آخر تحديث: قد شنومكس، شنومكس

فيديو عن عملية فرز وتغذية أجزاء المحرك باستخدام روبوتات التقاط أجزاء عمود المرفق بتقنية الرؤية ثلاثية الأبعاد

يُسهّل نظام انتقاء أعمدة المرفق الروبوتي من الصناديق إحدى أصعب خطوات المناولة في تصنيع المحركات: انتقاء أعمدة المرفق الثقيلة وغير المنتظمة من صندوق عميق حيث قد تكون كل قطعة مكدسة بزاوية مختلفة. يُظهر الفيديو أدناه كيف يُمكن لروبوت سداسي المحاور، وتقنية الرؤية ثلاثية الأبعاد، وتقدير الوضعية، وذراع مرنة، تحويل عملية فرز أعمدة المرفق العشوائية إلى عملية تغذية قابلة للتكرار لمحطات التصنيع أو الوسم أو التجميع اللاحقة.

إذا لم يتم تحميل المشغل المدمج، فافتح الفيديو مباشرة على يوتيوب: نظام التقاط الصناديق الروبوتي المزود بعمود مرفقي ورؤية ثلاثية الأبعاد.

نظرة عامة إلى العملية

يُعدّ عمود المرفق المكوّن الأساسي لنقل الطاقة في المحرك. في صناعة السيارات، يمرّ هذا العمود بعمليات التشكيل، والخراطة الدقيقة، والطحن، والموازنة الديناميكية، والتعليم، والتجميع. بين هذه المراحل، يجب أن تكون عمليات الفرز والتغذية موثوقة بما يكفي لدعم استقرار وقت الدورة دون تغذية الأجزاء الخاطئة أو تدخل المشغل المتكرر.

تُعدّ عملية الفرز اليدوي التقليدية بطيئة وعرضة للأخطاء نظرًا لأن أعمدة المرفق ذات هندسة غير منتظمة، وأثقال موازنة غير متوازية، وأسطح مصقولة عاكسة، وأوضاع تكديس عشوائية. ويتعين على المشغلين تحديد كل من نموذج القطعة وأفضل نقطة إمساك بالنظر، مما يجعل التحكم في وقت الدورة واستقرار الجودة أمرًا صعبًا.

يستخدم الحل الهندسي الحالي روبوتات ذات 6 محاور مقترنة بأنظمة رؤية ثلاثية الأبعاد. يُولّد مسح الليزر بالضوء المُهيكل سُحب نقاط كثيفة، بينما يدعم التعلّم العميق التعرّف على الأجزاء وتقدير وضعها لاختيارها عشوائيًا من الصناديق. يمكن لخلية مُحسّنة جيدًا أن تصل إلى حوالي 48 ثانية لكل قطعة، ويمكن لمقبض مرن واحد التعامل مع 6 إلى 8 نماذج من أعمدة المرفق دون تغيير في الأجهزة. للاطلاع على حالات استخدام مماثلة في مناولة المواد، راجع EVSINT التعامل مع الروبوت الفئة.

الأخطاء الشائعة في اختيار قطع غيار عمود المرفق

مجال رؤية الكاميرا وعمق المجال غير كافيين. غالباً ما يصل عمق الصناديق إلى 800 مم. إذا استخدم مشروع ما كاميرا ذات مجال رؤية ضيق لتقليل التكلفة، فقد لا يتم تغطية الطبقة السفلية بالكامل، مما يؤدي إلى ارتفاع معدلات فشل التعرف ويتسبب في إنذارات متكررة للخطوط.

جودة سحابة النقاط على الأسطح العاكسة رديئة. قد تتسبب أسطح عمود المرفق المصنعة بدقة عالية في حدوث انعكاسات لامعة أثناء المسح بالليزر. وينتج عن ذلك فراغات وتشويش في سحابة النقاط، مما يقلل بشكل مباشر من دقة التعرف وموثوقية تقدير الوضع.

بيانات تدريب التعلم العميق غير كافية. قد تدخل نماذج عمود المرفق الجديدة حيز الإنتاج دون توفر صور كافية للعينات. وقد يؤدي ضعف تعميم النموذج إلى تمديد فترة التشغيل الميداني من ثلاثة أيام متوقعة إلى أسبوعين.

تخطيط المسار بدون اكتشاف الاصطدام. تعتمد بعض الأنظمة على محاكاة حركية أساسية ولا تأخذ في الحسبان بشكل كامل جدران الصناديق والأجزاء المجاورة وتداخلات الذراع الآلية. في عمليات الانتقاء من الصناديق العميقة، قد يؤدي ذلك إلى توقف النظام بسبب الاصطدام وإعادة ضبطه يدويًا بشكل متكرر.

لا توجد محطة توجيه ثانوية. قد لا يفي التثبيت المباشر في وحدة التثبيت اللاحقة بمتطلبات دقة الوضع. يمكن لمحطة ثانوية تصحيح الاتجاه قبل التشغيل الآلي أو وضع العلامات أو النقل على الناقل. وهذا مهم بشكل خاص عندما تغذي الخلية... روبوت يعتني بالآلة عملية أو محطة متعلقة بالتحكم الرقمي الحاسوبي.

