آخرین به روزرسانی: 7 مه 2026
برداشتن سطل زباله رباتیک میل لنگ با دید سه بعدی: ویدیوی مرتب سازی و تغذیه قطعات موتور
انتخاب میل لنگ رباتیک یکی از سخت‌ترین مراحل جابجایی در ساخت موتور را خودکار میکند: انتخاب میل لنگ‌های سنگین و نامنظم از یک مخزن عمیق که در آن هر قطعه ممکن است با زاویه متفاوتی روی هم چیده شده باشد. ویدیوی زیر نشان می‌دهد که چگونه یک ربات ۶ محوره، دید سهبعدی، تخمین موقعیت و یک گیره انعطافپذیر میتواند مرتب‌سازی تصادفی میل لنگ را به یک فرآیند تغذیه تکرارپذیر برای ایستگاههای ماشینکاری، علامت‌گذاری یا مونتاژ در مراحل بعدی تبدیل کند.
اگر پخش‌کننده‌ی جاسازی‌شده بارگذاری نشد، ویدیو را مستقیماً در یوتیوب باز کنید: جمعآوری زباله رباتیک با میل لنگ و دید سهبعدی.
مروری بر فرایند
میل لنگ، قطعه اصلی انتقال قدرت در موتور است. در صنعت خودروسازی، این قطعه از طریق آهنگری، تراشکاری دقیق، سنگ زنی، بالانس دینامیکی، علامت گذاری و فرآیندهای مرتبط با مونتاژ، حرکت میکند. بین این ایستگاه‌ها، مرتب سازی و تغذیه باید به اندازه کافی قابل اعتماد باشند تا از زمان تاکت پایدار بدون تغذیه قطعه اشتباه یا مداخله مکرر اپراتور پشتیبانی کنند.
مرتب‌سازی دستی سنتی کند و مستعد خطا است زیرا میللنگها هندسه نامنظم، وزنه‌های تعادلی آفست، سطوح ماشینکاری شده بازتابنده و حالت‌های تصادفی روی هم چیده شده دارند. اپراتورها باید هم مدل قطعه و هم بهترین نقطه گرفتن را با چشم ارزیابی کنند، که کنترل زمان چرخه و ثبات کیفیت را دشوار میکند.
راه حل مهندسی فعلی از موارد زیر استفاده میکند ربات های 6 محوره با سیستم‌های بینایی سهبعدی جفت می‌شود. اسکن نور ساختاریافته لیزری، ابرهای نقطهای متراکمی ایجاد میکند، در حالی که یادگیری عمیق از تشخیص قطعه و تخمین موقعیت برای برداشتن تصادفی سطل زباله پشتیبانی میکند. یک سلول تنظیم‌شده‌ی خوب میتواند به حدود ۴۸ ثانیه برای هر قطعه برسد و یک گیره‌ی انعطافپذیر میتواند ۶ تا ۸ مدل میللنگ را بدون تغییر سخت‌افزار کنترل کند. برای موارد استفاده‌ی مشابه در جابجایی مواد، به EVSINT مراجعه کنید. ربات هندلینگ رده است.
مشکلات رایج در چیدن سطل میل لنگ
میدان دید و عمق میدان دوربین ناکافی است. عمق محفظهها اغلب به ۸۰۰ میلی‌متر می‌رسد. اگر در یک پروژه از دوربین با میدان دید محدود برای کاهش هزینه استفاده شود، ممکن است لایه زیرین به طور کامل پوشانده نشود، که این امر باعث بالا ماندن نرخ خطای تشخیص و ایجاد آلارم‌های مکرر در خط تولید می‌شود.
کیفیت پایین ابر نقطهای روی سطوح بازتابنده. سطوح میل لنگ با دقت ماشینکاری شده می‌توانند در طول اسکن لیزری بازتاب‌های آینه‌ای ایجاد کنند. نتیجه، ایجاد ابر نقاط خالی و نویز است که مستقیماً دقت تشخیص و قابلیت اطمینان تخمین موقعیت را کاهش می‌دهد.
