Ausrüster müssen heute damit umgehen, dass Software in der Automatisierungstechnik und Robotik durch herstellerspezifische Schnittstellen und starke Herstellerbindung (Vendor-Lock-Ins) geprägt ist. Entsprechend benötigen sie neben Expertenwissen in der Automatisierung fundierte Kenntnisse des Herstellers. Gleichzeitig ist der Zeitdruck bei Einrichtung und Inbetriebnahme beim Kunden vor Ort hoch. Eine modulare Strukturierung der Software würde durch ihre Wiederverwendbarkeit die Zeitaufwände zwar deutlich reduzieren, ließ sich jedoch in der Praxis bisher nicht realisieren. 

Endanwender und besonders kleine und mittelständische Unternehmen (KMU) wiederum benötigen zunehmend flexible Produktionsprozesse, mit denen sie auf steigende Produktvarianten und kürzere Produktlebenszyklen reagieren können. Durch mehr Standardisierung ließen sich Automatisierungslösungen schneller entwickeln. Zudem würde sich die Wirtschaftlichkeit verbessern, denn wenn es um Anpassungen am System geht, sind aktuell schon kleine Änderungen mit vergleichsweise hohen Kosten verbunden.

Vor diesem Hintergrund ging Anfang 2014 das vom Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA koordinierte Forschungsprojekt ReApp an den Start. Das gemeinsame Ziel der involvierten Partner: Ein effizienterer Robotereinsatz mit kürzeren Rüstzeiten und einer besseren Wiederverwendbarkeit von einmal entwickelten Produktionsprozessen.

Während der dreijährigen Laufzeit – ReApp endete offiziell am 31. Dezember 2016 – wurde entsprechend ein ‚Ökosystem‘ für die Robotik geschaffen, welches ein Stück weit vergleichbar mit dem bekannten Android-System für Smart­phones ist. Auch Android integriert verschiedenste Hardware – darunter Sen­soren, HMI, Rechnerarchitekturen etc. – und bietet wiederverwendbare Software als Apps. Anders als bei Android muss ein Ökosystem für die Robotik jedoch die strukturelle Vielfalt an Produktionssystemen berücksichtigen und auch die verschiedenen Geometrien des jeweils eingesetzten Roboters abbilden können. Insofern sind hier monolithische Apps nicht zielführend. Notwendig sind vielmehr kombinierbare sowie konfigurierbare Software-Bausteine.
 

Modellbasierte Software-­Entwicklung

Ein zentrales Ergebnis des vom BMWi geförderten Projektes ist die Entwicklungsumgebung ‚ReApp Engineering Workbench‘, mit der Apps konzipiert, entwickelt und modelliert werden können. Die Workbench besteht aus drei Hauptkomponenten: dem ‚Component Modeling Tool‘ (CMT), dem ‚Skill and Solution Modeling Tool‘ (SSMT) sowie der ‚Deployment-Umgebung‘, die den Prozess der Installation, Konfiguration und Ausführung erheblich vereinfacht. Beteiligte Partner waren hier neben dem Fraunhofer IPA das FZI Forschungszentrum Informatik, das Karlsruher Institut für Technologie (KIT) sowie Fortiss. 

Vergleich der Architekturen der beiden Ökosysteme Android und ReApp.

© Fraunhofer IPA

Das CMT richtet sich vorwiegend an Hard- und Software-Entwickler, die damit neue Apps – zum Beispiel Hardware-Treiber – entwickeln und nach erfolgreichem Durchlaufen einer automati­sierten Qualitätssicherung in einen App Store einstellen können. Das CMT stellt sicher, dass die Apps einem standardisierten Komponentenmodell, der ‚ReApp Ontologie‘, entsprechen, was eine einheitliche Beschreibung der Eigenschaften und Schnittstellen gewährleistet.

Wie auch alle übrigen Komponenten der Workbench verfolgt das CMT einen modellbasierten Ansatz: Hierbei werden die Apps auf Schnittstellenebene abstrahiert. Die Beschreibung der Apps ist universell verständlich, weil eine einheitliche, maschinenlesbare Sprache zur Anwendung kommt. Dies ermöglicht die automatische Auswertung in allen Entwicklungsphasen. Entsprechend erleichtert das CMT das Design und die ­Entwicklung der App: Die Wiederverwendung ist gegeben und für eine Funktion ist unterschiedlicher Code verwendbar. Überdies sind die Schnittstellen standardisiert. Nicht zuletzt führt das Tool den Nutzer durch die Erstellung der App. Diese basieren auf dem Open-Source-Robot-Operating-System – kurz ROS – und können Software-Komponenten etwa für die Steuerung oder Pfadplanung sein, welche die Funktionalitäten oder Algorithmen kapseln.