الحلول التقنية الأساسية

المسح الضوئي ثلاثي الأبعاد. يُنصح باستخدام المسح الضوئي بالليزر ذي الضوء المهيكل أو المسح الخطي بالليزر. يجب أن يغطي مجال الرؤية كامل مساحة المستشعر، وأن يكون عمق المجال 800 مم على الأقل. يساعد إسقاط الليزر النشط على تقليل تداخل الضوء المحيط، بينما تعمل تقنية النطاق الديناميكي العالي (HDR) على مستوى الأجهزة على تحسين جودة سحابة النقاط على الأسطح العاكسة.

التعرف باستخدام التعلم العميق. يُمكن لتقنية تجزئة السحابة النقطية القائمة على الانتباه تحديد الهدف العلوي القابل للتحديد حتى في ظل ظروف الحجب الشديد والتكديس العشوائي. كما يُساعد التعلم بالنقل باستخدام عدد قليل من الأمثلة على تقصير مدة تشغيل النموذج الجديد إلى يوم أو يومين عند جمع عدد كافٍ من العينات التمثيلية.

تخطيط المسار الذكي. ينبغي للخلية إنشاء مشهد ثلاثي الأبعاد للعوائق انطلاقًا من هندسة سحابة النقاط في الوقت الفعلي، ثم دمجها مع ديناميكيات الروبوت لتوليد مسارات التقاط ووضع خالية من التصادم. وتتيح بنية الكاميرا المدمجة في يد الروبوت ضبط زاوية المسح وتقليل النقاط العمياء.

تصميم ماسك مرن. يمكن للملقط الهجين الهوائي والكهربائي دعم وزن موازنة عمود المرفق، بينما تتكيف دبابيس التموضع الجانبية مع تغيرات تباعد المحاور. يُعد الملقط الواجهة الميكانيكية الأساسية، لذا يجب تصميمه بالتزامن مع... المستجيب النهائي للروبوت ويتم التعامل معها كتركيبات في اتجاه مجرى النهر بدلاً من اعتبارها ملحقاً.

تخطيط هندسي موحد

تتضمن خلية التقاط الصناديق الروبوتية ذات عمود المرفق عادةً روبوتًا سداسي المحاور، وذراعًا مرنة، ونظام رؤية ثلاثي الأبعاد بتقنية الإضاءة المهيكلة، ومحطة توجيه ثانوية، وجهاز تحديد ليزري، ونظام أمان، ولوحة تحكم كهربائية. وتتميز آلية العمل بالبساطة: يدخل الصندوق إلى المحطة، ويقوم الروبوت بمسحه ضوئيًا باستخدام كاميرا مثبتة في نهايته، ثم يتعرف نظام التعلم العميق على النموذج ووضعيته، ويوجه تخطيط المسار عملية الالتقاط، وتقوم المحطة الثانوية بتصحيح التوجيه، ويقوم الليزر بنقش رمز ثنائي الأبعاد إذا لزم الأمر، ثم يتم وضع القطعة على الناقل أو جهاز التثبيت.

بالنسبة لعمليات الفرز والنقل حيث تكون الأجزاء أقل ثقلاً من أعمدة المرفق، أ اختيار ووضع الروبوت قد يكون ذلك كافياً. بالنسبة لأعمدة المرفق، فإن الحمولة، والمدى، وعزم دوران المعصم، ومركز ثقل الماسك تجعل الروبوت الصناعي ذو 6 محاور هو الأساس الأكثر أماناً.

ينبغي أن يجمع نظام السلامة بين السياج المحيطي، والبوابات المتشابكة، والستائر الضوئية، ووحدة التحكم المنطقية القابلة للبرمجة (PLC) الخاصة بالسلامة. كما ينبغي استخدام نظام تبريد صناعي لخزانة الكهرباء لضمان بقاء درجة الحرارة الداخلية أقل من 40 درجة مئوية، مما يقلل من خطر انخفاض قدرة محرك التردد المتغير (VFD) وعدم استقرار استجابة الروبوت أو الناقل.

الملخص الفني

تعتمد أتمتة فرز أعمدة المرفق على ثلاث قدرات مترابطة: ثبات الرؤية، وتخطيط المسار الخالي من التصادم، ومرونة الذراع. يحدد ثبات الرؤية الحد الأقصى للتعرف، ويحدد تخطيط المسار الحد الأقصى لمخاطر التصادم، بينما تحدد مرونة الذراع مدى كفاءة الخلية في التبديل بين نماذج أعمدة المرفق.

الطبقة المادية ناضجة بالفعل. تكمن العقبة الحقيقية في التكيف الميداني: ضبط نموذج التعلم العميق، ومعالجة الأسطح العاكسة، والتنقل السريع بين نماذج أعمدة المرفق المتعددة. عند اختيار مُكامل الأنظمة، تُعد خبرة المشروع في قطاع السيارات أهم من مقارنة دقة الكاميرا أو ماركة الروبوت فقط. بعد النشر، ينبغي على المصانع تحديث نماذج الرؤية ومكتبات المسارات كل 3 إلى 6 أشهر لرفع كفاءة المعدات الإجمالية (OEE) إلى ما يزيد عن 90%.

آخر تحديث: قد شنومكس، شنومكس