دادههای آموزشی یادگیری عمیق ناکافی است. مدل‌های جدید میللنگ ممکن است بدون تصاویر نمونه کافی وارد خط تولید شوند. تعمیم ضعیف مدل میتواند زمان راه‌اندازی میدانی را از ۳ روز مورد انتظار به ۲ هفته افزایش دهد.
برنامهریزی مسیر بدون تشخیص برخورد برخی سیستم‌ها به شبیه‌سازی سینماتیکی پایه متکی هستند و دیواره‌های سطل، قطعات مجاور و تداخل گیره‌ها را به طور کامل در نظر نمی‌گیرند. در جمعآوری عمیق سطل، این میتواند باعث خرابی ناشی از برخورد و تنظیم مجدد دستی مکرر شود.
ایستگاه جهتیابی ثانویه وجود ندارد. قرار دادن مستقیم در یک فیکسچر پاییندستی ممکن است الزامات دقت موقعیت را برآورده نکند. یک ایستگاه ثانویه میتواند قبل از ماشینکاری، علامت‌گذاری یا انتقال نوار نقاله، جهت‌گیری را اصلاح کند. این امر به ویژه زمانی اهمیت دارد که سلول ... را تغذیه میکند. ربات مراقبت از ماشین ایستگاه مرتبط با فرآیند یا CNC.
راهکارهای فنی اصلی
اسکن بینایی سه بعدی. اسکن لیزری با نور ساختاریافته یا اسکن خطی لیزری توصیه می‌شود. میدان دید باید کل محفظه را پوشش دهد و عمق میدان باید حداقل ۸۰۰ میلی‌متر باشد. تصویرسازی لیزری فعال به کاهش تداخل نور محیط کمک میکند، در حالی که HDR در سطح سخت‌افزار، کیفیت ابر نقاط را روی سطوح بازتابنده بهبود می‌بخشد.
تشخیص یادگیری عمیق تقسیم‌بندی ابر نقطهای مبتنی بر توجه میتواند بالاترین هدف قابل انتخاب را حتی تحت انسداد شدید و انباشت تصادفی شناسایی کند. یادگیری انتقالی چند مرحله‌ای به کوتاه کردن زمان راه‌اندازی مدل جدید به ۱ تا ۲ روز، زمانی که نمونه‌های نماینده کافی جمعآوری می‌شوند، کمک میکند.
برنامهریزی مسیر هوشمند این سلول باید یک صحنه سهبعدی از موانع را از هندسه ابر نقاط در زمان واقعی بسازد، سپس آن را با سینماتیک ربات ترکیب کند تا مسیرهای انتخاب و قرار دادن بدون برخورد ایجاد کند. معماری دوربین چشم در دست به ربات اجازه می‌دهد تا زاویه اسکن را تنظیم کرده و نقاط کور را کاهش دهد.
طراحی گریپ انعطافپذیر. یک گریپر هیبریدی پنوماتیک و الکتریکی میتواند وزن تعادل میللنگ را تحمل کند، در حالی که پین‌های موقعیتیابی جانبی با تغییرات فاصله ژورنال سازگار می‌شوند. گریپر رابط مکانیکی اصلی است، بنابراین باید همراه با ... طراحی شود. افکتور پایانی ربات و وسایل پاییندستی به جای اینکه به عنوان لوازم جانبی در نظر گرفته شوند.
طرح مهندسی استاندارد
یک سلول جمعآوری سطل رباتیک میللنگ معمولاً شامل یک ربات ۶ محوره، گیره انعطافپذیر، دید سهبعدی با نور ساختاریافته، ایستگاه جهتیابی ثانویه، نشانگر لیزری، سیستم ایمنی و کابینت کنترل الکتریکی است. گردش کار ساده است: سطل وارد ایستگاه می‌شود، ربات با یک دوربین نصب‌شده در انتها اسکن میکند، یادگیری عمیق مدل و موقعیت را شناسایی میکند، برنامهریزی مسیر، جمعآوری را هدایت میکند، ایستگاه ثانویه جهت‌گیری را اصلاح میکند، لیزر در صورت لزوم یک کد دوبعدی را حکاکی میکند و قطعه روی نوار نقاله یا فیکسچر قرار می‌گیرد.
