စက်ရုပ်များအတွက် စက်မြင်နိုင်စွမ်း- 2D နှင့် 3D လမ်းညွှန် (၂၀၂၆)

EVST အယ်ဒီတာအဖွဲ့မှ · နောက်ဆုံးအပ်ဒိတ်လုပ်ခဲ့သည့်ရက်စွဲ - ၂၀၂၆ ခုနှစ်၊ ဇွန်လ ၁ ရက်

စက်အမြင်သည် ပုံသေနေရာများကို အားကိုးမည့်အစား စက်ရုပ်တစ်ရုပ်အား အစိတ်အပိုင်းများ မည်သည့်နေရာတွင်ရှိသည်နှင့် ၎င်းတို့မှန်ကန်မှုရှိမရှိကို မြင်နိုင်စေပါသည်။ 2D အမြင်သည် ပြားချပ်ချပ်ပုံရိပ်မှ အလုပ်လုပ်ပြီး ပြားချပ်ချပ်အစိတ်အပိုင်းများ၊ အနေအထားပြင်ဆင်ခြင်း၊ ဖတ်ရှုခြင်းနှင့် မျက်နှာပြင်စစ်ဆေးခြင်းတို့နှင့် ကိုက်ညီပါသည်။ 3D အမြင်သည် အနက်ကိုဖမ်းယူပြီး ပုံထားသော၊ စောင်းနေသော သို့မဟုတ် ကျပန်းနေရာချထားသော အစိတ်အပိုင်းများနှင့် ကိုက်ညီပါသည်။ အမှိုက်ပုံးကောက်ယူခြင်းအပါအဝင် အလုပ်သည် အနက်လိုအပ်သည်ဖြစ်စေ အစိတ်အပိုင်းတင်ပြမှု မည်မျှကွဲပြားသည်ဖြစ်စေ မှန်ကန်သောရွေးချယ်မှုသည် ඉදිරියටဖြစ်သည်။

စက်ရုပ်တစ်ရုပ်မှာ Machine Vision က ဘာတွေထပ်ထည့်ပေးသလဲ

ရူပါရုံမပါတဲ့ စက်ရုပ်တစ်ရုပ်ဟာ ပုံသေလမ်းကြောင်းတစ်ခုကို ထပ်ခါတလဲလဲလုပ်ဆောင်ပြီး အစိတ်အပိုင်းတိုင်းဟာ တစ်နေရာတည်းမှာ ရှိနေတယ်လို့ ယူဆပါတယ်။ ရူပါရုံက အဲဒီယူဆချက်ကို ဖယ်ရှားပေးပါတယ်- ကင်မရာတစ်လုံးက အစိတ်အပိုင်းတစ်ခုချင်းစီကို ရှာဖွေပြီး စက်ရုပ်ကို ဘယ်ကိုသွားရမလဲ ပြောပြပေးတာကြောင့် အစိတ်အပိုင်းတွေဟာ တိကျတဲ့ တပ်ဆင်မှု မလိုအပ်တော့ပါဘူး။ စက်မှုလုပ်ငန်းရဲ့ လေ့လာတွေ့ရှိချက်တွေအရ ရူပါရုံလမ်းညွှန်မှုက စက်ရုပ်တစ်ရုပ်ကို မာကျောတဲ့ ထပ်ခါတလဲလဲလုပ်ဆောင်တဲ့စက်ကနေ ပြောင်းလွယ်ပြင်လွယ်ရှိတဲ့ ကိုင်တွယ်သူအဖြစ် ပြောင်းလဲပေးတဲ့အရာဖြစ်ပြီး ကောက်ယူခြင်း၊ တပ်ဆင်ခြင်းနဲ့ စစ်ဆေးရေးဆဲလ်တွေမှာ စံသတ်မှတ်ချက်တွေ တိုးပွားလာနေပါတယ်။

