최종 업데이트 : 7, 2026

3D 비전을 활용한 크랭크축 로봇 부품 분류 및 공급 영상

크랭크축 로봇 선별 작업은 엔진 제조에서 가장 어려운 단계 중 하나인 무겁고 불규칙한 크랭크축 선별 작업을 자동화합니다. 이 작업은 각 부품이 서로 다른 각도로 쌓여 있는 깊은 보관함에서 이루어집니다. 아래 영상은 6축 로봇, 3D 비전, 자세 추정, 그리고 유연한 그리퍼를 활용하여 무작위로 쌓인 크랭크축을 선별하는 작업을 후속 가공, 마킹 또는 조립 공정으로 원활하게 이송하는 반복 가능한 프로세스로 전환하는 방법을 보여줍니다.

내장 플레이어가 로드되지 않으면 YouTube에서 직접 동영상을 여세요. 3D 비전을 활용한 크랭크축 로봇 빈 피킹.

프로세스 개요

크랭크축은 엔진의 핵심 동력 전달 부품입니다. 자동차 제조 공정에서 크랭크축은 단조, 정밀 선삭, 연삭, 동적 밸런싱, 마킹 및 조립 관련 공정을 거칩니다. 이러한 공정들 사이에서 부품 분류 및 공급은 정확한 생산 시간을 유지하고, 잘못된 부품 공급이나 반복적인 작업자 개입 없이 안정적인 작업을 수행할 수 있도록 충분히 신뢰할 수 있어야 합니다.

기존의 수동 분류 방식은 크랭크축의 불규칙한 형상, 어긋난 카운터웨이트, 반사되는 가공 표면, 무작위로 쌓인 자세 등으로 인해 속도가 느리고 오류 발생 가능성이 높습니다. 작업자는 부품의 형태와 최적의 파지점을 육안으로 판단해야 하므로 작업 주기와 품질 안정성을 관리하기 어렵습니다.

현재 엔지니어링 솔루션은 다음을 사용합니다. 6축 로봇 3D 비전 시스템과 결합된 레이저 구조광 스캐닝은 고밀도 포인트 클라우드를 생성하고, 딥러닝은 무작위 부품 분류를 위한 부품 인식 및 자세 추정을 지원합니다. 최적화된 셀은 부품당 약 48초의 처리 시간을 달성할 수 있으며, 하나의 유연한 그리퍼로 하드웨어 교체 없이 6~8개의 크랭크축 모델을 처리할 수 있습니다. 유사한 자재 취급 사용 사례는 EVSINT의 자료를 참조하십시오. 핸들링 로봇 카테고리.

크랭크샤프트 재고 선별 시 흔히 발생하는 문제점

카메라의 시야각과 심도가 부족합니다. 저장고의 깊이는 종종 800mm에 달합니다. 비용 절감을 위해 시야각이 좁은 카메라를 사용하는 경우, 바닥층이 완전히 촬영되지 않아 인식 오류율이 높아지고 라인 알람이 자주 발생할 수 있습니다.

반사 표면에서 포인트 클라우드 품질이 좋지 않습니다. 정밀 가공된 크랭크축 표면은 레이저 스캐닝 중에 반사를 일으킬 수 있습니다. 그 결과 포인트 클라우드에 공백과 노이즈가 발생하여 인식 정확도와 자세 추정 신뢰도가 직접적으로 저하됩니다.

딥러닝 학습 데이터가 부족합니다. 새로운 크랭크축 모델은 충분한 샘플 이미지가 없는 상태에서 생산에 들어갈 수 있습니다. 모델의 일반화 능력이 부족하면 현장 시운전 기간이 예상 3일에서 2주로 늘어날 수 있습니다.

충돌 감지 없이 ​​궤적을 계획합니다. 일부 시스템은 기본적인 운동학 시뮬레이션에 의존하며, 보관함 벽, 인접 부품 및 그리퍼 간섭을 충분히 고려하지 않습니다. 깊은 보관함에서 물건을 꺼낼 때 이러한 문제로 인해 충돌로 인한 가동 중단과 반복적인 수동 재설정이 발생할 수 있습니다.

별도의 안내소가 없습니다. 하류 고정 장치에 직접 배치하는 경우 자세 정확도 요구 사항을 충족하지 못할 수 있습니다. 보조 스테이션에서 가공, 마킹 또는 컨베이어 이송 전에 방향을 수정할 수 있습니다. 이는 셀에서 제품을 공급할 때 특히 중요합니다. 머신 텐딩 로봇 공정 또는 CNC 관련 스테이션.