برای فرآیندهای مرتب‌سازی و انتقال که قطعات به سنگینی میللنگ نیستند، ... ربات را انتخاب و قرار دهید ممکن است کافی باشد. برای میل لنگ‌ها، بار مفید، شعاع دسترسی، گشتاور مچ دست و مرکز ثقل گیره معمولاً یک ربات صنعتی 6 محوره را به یک مبنای ایمن‌تر تبدیل میکند.
سیستم ایمنی باید ترکیبی از حصارکشی پیرامونی، دروازه‌های قفل‌شونده، پرده‌های نوری و منطق PLC ایمنی باشد. تابلو برق باید از خنک‌کننده صنعتی استفاده کند تا دمای داخلی زیر ۴۰ درجه سانتیگراد باقی بماند و خطر افت ولتاژ VFD و پاسخ ناپایدار ربات یا نوار نقاله را کاهش دهد.
خلاصه مشخصات فنی
اتوماسیون مرتب‌سازی میللنگ به سه قابلیت مرتبط بستگی دارد: پایداری دید، برنامهریزی مسیر بدون برخورد و انعطاف‌پذیری گریپر. پایداری دید، سقف تشخیص را تعیین میکند. برنامهریزی مسیر، سقف خطر برخورد را تعیین میکند. انعطاف‌پذیری گریپر تعیین میکند که سلول با چه میزان کارایی میتواند بین مدل‌های میللنگ تغییر کند.
لایه سخت‌افزاری از قبل بالغ شده است. تنگنای واقعی، سازگاری میدانی است: تنظیم مدل یادگیری عمیق، مدیریت سطوح بازتابنده و مهاجرت سریع بین مدل‌های مختلف میللنگ. هنگام انتخاب یک یکپارچه‌ساز، تجربه پروژه خودرو بیش از مقایسه صرف وضوح دوربین یا برند ربات اهمیت دارد. پس از استقرار، کارخانه‌ها باید هر 3 تا 6 ماه مدل‌های بینایی و کتابخانه‌های مسیر را تکرار کنند تا OEE را به بالای 90٪ برسانند.
پرسش و پاسخهای متداول
یک سلول جمعآوری سطل رباتیک میللنگ شامل چه چیزهایی است؟
این سیستم معمولاً شامل یک ربات ۶ محوره، حسگر دید سهبعدی، نرمافزار تخمین موقعیت، گیره انعطافپذیر، ایستگاه جهتیابی ثانویه، سیستم ایمنی و کابینت کنترل است. برخی از سلول‌ها همچنین شامل علامت‌گذاری لیزری و انتقال نوار نقاله نیز می‌شوند.
چرا میل لنگ ها برای جمع آوری سطل زباله رباتیک دشوار هستند؟
میللنگها سنگین، نامنظم، بازتابنده و به‌طور تصادفی روی هم چیده شده‌اند. ربات باید بالاترین قسمت قابل دسترس را شناسایی کند، موقعیت آن را تخمین بزند، از قطعات مجاور و دیواره‌های سطل زباله دوری کند و بدون از دست دادن تعادل، آن را محکم بگیرد.
آیا یک گریپر میتواند چندین مدل میللنگ را کنترل کند؟
بله. یک گریپر انعطافپذیر با تکیه‌گاه قابل تنظیم و موقعیتیابی جانبی اغلب میتواند ۶ تا ۸ مدل میللنگ را پوشش دهد. این پروژه هنوز به اعتبارسنجی برای بار مفید، مرکز ثقل، فاصله ژورنال و دقت فیکسچر پاییندست نیاز دارد.
خریداران قبل از انتخاب سیستم جمعآوری زباله میللنگ چه مواردی را باید ارزیابی کنند؟
خریداران باید کیفیت ابر نقطهای روی قطعات بازتابنده، سرعت انتقال مدل یادگیری عمیق، برنامهریزی مسیر بدون برخورد، انعطاف‌پذیری گریپر، دقت جهت‌گیری ثانویه و سابقه پروژه صنعت خودرو سازنده را ارزیابی کنند.
آخرین به روزرسانی: 7 مه 2026