkeit, Systeme mit mehrere Sensormodalitäten auszustatten.

Wahrnehmung durch Sensoren – Maschinen lernen sehen

Die Herausforderungen der Industrie 4.0 sind vielfältig. Beengte Platzverhältnisse und autonom agierende Maschinen (Roboter, Cobots usw.), die unter rauen Umgebungsbedingungen gemeinsam arbeiten, erfordern beispielsweise den Einsatz von Radartechnik, die wenige Platz benötigt, präzise ist und die Fähigkeit zum Vermessen naher Ziele bietet. Die Abbildung und Klassifizierung umgebender Bereiche ist von essenzieller Bedeutung für die Effizienz, Produktivität und Sicherheit.

Radartechnik in autonomen Maschinen

Getrieben von den jüngsten Fortschritten bei den HF-Transceiver-ICs, entwickelt sich Radar zusehends zu einer der wichtigsten Sensortechnologien für Wahrnehmungs-Anwendungen. Ein Beispiel hierfür sind die mit 77 GHz arbeitenden, vollintegrierten und rein digitalen Transceiver-MMICs. Hochfrequente und hochgradig lineare FMCW-Chips in Verbindung mit hoher Ausgangsleistung, rauscharmen Sende- und Empfangskanälen sowie MIMO-Antennen-Arrays ermöglichen inzwischen zu akzeptablen Kosten die Realisierung sehr leistungsfähiger und hochauflösender Radarsysteme. Radarbasiertes digitales Beamforming gestattet die Detektierung der Radialgeschwindigkeit, des Winkels und der Distanz mehrerer Ziele selbst unter widrigsten Umgebungsbedingungen, und genau dies ist entscheidend für die sichere und effiziente Interaktion von Robotern, Cobots und führerlosen Transportfahrzeugen in dynamischen Umgebungen.

Präzision durch Lidar-Systeme

Autonome Systeme im industriellen Bereich haben oftmals die Aufgabe, Objekte zu lokalisieren und aufzuheben, anstatt es zu umfahren. Die leistungsfähige Objekterkennung und die hohe Klassifizierungs-Genauigkeit der Lidar-Technik bringt die nötige Präzision diese gängigen Aufgaben mit.

Da sie mit Frequenzen im Terahertz-Bereich arbeiten, erzielen Lidar-Systeme eine sehr hohe Winkelauflösung, was wiederum in hochauflösenden Tiefenkarten resultiert. Letztere ermöglichen Lidar-Systemen die Klassifizierung von Objekten für die Zusammenführung mit Bild-, IMU- und Radar-Informationen, damit verlässliche missionskritische Entscheidungen gefällt werden können. Lidar-Systeme sind für den Einsatz unter dynamischen Bedingungen, beispielsweise unter freiem Himmel und in hellem Sonnenlicht ausgelegt. Durch die Verwendung kurzer, leistungsstarker Impulse mit Wellenlängen von 9xx nm und 15xx nm erreicht die Lidar-Technik unter diesen anspruchsvollen Bedingungen eine größere Sichtweite. Die kurzen Impulse ermöglichen nicht zuletzt eine höhere Tiefenauflösung zum Detektieren mehrerer Ziele innerhalb eines Pixels, während das verwendete Infrarotlicht mit 9xx nm und 15xx nm Wellenlänge weniger durch Sonnenlicht beeinflusst wird.

Um den Weg für die massenweise Nutzung von Lidar-Systemen zu ebnen, müssen jedoch noch einige Herausforderungen überwunden werden. Anzuführen sind hier die komplexen und kostspieligen Signalketten, Probleme mit dem optischen Design sowie das Testen und Kalibrieren der Systeme. Diesbezüglich laufen derzeit Entwicklungsvorhaben mit dem Ziel, die Signalketten zu integrieren und ihre Komplexität, ihre Abmessungen und ihren Stromverbrauch zu reduzieren und die Gesamtkosten zu senken.

Navigations-Sensorik – Maschinen lernen zu fühlen

Je mehr sich Sensoren an Industriemaschinen durchsetzen und je umfangreicher dadurch die von ihnen gelieferten Datenmengen werden, umso bedeutender werden ihr Anbringungsort und ihre Bewegung relativ zueinander. Autonomie hängt oft mit Mobilität zusammen, und genau deshalb ist das exakte Bestimmen der Position eines Fahrzeugs, das Lenken der Bewegung einer Maschine sowie das präzise Steuern ihrer Instrumente von entscheidender Bedeutung. Die mit hoher Präzision erfolgende Detektierung derartiger Bewegungen gestattet den Einsatz solcher Applikationen in schwierigeren, nützlicheren Anwendungen, in denen es auch auf Sicherheit und Zuverlässigkeit ankommt. Im Bereich des Smart Farmings etwa geht es darum, die Effizienz beim Erntemanagement fortlaufend zu steigern, und die zentimetergenaue Ortung der Instrumente ist die primäre treibende Kraft bei dem Bemühen, mit möglichst wenig Einsatz möglichst viel zu produzieren.