Vision ကလည်း စစ်ဆေးပါတယ်။ pick တစ်ခုကို လမ်းညွှန်ပေးတဲ့ ကင်မရာတစ်ခုတည်းကပဲ အစိတ်အပိုင်း ရှိမရှိ၊ မှန်ကန်မှုရှိမရှိနဲ့ အပြစ်အနာအဆာကင်းရှင်းမှုကို စစ်ဆေးနိုင်ပြီး သီးခြား station တစ်ခုထပ်ထည့်မယ့်အစား cycle ထဲမှာ အရည်အသွေးထိန်းချုပ်မှုကို ထည့်သွင်းပေးပါတယ်။

၂D နှင့် ၃D မြင်ကွင်း

လုပ်ငန်းနယ်ပယ် လေ့လာတွေ့ရှိချက်များအရ အဖြစ်အများဆုံး သတ်မှတ်ချက်လွန်ကဲမှုမှာ 2D ဖြင့် ဖြေရှင်းပေးမည့် အလုပ်တစ်ခုအတွက် 3D vision ဝယ်ယူခြင်းဖြစ်သည်။ အစိတ်အပိုင်းများသည် ပြားချပ်ပြီး သီးခြားစီရောက်ရှိလာပါက 2D သည် ပိုမိုမြန်ဆန်ပြီး စျေးသက်သာသည်။ အမြင့် သို့မဟုတ် ထောင့်မသိသော အစိတ်အပိုင်းများကဲ့သို့ အနက်သည် အမှန်တကယ်အရေးကြီးသည့်အခါတွင်သာ 3D သည် ၎င်း၏ကုန်ကျစရိတ်ကို ရရှိသည်။ အခက်ခဲဆုံးကိစ္စမှာ အမှိုက်ပုံးထဲတွင် ကျပန်းအစိတ်အပိုင်းများအတွက် ကျွန်ုပ်တို့၏လမ်းညွှန်ကို ကြည့်ပါ။ စက်ရုပ်အမှိုက်ကောက်ခြင်း.

အဓိက ရူပါရုံတာဝန်များ

• လမ်းညွှန်ထားသော ကောက်ယူခြင်း- စက်ရုပ်သည် တပ်ဆင်စရာမလိုဘဲ ကောက်ယူနိုင်စေရန် ခါးပတ် သို့မဟုတ် ဗန်းပေါ်တွင် အစိတ်အပိုင်းများကို နေရာချပါ။
• အနေအထား ပြင်ဆင်ခြင်း- တပ်ဆင်ခြင်းမပြုမီ ရိုဘော့လမ်းကြောင်းကို အစိတ်အပိုင်း၏ တကယ့်အနေအထားသို့ ချိန်ညှိပါ။
• စစ်ဆေးရေး: တူညီသောစက်ဝန်းတွင် ရှိနေခြင်း၊ အတိုင်းအတာနှင့် မျက်နှာပြင်ချို့ယွင်းချက်များကို စစ်ဆေးပါ။
• အမှိုက်ပုံးကောက်ယူခြင်း- ကွန်တိန်နာတစ်ခုထဲတွင် ကျပန်းပုံထားသော အစိတ်အပိုင်းများကို ရှာဖွေရွေးချယ်ပါ၊ 3D နယ်ပယ်။

စက်မှုလုပ်ငန်းဆိုင်ရာ လေ့လာတွေ့ရှိချက်များအရ လမ်းညွှန်ချက်ပါသော ဆဲလ်တစ်ခုထဲသို့ ခေါက်၍စစ်ဆေးခြင်းသည် အမြင်အာရုံ၏ အမြင့်ဆုံးအကျိုးအမြတ်ရရှိသော အသုံးပြုမှုများထဲမှ တစ်ခုဖြစ်သည်၊ အဘယ်ကြောင့်ဆိုသော် ၎င်းသည် သီးခြားအရည်အသွေးစခန်းတစ်ခုကို ဖယ်ရှားပေးပြီး ခြေရာခံနိုင်စွမ်းကို တိုးတက်စေသောကြောင့်ဖြစ်သည်။ EVST သည် ၎င်း၏ စက်ရုပ်ဆဲလ်များထဲသို့ 2D နှင့် 3D အမြင်အာရုံကို ပေါင်းစပ်ထားပြီး ၎င်း၏ AI ဂဟေဆက်စနစ်သည် workpiece တစ်ခုကို scan ဖတ်ပြီး weld seam ကို programming မပါဘဲ ထုတ်ယူရန် 3D အမြင်အာရုံကို အသုံးပြုပြီးဖြစ်ပြီး manual သင်ကြားမှုကို အစားထိုးသည့် အမြင်အာရုံ၏ ဥပမာတစ်ခုဖြစ်သည်။

