Ultimo aggiornamento: Maggio 7, 2026
Prelievo robotizzato di alberi motore con visione 3D: Video di smistamento e alimentazione di componenti motore
Il prelievo robotizzato degli alberi motore da un contenitore automatizza una delle fasi di movimentazione più complesse nella produzione di motori: la selezione di alberi motore pesanti e irregolari da un contenitore profondo dove ogni pezzo può essere impilato con un'angolazione diversa. Il video qui sotto mostra come un robot a 6 assi, la visione 3D, la stima della posizione e una pinza flessibile possano trasformare la selezione casuale degli alberi motore in un processo di alimentazione ripetibile per le successive stazioni di lavorazione, marcatura o assemblaggio.
Se il lettore video incorporato non si carica, apri il video direttamente su YouTube: Robot di prelievo da contenitori con albero a gomiti e visione 3D.
Panoramica del processo
L'albero motore è il componente principale per la trasmissione di potenza di un motore. Nella produzione automobilistica, attraversa fasi di forgiatura, tornitura di precisione, rettifica, bilanciamento dinamico, marcatura e assemblaggio. Tra queste stazioni, lo smistamento e l'alimentazione devono essere sufficientemente affidabili da garantire un ciclo di lavoro stabile, evitando l'alimentazione errata dei pezzi o ripetuti interventi da parte dell'operatore.
La selezione manuale tradizionale è lenta e soggetta a errori perché gli alberi a gomiti presentano una geometria irregolare, contrappesi disassati, superfici lavorate riflettenti e posizioni di impilamento casuali. Gli operatori devono valutare a occhio sia il modello del pezzo che il punto di presa migliore, il che rende difficile il controllo dei tempi di ciclo e della stabilità della qualità.
La soluzione ingegneristica attuale utilizza Robot a 6 assi abbinato a sistemi di visione 3D. La scansione laser a luce strutturata genera dense nuvole di punti, mentre il deep learning supporta il riconoscimento delle parti e la stima della posa per il prelievo casuale dei contenitori. Una cella ben calibrata può raggiungere circa 48 secondi per pezzo e una singola pinza flessibile può gestire da 6 a 8 modelli di albero motore senza cambio hardware. Per casi d'uso simili di movimentazione dei materiali, vedere EVSINT. robot di manipolazione categoria.
Errori comuni nella selezione dei componenti dell'albero motore
Campo visivo e profondità di campo della fotocamera inadeguati. Spesso la profondità dei contenitori raggiunge gli 800 mm. Se un progetto utilizza una telecamera con campo visivo ristretto per ridurre i costi, lo strato inferiore potrebbe non essere completamente coperto, il che mantiene elevati i tassi di errore di riconoscimento e causa frequenti allarmi di linea.
Qualità scadente della nuvola di punti su superfici riflettenti. Le superfici dell'albero motore lavorate con precisione possono generare riflessi speculari durante la scansione laser. Il risultato è la presenza di vuoti e rumore nella nuvola di punti, che riducono direttamente la precisione del riconoscimento e l'affidabilità della stima della posa.
Dati di addestramento per il deep learning insufficienti. I nuovi modelli di alberi a gomiti possono entrare in produzione senza un numero sufficiente di immagini di esempio. Una scarsa generalizzazione del modello può estendere la messa in servizio sul campo dai 3 giorni previsti a 2 settimane.
Pianificazione della traiettoria senza rilevamento delle collisioni. Alcuni sistemi si basano su simulazioni cinematiche di base e non tengono pienamente conto delle pareti del contenitore, dei pezzi adiacenti e delle interferenze delle pinze. Nel prelievo da contenitori profondi, ciò può causare tempi di inattività dovuti a collisioni e ripetuti ripristini manuali.
Nessuna stazione di orientamento secondaria. Il posizionamento diretto in un dispositivo a valle potrebbe non soddisfare i requisiti di precisione della posizione. Una stazione secondaria può correggere l'orientamento prima della lavorazione, della marcatura o del trasferimento del nastro trasportatore. Ciò è particolarmente importante quando la cella alimenta un robot di assistenza macchine stazione di processo o relativa al CNC.
Soluzioni tecniche di base
Scansione con visione 3D. Si consiglia la scansione laser a luce strutturata o a linea laser. Il campo visivo deve coprire l'intero bin e la profondità di campo deve essere di almeno 800 mm. La proiezione laser attiva contribuisce a sopprimere le interferenze della luce ambientale, mentre l'HDR a livello hardware migliora la qualità della nuvola di punti su superfici riflettenti.
Riconoscimento tramite apprendimento profondo. La segmentazione delle nuvole di punti basata sull'attenzione può identificare l'obiettivo raccoglibile più in alto anche in presenza di forte occlusione e sovrapposizione casuale. L'apprendimento per trasferimento con pochi esempi (few-shot transfer learning) contribuisce a ridurre i tempi di messa in servizio dei nuovi modelli a 1 o 2 giorni quando vengono raccolti campioni rappresentativi a sufficienza.