핵심 기술 솔루션

3D 비전 스캐닝. 레이저 구조광 또는 레이저 라인 스캐닝 방식을 권장합니다. 시야각은 전체 빈을 포함해야 하며, 심도는 최소 800mm 이상이어야 합니다. 능동형 레이저 프로젝션은 주변광 간섭을 억제하는 데 도움이 되며, 하드웨어 수준의 HDR은 반사 표면에서의 포인트 클라우드 품질을 향상시킵니다.

딥러닝 기반 인식. 어텐션 기반 포인트 클라우드 분할은 심각한 가림 현상과 무작위 스태킹 상황에서도 가장 위에 있는 선택 가능한 목표물을 식별할 수 있습니다. 충분한 대표 샘플이 수집될 경우, 소량 샘플 전이 학습을 통해 새로운 모델 구축 시간을 1~2일로 단축할 수 있습니다.

지능형 궤적 계획. 해당 셀은 실시간 포인트 클라우드 형상으로부터 3D 장애물 장면을 구축한 다음, 이를 로봇 운동학과 결합하여 충돌 없는 물건 집기 경로를 생성해야 합니다. 손에 쥐는 형태의 카메라 구조를 통해 로봇은 스캔 각도를 조정하고 사각지대를 줄일 수 있습니다.

유연한 그리퍼 디자인. 공압 및 전기 하이브리드 그리퍼는 크랭크축 밸런스 웨이트를 지지할 수 있으며, 측면 위치 조정 핀은 저널 간격 변화에 맞춰 조정됩니다. 그리퍼는 핵심 기계적 인터페이스이므로 크랭크축과 함께 설계되어야 합니다. 로봇 엔드 이펙터 액세서리로 취급하기보다는 하류 설비로 취급해야 합니다.

표준화된 엔지니어링 레이아웃

크랭크축 로봇 빈 피킹 셀은 일반적으로 6축 로봇, 플렉시블 그리퍼, 구조광 3D 비전, 보조 방향 스테이션, 레이저 마커, 안전 시스템 및 전기 제어 캐비닛을 통합합니다. 작업 흐름은 간단합니다. 빈이 스테이션에 들어가면 로봇이 끝에 장착된 카메라로 스캔하고, 딥 러닝을 통해 모델과 자세를 식별합니다. 궤적 계획이 피킹을 안내하고, 보조 스테이션에서 방향을 보정합니다. 필요한 경우 레이저로 2D 코드를 각인하고, 부품을 컨베이어 또는 고정 장치에 놓습니다.

크랭크축처럼 무겁지 않은 부품의 분류 및 이송 공정의 경우, 픽 앤 플레이스 로봇 충분할 수도 있습니다. 크랭크축의 경우, 하중, 도달 거리, 손목 토크 및 그리퍼 무게 중심을 고려할 때 6축 산업용 로봇이 일반적으로 더 안전한 기준이 됩니다.

안전 시스템은 경계 펜스, 연동식 게이트, 광전식 안전장치 및 안전 PLC 로직을 결합해야 합니다. 전기 캐비닛은 산업용 냉각 방식을 사용하여 내부 온도를 40°C 이하로 유지함으로써 VFD 출력 저하 및 로봇이나 컨베이어의 불안정한 작동 위험을 줄여야 합니다.

기술 개요

크랭크축 분류 자동화는 세 가지 연관된 기능에 달려 있습니다. 바로 비전 안정성, 충돌 없는 궤적 계획, 그리고 그리퍼 유연성입니다. 비전 안정성은 인식 한계를 결정하고, 궤적 계획은 충돌 위험 한계를 결정하며, 그리퍼 유연성은 셀이 크랭크축 모델 간에 얼마나 효율적으로 전환할 수 있는지를 결정합니다.

하드웨어 계층은 이미 성숙 단계에 있습니다. 진정한 병목 현상은 현장 적용, 즉 딥러닝 모델 튜닝, 반사 표면 처리, 그리고 여러 크랭크축 모델 간의 신속한 마이그레이션에 있습니다. 시스템 통합업체를 선정할 때는 카메라 해상도나 로봇 브랜드만 비교하는 것보다 자동차 프로젝트 경험이 훨씬 중요합니다. 구축 후에는 공장에서 3~6개월마다 비전 모델과 궤적 라이브러리를 반복적으로 업데이트하여 OEE(종합 설비 효율)를 90% 이상으로 끌어올려야 합니다.

최종 업데이트 : 7, 2026