Sogenannte Hardware-Access-Komponenten wiederum kapseln Hardwaretreiber unter anderem für Aktoren oder Sensoren. Konkret bedeutet dies, dass der Entwickler AML-Beschreibungen, eigene manuelle oder vom ReApp-Projekt vorliegende Modellierungen und semantische Informationen in das CMT eingibt. Die grafische Bedienoberfläche unterstützt bei der Modellierung und Modelltransformation aus den AML-Beschreibungen. Das Ergebnis sind ein Instanzmodell in OWL (Ontology Web Language), also ein RDF-Graph (Resource Description Framework), sowie eine grafische Repräsentation innerhalb des CMT. Aus dem Modell wird der ROS-Quellcode automatisch generiert.
 

Hardware leichter ­austauschbar

Mit dem 'Skill and Solution Modeling Tool' können Benutzer aus den Apps eine roboterspezifische Anwendung erstellen.

© Fortiss

Weiterhin unterstützt die Workbench bei Aufbau, (Re-)Konfiguration und Inbetriebnahme der Apps. Das heißt: Mit dem Skill and Solution Modeling Tool (SSMT) lassen sich vorhandene Apps oder ‚Skills‘ (zum Beispiel ein generischer Pick-and-Place-Skill) zu komplexeren Anwendungen orchestrieren. So wird aus einem Skill eine ‚Solution‘: Während ein Skill bezüglich der Parametrierung und Komponentenauswahl noch offen ist, ist die Solution für eine spezielle Roboterzelle konfiguriert, also vollständig parametriert. Die Erstellung einer Solution erfolgt in einem grafischen Skill-Editor, der Apps sowie grafische Verbindungen von ROS-Interfaces darstellen kann. Die Grundidee dahinter ist, dass alle Apps – vom Hardware-Treiber bis hin zu komplexen Ablaufsteuerungen – dem Komponentenmodell und seiner Schnittstellendefinition entsprechen und somit frei kombinierbar und verschachtelbar sind. 

Auf diese Weise sind Hardware-unabhängige Fähigkeiten oder Skills erstellbar, die eine hohe Wiederverwendbarkeit gewährleisten. Soll der Skill für spezifische Hardware-Komponenten verwendet werden, gilt es lediglich die Treiber-Apps für die Hardware hinzuzufügen. Ändert sich später die Hardware, etwa weil ein Roboter mit höherer Traglast erforderlich ist, brauchen nur der Treiber ausgewechselt und einige Konfigurationen angepasst werden – an der Anwendung selbst ändert sich dabei nichts.
 

Vereinfachtes Integrieren und Testen

Schließlich kann die erstellte Solution mithilfe der ReApp-Deployment-Umgebung auf einer konkreten Anlage eingesetzt werden. Dabei unterstützt eine standardisierte Laufzeitumgebung, die sogenannte ‚Integrationsplattform‘. Diese bietet für Installation, Konfiguration und Ausführung eine durchgängige Deployment-Kette vom Store bis zur Steuerung. So muss der Systemintegrator weder die üblichen Schnittstellenanpassungen noch Modifikationen für die Steuerungsarchitektur durchführen. Er kann sich darauf verlassen, dass alle Apps im Store, die über die ReApp-Deployment-Umgebung auf die Inte­grationsplattform installiert wurden, auch kompatibel und lauffähig sind. Zudem ist es möglich, zwischen verschiedenen Apps zu wechseln, so dass Entwicklungs-, Einricht- und Produktivbetrieb voneinander getrennt sind. Updates lassen sich betriebssicher aufspielen, weil eine Rückkehr zum vorherigen Stand immer möglich ist.

In der virtuellen Test­umgebung lassen sich Anwendungen bereits ohne vorhandenen Hardware-Aufbau testen.

© Fraunhofer IPA

Eine cloudbasierte Simulationsumgebung von der Firma ISG ermöglicht es schließlich, Komponenten-, Integrations- und Applikationstests systematisch, gefahrlos und ressourcenschonend durchzuführen. Die Werkzeuge stehen sofort bereit und sind als Service nutzbar – Stichwort ‚Simulation as a service‘. In der zugrundeliegenden Bibliothek sind etwa 200 Robotermodelle unterschiedlicher Hersteller, 3D-Geometrie- und Kinematikmodelle sowie virtuelle Bedienpanels zum Testen verfügbar. Ergänzt wird die Simulationsumgebung um Modelle für den automatisierten Materialfluss wie beispielsweise band- und spurgeführte Fördertechnik, Handhabungs-, Montage- und Lagertechnik. Anhand eines virtuellen Demonstrators konnten die entwickelten Technologien bereits getestet werden. Zudem ist der Zugang zur Simulationsumgebung abgesichert, damit keine gemeinsame Systemnutzung möglich ist. Diese Einzelplatzverbindung wird über einen VPN-Zugriff realisiert.

Alle in ReApp entwickelten Apps stehen künftig in einem Online Store bereit, den die Firma FluidOps entwickelt hat. Gleichermaßen ist firmenspezifisch eine Inhouse-Lösung realisierbar. Dies entspricht dem Projektziel, ein gemeinsames Repository für Robotikanwendungen bereitzustellen. Kurzum: Im Store können Anwender nach Apps suchen, diese runterladen sowie eine Bewertung abgeben. Darüber hinaus bietet der Store Entwicklern die Möglichkeit, selbst­erstellte Apps einzustellen.