Pianificazione intelligente della traiettoria. La cella deve ricostruire una scena tridimensionale con ostacoli a partire dalla geometria di una nuvola di punti in tempo reale, per poi combinarla con la cinematica del robot al fine di generare percorsi di prelievo e posizionamento privi di collisioni. Un'architettura con telecamera "occhio in mano" consente al robot di regolare l'angolo di scansione e ridurre i punti ciechi.
Design flessibile dell'impugnatura. Una pinza ibrida pneumatica ed elettrica può sostenere il contrappeso dell'albero motore mentre i perni di posizionamento laterale si adattano alle variazioni di spaziatura dei perni. La pinza è l'interfaccia meccanica principale, quindi dovrebbe essere progettata insieme al effettore finale del robot e un dispositivo a valle, piuttosto che essere trattato come un accessorio.
Schema di progettazione standardizzato
Una cella robotizzata per il prelievo di componenti da un albero motore integra in genere un robot a 6 assi, una pinza flessibile, un sistema di visione 3D a luce strutturata, una stazione di orientamento secondaria, un marcatore laser, un sistema di sicurezza e un quadro elettrico di controllo. Il flusso di lavoro è semplice: il contenitore entra nella stazione, il robot lo scansiona con una telecamera montata all'estremità, l'apprendimento automatico identifica il modello e la posizione, la pianificazione della traiettoria guida il prelievo, la stazione secondaria corregge l'orientamento, il laser incide un codice 2D se necessario e il pezzo viene posizionato sul nastro trasportatore o sul supporto.
Per i processi di smistamento e trasferimento in cui le parti non sono pesanti come gli alberi a gomiti, un scegli e posiziona il robot potrebbe essere sufficiente. Per gli alberi a gomiti, il carico utile, la portata, la coppia del polso e il baricentro della pinza rendono solitamente un robot industriale a 6 assi la soluzione di base più sicura.
Il sistema di sicurezza dovrebbe combinare recinzione perimetrale, cancelli interbloccati, barriere fotoelettriche e logica PLC di sicurezza. Il quadro elettrico dovrebbe utilizzare un sistema di raffreddamento industriale in modo che la temperatura interna rimanga al di sotto dei 40 °C, riducendo il rischio di declassamento dell'inverter e di risposta instabile del robot o del nastro trasportatore.
Sommario Tecnico
L'automazione della selezione degli alberi a gomiti si basa su tre capacità interconnesse: stabilità della visione, pianificazione della traiettoria senza collisioni e flessibilità della pinza. La stabilità della visione determina il limite di riconoscimento. La pianificazione della traiettoria determina il limite del rischio di collisione. La flessibilità della pinza determina l'efficienza con cui la cella può passare da un modello di albero a gomiti all'altro.
Lo strato hardware è già maturo. Il vero collo di bottiglia è l'adattamento sul campo: messa a punto del modello di deep learning, gestione delle superfici riflettenti e migrazione rapida tra diversi modelli di albero motore. Nella scelta di un integratore, l'esperienza nei progetti automotive è più importante del semplice confronto tra risoluzione della telecamera o marca del robot. Dopo l'implementazione, gli impianti dovrebbero iterare i modelli di visione e le librerie di traiettorie ogni 3-6 mesi per portare l'OEE oltre il 90%.
Domande frequenti
Cosa comprende una cella robotizzata per il prelievo di contenitori tramite albero a gomiti?
Solitamente include un robot a 6 assi, un sensore di visione 3D, un software di stima della posizione, una pinza flessibile, una stazione di orientamento secondaria, un sistema di sicurezza e un quadro di controllo. Alcune celle includono anche la marcatura laser e il trasferimento tramite nastro trasportatore.
Perché gli alberi a gomiti sono difficili da movimentare con i robot per la raccolta dei rifiuti?
Gli alberi a gomiti sono pesanti, irregolari, riflettenti e impilati in modo casuale. Il robot deve identificare la parte più alta raggiungibile, stimarne la posizione, evitare le parti vicine e le pareti del contenitore e afferrarla senza perdere l'equilibrio.
Un singolo dispositivo di presa può gestire più modelli di albero motore?
Sì. Una pinza flessibile con supporto e posizionamento laterale regolabili può spesso coprire da 6 a 8 modelli di albero motore. Il progetto necessita ancora di validazione per quanto riguarda il carico utile, il baricentro, la spaziatura dei perni e la precisione del dispositivo di fissaggio a valle.
Cosa dovrebbero valutare gli acquirenti prima di scegliere un sistema di prelievo da un contenitore per alberi a gomiti?
Gli acquirenti dovrebbero valutare la qualità della nuvola di punti sulle parti riflettenti, la velocità di trasferimento del modello di deep learning, la pianificazione del percorso senza collisioni, la flessibilità della pinza, la precisione dell'orientamento secondario e il curriculum del fornitore in progetti per il settore automobilistico.
Ultimo aggiornamento: Maggio 7, 2026