Repeteerbaarheid: waarom machines exact hetzelfde moeten blijven doen
Stel je voor dat een dartspeler vijf keer achter elkaar gooit en alle pijltjes vlak bij elkaar in het bord belanden, ook al zit die cluster niet in de roos maar net ernaast. Die speler is dan zeer repeteerbaar: het resultaat is elke keer bijna identiek, ook al is het net niet accuraat. Repeteerbaarheid gaat over consistentie, niet over juistheid. Een machine, robot of meetinstrument is repeteerbaar als het onder dezelfde omstandigheden steeds hetzelfde resultaat oplevert, keer op keer op keer.
In de technologie is dit verschil cruciaal. Een robotarm die telkens exact 0,1 millimeter naast het beoogde punt prikt, is niet accuraat maar wel repeteerbaar: met een kleine correctie is dat probleem op te lossen. Een robotarm die de ene keer 0,1 millimeter te links en de andere keer 0,3 millimeter te rechts uitkomt, is onvoorspelbaar en dus veel lastiger te vertrouwen, ook al is de gemiddelde afwijking misschien kleiner. Bij fabrieksrobots, 3D-printers, chipmachines en zelfs kwantumcomputers bepaalt repeteerbaarheid uiteindelijk of een technologie betrouwbaar genoeg is om op te bouwen.
Wat is het precies?
Repeteerbaarheid wordt meestal uitgedrukt als een statistische spreiding: hoe dicht liggen herhaalde uitkomsten bij elkaar, gemeten over tientallen of honderden pogingen. Bij een industriële robotarm gebeurt dit letterlijk: de arm beweegt honderden keren naar hetzelfde punt in de ruimte, en met precisiemeetapparatuur wordt vastgelegd hoeveel de daadwerkelijke eindposities onderling verschillen. Die spreiding, vaak uitgedrukt in tienden of honderdsten van millimeters, is de repeatability-waarde die fabrikanten in hun specificaties vermelden.
Belangrijk is het onderscheid met accuratesse (of nauwkeurigheid): dat is hoe dicht een systeem gemiddeld bij de werkelijk gewenste waarde komt. Een klok kan heel repeteerbaar precies elke dag om 12.00 uur stilstaan zonder dat hij ooit de juiste tijd aangeeft. Andersom kan een systeem gemiddeld genomen accuraat zijn terwijl losse metingen flink uiteenlopen. Voor de meeste technische toepassingen is repeteerbaarheid eigenlijk het lastigste probleem: als een machine consistent is, kun je haar daarna kalibreren en dus alsnog accuraat maken. Een inconsistente machine valt niet te kalibreren, omdat de fout elke keer anders is.
Om fabrikanten onderling vergelijkbaar te maken, bestaat er een internationale norm: ISO 9283, die precies voorschrijft hoe de repeteerbaarheid en nauwkeurigheid van industriële robots getest en gerapporteerd moeten worden. Factoren die de repeteerbaarheid beïnvloeden zijn onder meer mechanische slijtage, speling in tandwielen (backlash), temperatuurschommelingen die materialen laten uitzetten of krimpen, en de kwaliteit van de terugkoppeling (feedback) in het besturingssysteem van de machine.
Wat wil men ermee bereiken?
Hoge repeteerbaarheid is de basis onder automatisering. Een lasrobot die auto-onderdelen aan elkaar zet, moet elke keer exact hetzelfde punt raken, anders ontstaan zwakke plekken of productieafval. Een chipmachine die de ene laag transistoren op een andere laag moet uitlijnen, heeft foutmarges die kleiner zijn dan de golflengte van zichtbaar licht; een fractie van een nanometer afwijking kan een chip onbruikbaar maken. Zonder extreme repeteerbaarheid zou moderne massaproductie, van smartphones tot medicijnen, simpelweg niet werken binnen aanvaardbare kosten en foutmarges.
Daarnaast is repeteerbaarheid een voorwaarde voor vertrouwen in nieuwe technologie. Bij kwantumcomputers bijvoorbeeld is een rekenoperatie op een qubit (de kwantumversie van een bit) van nature gevoelig voor ruis en toeval. Onderzoekers proberen operaties zo repeteerbaar te maken dat foutcorrectie mogelijk wordt: pas als fouten voorspelbaar en consistent genoeg optreden, kunnen slimme foutcorrectiecodes ze compenseren. Het uiteindelijke doel is steeds hetzelfde: systemen bouwen waarvan je vooraf weet wat ze gaan doen, zodat mensen en andere machines daarop kunnen vertrouwen zonder elke uitkomst apart te hoeven controleren.
