@misc{11332,
  abstract     = {{Die chaotische Bevorratung von Einzelteilen stellt eine besondere Herausforderung für die automatisierte Herstellung  elektrotechnischer Komponenten dar. Insbesondere das Segment der kleinen bis mittleren Produktionsvolumen ist heute noch von manueller Arbeit geprägt. Vor diesem Hintergrund zeigt dieser Beitrag einen Lösungsansatz für den robotischen „Griff-in-die-Kiste“ am Beispiel der Reihenklemmenfertigung bei Weidmüller auf. Zuerst erfolgt die Analyse des aktuellen Technikstandes resultierend in der methodischen Lücke. Anschließend wird das Bestärkungslernen als Lösungsansatz identifiziert und die Simulationssoftware „Isaac Sim“ als Trainingsumgebung ausgewählt, in der das Robotersystem modelliert wird. Ziel dieser Arbeit ist es, ein universelles und robustes Verhalten des Robotersystems durch die zielgerichtete Variation der Trainingszustände zu generieren. Zusätzlich findet die Integration von Kontextwissen statt, um die Trainingsdauer des neuronalen Netzes zu minimieren.}},
  author       = {{Stuke, Tobias and Bartsch, Thomas and Rauschenbach, Thomas}},
  booktitle    = {{AUTOMATION 2023 – 24. Leitkongress der Mess- und Automatisierungstechnik}},
  isbn         = {{978-3-18-092419-9 }},
  location     = {{Baden-Baden}},
  pages        = {{S. 655 – 667}},
  publisher    = {{VDI Verlag GmbH}},
  title        = {{{Reinforcement Learning in der Simulation als Lösungsansatz für den industriellen Griff-in-die-Kiste im Zeitalter von wandlungsfähigen Produktionssystemen}}},
  doi          = {{10.51202/9783181024195-655 }},
  volume       = {{Nr. 2419}},
  year         = {{2023}},
}

@misc{11333,
  author       = {{Stuke, Tobias and Rauschenbach, Thomas and Bartsch, Thomas}},
  booktitle    = {{Machine Learning for Cyber-Physical Systems: Selected papers from the International Conference ML4CPS 2023 }},
  editor       = {{Niggemann, Oliver and Beyerer ,  Jürgen  and Krantz,  Maria and Kühnert, Christian }},
  isbn         = {{978-3-031-47061-5}},
  location     = {{Hamburg}},
  pages        = {{8}},
  publisher    = {{Springer Verlag}},
  title        = {{{Development of a Reinforcement Learning Approach for Industrial Bin Picking}}},
  doi          = {{10.1007/978-3-031-47062-2_5}},
  volume       = {{18}},
  year         = {{2023}},
}

@misc{7728,
  abstract     = {{Der Einrichtprozess der Wasserstrahlschneidanlage erfolgt überwiegend als manueller Prozess. Die fehlende Automatisierung führt zu einem hohen Zeitverlust und der dauerhaften Anwesenheit einer Fachkraft. Dieser Umstand wird durch eine Steigerung des Automatisierungsgrades angegangen. Die Steigerung wird durch die Integration einer Umfeldsensorik und die Erstellung eines Algorithmus re-alisiert. Dieser erkennt die Halbzeuge im Arbeitsraum, um diese anschließend in ein CAD-Modell zu transformieren.}},
  author       = {{Albers, Franziska and Bartsch, Thomas and Kowalke, Dennis and Sade, Sercan}},
  booktitle    = {{In: Tagungsband AALE 2022: Wissenstransfer im Spannungsfeld von Autonomisierung und Fachkräftemangel. 18. Fachkonferenz}},
  editor       = {{Härle, Christian and Jäkel, Jens and Sand, Guido}},
  keywords     = {{Automatisierung, Bildverarbeitung, Industrie 4.0, Merkmalsfilter, Wasserstrahlschneiden}},
  location     = {{Pforzheim}},
  pages        = {{85 – 95}},
  publisher    = {{Hochschule für Technik, Wirtschaft und Kultur}},
  title        = {{{Bildfilter als Analysewerkzeug im Technologiesektor von Industrie 4.0}}},
  doi          = {{https://doi.org/10.33968/2022.08}},
  year         = {{2022}},
}