Intelligente semantische Klassifizierung

Allen Entwicklungen für dieses Ökosystem liegt die ‚ReApp Ontologie‘ zugrunde. Dieses Modell – ein weiteres zentrales Ergebnis des Projektes – stellt eine systematische Klassifikation unterschiedlichster Softwarekomponenten für Roboteranwendungen bereit und beschreibt deren Eigenschaften, Fähigkeiten und Schnittstellen. Die semantische Beschreibung der Komponenten gewährleistet die Kompatibilität von Apps unterschiedlicher Anbieter, so dass diese miteinander kombinierbar und Komponenten ähnlicher Funktion austauschbar sind. Ein weiterer Vorteil ist, dass die Apps durch die semantische Auszeichnung in der Entwicklungsumgebung gleich bei der Erstellung formal geprüft werden. Nicht zuletzt wird durch die Ontologie eine semantische Suche im App-Store möglich und Anwender können Apps basierend auf den Fähigkeiten der App sowie der Klassifizierung als Software-Komponente oder Hardwaretreiber finden.

Auf der Fachmesse Automatica 2016 stellte ReApp den Demonstrator für die Türmodul-Montage vor.

© Fraunhofer IPA

Insgesamt reduziert das in ReApp entwickelte Ökosystem Programmieraufwände, weil beispielsweise Programmstrukturen sowie Eingabe-/Ausgabe-Schnittstellen von Komponenten automatisch auf Basis der Klassifikation einer Komponente erstellt werden. So lassen sich ROS-Software-Komponenten auch ohne wesentliche ROS-Kenntnisse nutzen. Einmal entwickelte Fähigkeiten bis hin zu kompletten Prozessabläufen sind wiederholt nutz- und zu neuen Anwendungen zusammensetzbar. So könnte ein Systemintegrator im App-Store beispielsweise die semantische Problemstellung ‚Picken vom Band‘ eingeben und erhält dann passende Apps für diese Anwendung. Zudem kann er mit Hilfe der Workbench die Apps anpassen, erweitern oder für seine Anwendung parametrieren. Ergänzend zu Apps für das Picken vom Band ist unter anderem eine Komponente ‚Line Tracking‘ auswählbar, die die Geschwindigkeit des Bandes bestimmt.

Verwertung der Technologien

Die im Rahmen von ReApp entwickelten Technologien sind derzeit in drei Pilotdemonstratoren aus unterschied­lichen Branchen im Einsatz beziehungsweise in der Evaluierung. Bei der Umsetzung der Demonstratoren waren die Systemintegratoren Ruhrbotics, Insystems, der Komponentenhersteller Sick und die Endanwender BMW, Fischer und Dresden Elektronik beteiligt.

Der Pick-and-Place-Demonstrator erkennt Stanzteile auf einem Förderband, ein Deltaroboter legt diese in eine Ablagefläche, von wo ein weiterer Roboter sie entnimmt und in eine Kiste einsortiert.

© Fraunhofer IPA/Rainer Bez

Für die Automobilindustrie wurde zusammen mit BMW konkret das Szenario des automatisierten Anrollens einer Schallisolierungsmatte realisiert. Hierbei stand im Vordergrund, den Einrichtungsaufwand mit ReApp gegenüber der bisherigen Automatisierungslösung zu vergleichen und die Austauschbarkeit von Hard- und Software-Komponenten zu prüfen. Mit der ReApp-Lösung zeigte sich eine Verbesserung, denn das Szenario konnte sowohl effizienter umgesetzt als auch leichter umkonfiguriert werden.

Der zweite Demonstrator zeigt das Kommissionieren und Einlegen von Stanzteilen. Der Fokus lag hier auf der Automatisierung für kleine Stückzahlen. Dabei ging es darum, die Kosten-Nutzen-Relation zu analysieren und zu prüfen, inwieweit mit der automatisierten Lösungen weniger Fehler als bei der bisherigen manuellen und monotonen Arbeit entstehen. Im dritten Demon­strator wird das automatische Verlöten von LED-Stripes für die Elektroindus­trie umgesetzt. Auch hier geht es da­rum, die Effizienz der Anwendung zu analysieren und den Ausschuss beim manuellen Löten aufgrund der hohen Qualitätsanforderungen zu reduzieren.

Soviel zum Status quo. Im Sinne einer Fortführung der ReApp-Ergebnisse sollen die Ontologie durch die ROS-Indus­trial-Community weiterentwickelt sowie die Nutzerfreundlichkeit der Entwicklungsumgebung durch einen professionellen Software-Anbieter optimiert werden. Da das Projekt Open-Source-Software nutzt, ist die Workbench über die Projekt-Homepage (http://www.reapp-projekt.de) und in Kürze auch über ein öffentliches Repository auf der Online-Plattform für Open-Source-Software ‚GitHub‘ zugänglich.

Autor: Dr.-Ing. Ulrich Reiser ist Leiter der Gruppe Software Engineering und Systemintegration am Fraunhofer IPA.