Voorbeelden uit de praktijk
Industriële robotarmen van fabrikanten als ABB, KUKA, Fanuc en Yaskawa halen tegenwoordig doorgaans een repeteerbaarheid tussen de 0,01 en 0,05 millimeter, afhankelijk van het model en de belasting. Dat is de reden dat autofabrieken al decennialang op robotlassers vertrouwen voor werk dat mensen niet urenlang foutloos zouden kunnen volhouden.
Universal Robots, een Deens bedrijf gespecialiseerd in zogeheten cobots (robots die veilig naast mensen werken), adverteert voor zijn UR-modellen met repeatability-waarden rond de 0,03 millimeter, wat deze armen geschikt maakt voor fijnere assemblagetaken in kleinere bedrijven.
Bij ASML in Veldhoven speelt een verwante vorm van precisie een sleutelrol: de zogeheten overlay-nauwkeurigheid van hun lithografiemachines, waarmee opeenvolgende laagjes op een computerchip op elkaar worden uitgelijnd. Bij de nieuwste EUV-machines gaat het om afwijkingen van enkele nanometers, ordes kleiner dan de dikte van een virusdeeltje. Zonder die herhaalbare precisie zouden de miljarden transistoren op een moderne chip nooit op de juiste plek terechtkomen.
In de kwantumcomputing liet Google Quantum AI in december 2024 met zijn Willow-chip zien dat foutpercentages exponentieel afnemen naarmate meer fysieke qubits worden gebruikt om één betrouwbare, logische qubit te vormen, een mijlpaal die vaak wordt aangehaald als bewijs dat kwantumfoutcorrectie in de praktijk kan werken. Ook IBM benadrukt in zijn recente kwantumroadmaps steeds minder de ruwe hoeveelheid qubits en steeds meer de kwaliteit en herhaalbaarheid van de rekenoperaties (gate fidelity).
Hoe ver is de techniek?
Bij klassieke industriële robotica is repeteerbaarheid inmiddels een volwassen technologie: de verbeteringen van het afgelopen decennium zijn vooral incrementeel, met steeds iets stijvere constructies, betere sensoren en slimmere software om trillingen en temperatuureffecten te compenseren. De grootste vooruitgang zit tegenwoordig minder in de mechanica en meer in software die in real time corrigeert voor kleine afwijkingen.
In de chipindustrie blijft de druk juist enorm, omdat elke nieuwe generatie chips kleinere structuren vereist en dus nóg hogere repeteerbaarheid van de productieapparatuur. Dit is een van de redenen waarom het bouwen van geavanceerde lithografiemachines tot een handvol bedrijven wereldwijd beperkt is gebleven: de precisie die nodig is, ligt aan de rand van wat natuurkundig en technisch haalbaar is.
Kwantumcomputing bevindt zich in een vroeger stadium. Individuele kwantumoperaties zijn nog altijd foutgevoelig, en onderzoekers zijn het erover eens dat er nog jaren werk nodig is voordat kwantumcomputers op grote schaal betrouwbaar genoeg zijn voor praktische toepassingen buiten het laboratorium. De vooruitgang gaat wel gestaag: foutpercentages per operatie zijn de afgelopen jaren gedaald, en mijlpalen zoals die van Google in 2024 worden gezien als bewijs dat de weg naar bruikbare foutcorrectie reëel is, ook al is er geen consensus over de exacte tijdlijn.
Wie werken eraan?
Op het gebied van industriële robotica domineren de zogenoemde "grote vier": ABB (Zwitserland/Zweden), KUKA (Duitsland, sinds 2016 onderdeel van het Chinese Midea), Fanuc (Japan) en Yaskawa (Japan). Daarnaast groeit het marktaandeel van cobot-specialisten zoals Universal Robots (Denemarken, onderdeel van het Amerikaanse Teradyne).
Onderzoeksinstituten als het Duitse Fraunhofer IPA in Stuttgart en het Nederlandse TNO doen fundamenteel en toegepast onderzoek naar precisietechniek en robotica, vaak in samenwerking met technische universiteiten zoals TU Delft en TU Eindhoven. Op het gebied van chipproductie is ASML wereldwijd de belangrijkste speler voor de meest geavanceerde lithografiemachines, terwijl in de kwantumcomputing bedrijven als Google Quantum AI, IBM, IonQ en academische groepen aan onder meer Delft (QuTech) actief zijn. Standaarden zoals ISO 9283 worden internationaal beheerd door de International Organization for Standardization (ISO).