@misc{7733,
  abstract     = {{ Im Rahmen des Forschungsprojektes „Milling-Waterjet“ an der Technischen Hochschule Ostwestfalen-Lippe wurde ein operatives Instandhaltungswerkzeug entwickelt, welches die nach der DIN 31051 beschriebenen Maßnahmen zur Instandhaltung in digitaler Form abbildet. Das Anwendungsobjekt in diesem Fall ist eine Wasserstrahlschneidanlage. Der vorliegende Beitrag beschreibt das digitale Instandhaltungswerkzeug.}},
  author       = {{Sade, Sercan and Albers, Franziska and Bartsch, Thomas and Kowalke, Dennis}},
  booktitle    = {{Tagungsband AALE 2022 : Wissenstransfer im Spannungsfeld von Autonomisierung und Fachkräftemangel}},
  editor       = {{Härle, Christian and Jäkel, Jens and Sand, Guido}},
  keywords     = {{Diagnose, Digitalisierung, Fehlerbaum, Instandhaltung, Wasserstrahlschneiden}},
  location     = {{Pforzheim}},
  pages        = {{45 – 52}},
  publisher    = {{Hochschule für Technik, Wirtschaft und Kultur}},
  title        = {{{Operative Instandhaltung im Zeitalter der Digitalisierung}}},
  doi          = {{https://doi.org/10.33968/2022.04}},
  year         = {{2022}},
}

@misc{7734,
  abstract     = {{    Der Konferenzbeitrag zeigt den Forschungs- und Technikstand bezüglich des Griff-in-die-Kiste auf. Basierend auf einer Literaturrecherche werden Beispiele für regelbasierte und lernende Verfahren vorgestellt. Anschließend erfolgt eine systematische Gegenüberstellung der Verfahren. Hierfür werden die Anforderungen, die ein Griff-in-die-Kiste-System zu erfüllen hat, dargelegt. Die Kriterien resultieren aus einer Expertenbefragung des produktionstechnischen Umfelds der Weidmüller Gruppe. Neben den Anforderungen werden die Gewichtungen zur Bildung einer Rangfolge ermittelt. Die erarbeiteten Anforderungen dienen anschließend zur Bewertung der regelbasierten und lernenden Verfahren. Die Analyse mündet in einer methodischen Lücke zwischen beiden Paradigmen und stellt die Ausgangsbasis für die weitere Arbeit zur Entwicklung des industriellen Griff-in-die-Kiste dar. Abschließend werden erste Arbeitsergebnisse zur Objekterkennung von Reihenklemmen veröffentlicht. In einer Untersuchung werden die Zuverlässigkeit, die Robustheit sowie die Einrichtdauer einer Objekterkennung mithilfe von Deep Learning ermittelt. Das angestrebte Forschungsergebnis stellt einen Entwicklungsschritt von automatisierten Systemen, die in einem definierten Wirkbereich eigenständig arbeiten, zu autonomen Systemen, die selbstständig auf zeitvariante Größen reagieren, dar.}},
  author       = {{Stuke, Tobias and Bartsch, Thomas and Rauschenbach, Thomas}},
  booktitle    = {{Tagungsband AALE 2022: Wissenstransfer im Spannungsfeld von Autonomisierung und Fachkräftemangel}},
  editor       = {{Härle, Christian and Jäkel, Jens and Sand, Guido}},
  keywords     = {{Griff-in-die-Kiste, Bildverarbeitung, Robotik, Deep Learning, lernende Verfahren, regelbasierte Verfahren}},
  location     = {{Pforzheim}},
  pages        = {{145 – 154}},
  publisher    = {{Open Access}},
  title        = {{{Adaptiver Griff-in-die-Kiste – Die methodische Lücke zwischen Forschung und Industrie}}},
  doi          = {{https://doi.org/10.33968/2022.14}},
  year         = {{2022}},
}