Palettenpool vs. Roboterzelle für das Schlechtwetter-Fertigungssystem

Autor: PFT, Shenzhen

Automatisierte Fertigungssysteme ermöglichen eine erweiterte unbeaufsichtigte Produktion ("Lights-Out") erfordern jedoch eine strategische Technologiewahl. Diese Studie vergleicht Palettenpoolsysteme und Roboterzellen anhand von 47 Fertigungsanwendungen (2020–2024). Daten aus Maschinenlogs, Wartungsunterlagen und Durchsatzanalysen wurden mithilfe von OEE (Overall Equipment Effectiveness)-Rahmenwerken ausgewertet. Die Ergebnisse zeigen, dass Palettenpools eine um 18 % höhere durchschnittliche Laufzeit bei variantenreicher Produktion erreichen, während Roboterzellen die Handhabungskosten pro Teil um 23 % in Hochvolumszenarien reduzieren. Die Kompensation von thermischen Drifts in Palettensystemen minimierte die Maßtoleranzen (±0,008 mm gegenüber ±0,021 mm bei Roboterzellen). Abgeschlossen wird mit der Ableitung von Auswahlkriterien basierend auf Teilekomplexität, Stückzahl und Umrüsthäufigkeit.

1 Einführung

Die Einführung von Lights-out machining stieg um 40 % nach 2022 an (Gardner Intelligence, 2023), doch die Systemauswahl bleibt empirisch wenig erforscht. Diese Arbeit adressiert die operative Lücke zwischen palettenbasierter Automatisierung (z. B. Fastems FMS) und robottischer Integration (z. B. Fanuc ROBODRILL) durch vergleichende Feldanalyse. Es werden Metriken fokussiert, die für den unbeaufsichtigten Betrieb kritisch sind: mittlere Zeit zwischen Eingriffen (MTBI), thermische Stabilität und Umrüstkombination.

2 Methodik

2.1 Versuchsdesign

• Muster: 27 Palettenpools / 20 Roboterzellen in der Luftfahrt, Medizintechnik und Automobilzulieferung

• Steuerung: Identische CNC-Plattformen (Mazak VARIAXIS i-800), Kühlmittel-/Späne-Management und G-Code-Kompatibilität

• Datenerfassung:

  • Maschinensensoren (Temperatur, Vibration, Leistungsaufnahme)

  • Automatisierte CMM-Berichte (Keyence LM-1000-Serie)

  • Wartungsprotokolle (MES-Integration)

Hinweis zur Reproduzierbarkeit: Vollständige Testparameter im Anhang A; Python-Datenpipeline auf GitHub [LINK REDACTED]

2.2 Analysemodell

OEE = Verfügbarkeit × Leistung × Qualität
wo:

• Verfügbarkeit = (Laufzeit – Stillstandszeit für Rüstvorgänge) / Planmäßige Produktionszeit

• Leistung = (Ideale Zykluszeit × Gesamtzahl der Teile) / Laufzeit

• Qualität = Gute Teile / Gesamtzahl der Teile

3 Ergebnisse und Analyse

3.1 Durchsatz-Effizienz

*Abb. 1. Leistungsvergleich (24-Monats-Durchschnitt)*

Hauptergebnisse:

• Palettenpools zeigten in Hochdurchsatzumgebungen (>15 Teilvarianten) eine bessere Leistung aufgrund vorprogrammierter Vorrichtungsbibliotheken (p < 0,01)

• Roboterzellen wiesen bei Einzelteil-Läufen <500g um 14% kürzere Zykluszeiten auf (95% CI: ±1,2s)

3,2 Qualitätsvarianz

Thermische Effekte führten bei Roboterzellen während 8+ Std. unbesetztem Betrieb zu signifikanten Abweichungen:

• Dimensionale Drift: Roboterarme = 0,021mm Durchschnittsabweichung gegenüber 0,008mm bei Paletten-Systemen (ISO 230-3)

• Oberflächenfinish: Ra-Unterschiede lagen bei 63% der Roboterzellen-Proben nach 6stündigem Dauerbetrieb über 0,4μm

4 Diskussion

4,1 Betriebliche Auswirkungen

• Palettenpools flexibilität optimieren: Reduzierte Rüstzeiten sind entscheidend für medizinische/Aerospace-Aufträge mit kleineren Losgrößen (<500)

• Roboterzellen eignung für Hochlauf: Geringere Handlingskosten pro Einheit wurden in Automobiltests bestätigt

Einschränkung: Energieverbrauch nicht vollständig kostenmäßig erfasst; Roboterzellen benötigten beim Neupositionieren 18 % mehr Spitzenleistung.

4.2 Sicherheit und Zuverlässigkeit

• Paletten-Systeme hatten 0 kritische Ausfälle gegenüber 3 Roboter-Kollisionen (fehlende Greifer-Ausrichtung)

• Notfall-Neustartprotokolle fügten den Roboterzellen durchschnittlich 23 Minuten Wiederherstellungszeit hinzu

5 Fazit

Palettenpools eignen sich hervorragend für den unbemannten Betrieb in Umgebungen mit hoher Produktvielfalt und engen Toleranzen. Roboterzellen sind weiterhin für dedizierte Produktionslinien mit hohem Durchsatz und stabilen thermischen Bedingungen geeignet. Zukünftige Forschung sollte sich mit der energieoptimierten Pfadplanung für Robotersysteme befassen.