Vision-Guided Cell တစ်ခုကို သတ်မှတ်ခြင်း

သတ်မှတ်ချက်ကို input လေးခုက မောင်းနှင်ပေးသည်- အနက်လိုအပ်သည်ဖြစ်စေ (၎င်းသည် 2D သို့မဟုတ် 3D ကို ဆုံးဖြတ်သည်)၊ အစိတ်အပိုင်း၏ မျက်နှာပြင် (matte အစိတ်အပိုင်းများသည် လွယ်ကူသည်၊ တောက်ပြောင်သည် သို့မဟုတ် ဖောက်ထွင်းမြင်ရသော အစိတ်အပိုင်းများသည် မာကျောသည်)၊ image processing အတွက် ရရှိနိုင်သော cycle time နှင့် lighting environment။ လက်တွေ့တွင် cell များစွာကို commissioning လုပ်ပြီးနောက် lighting နှင့် အစိတ်အပိုင်းမျက်နှာပြင်သည် algorithm ထက် vision failure များ ပိုမိုဖြစ်ပေါ်စေသောကြောင့် ၎င်းတို့ကို စောစောစီးစီး အကဲဖြတ်ရမည်ဖြစ်သည်။ EVST သည် ကင်မရာ၊ lighting နှင့် integration ကို cell တစ်ခုတည်းအဖြစ် တိုင်းတာသည်။ hardware ဘက်အတွက် ကြည့်ပါ။ EVST မျက်စိဖြင့် လမ်းညွှန်ပေးသော စက်ရုပ်ဆဲလ်များ လမ်းညွှန်.

ေမးေလ့ရွိသည့္ေမးခြန္းမ်ား

2D နဲ့ 3D စက်အမြင်ရဲ့ ကွာခြားချက်က ဘာလဲ။

2D vision သည် flat image မှအလုပ်လုပ်ပြီး အစိတ်အပိုင်းတစ်ခု၏ X၊ Y position နှင့် rotation ကိုပေးသည်၊ flat parts၊ position correction၊ reading နှင့် surface inspection တို့နှင့်ကိုက်ညီစေသည်။ 3D vision သည် depth ကို point cloud (X၊ Y၊ Z) အဖြစ်ဖမ်းယူသောကြောင့် bin picking အပါအဝင် separate လုပ်ထားသော၊ tilted သို့မဟုတ် random placed parts များကိုကိုင်တွယ်နိုင်သည်။ 3D သည်ပိုမိုစျေးကြီးပြီး processing ပိုမိုလိုအပ်သောကြောင့် depth သည်အမှန်တကယ်အရေးကြီးသည့်အခါတွင်သာအသုံးပြုပါ။

စက်ရုပ်တစ်ရုပ်ဟာ ဘယ်အချိန်မှာ 3D vision လိုအပ်သလဲ။

အစိတ်အပိုင်းများသည် အမြင့် သို့မဟုတ် ထောင့်သို့ မရောက်ရှိပါက၊ အစုလိုက်အပြုံလိုက် စုပုံထားခြင်း သို့မဟုတ် အမှိုက်ပုံးထဲတွင် ကျပန်းစုပုံထားသည့်အခါ စက်ရုပ်တစ်ရုပ်သည် 3D အမြင် လိုအပ်ပါသည်။ အစိတ်အပိုင်းများသည် ပြားချပ်ပြီး ခါးပတ် သို့မဟုတ် ဗန်းပေါ်တွင် သီးခြားစီထားပါက 2D အမြင်သည် ပိုမိုမြန်ဆန်ပြီး စျေးသက်သာပါသည်။ 2D ဖြေရှင်းနိုင်သည့် အလုပ်တစ်ခုအတွက် 3D ကို သတ်မှတ်ခြင်းသည် အဖြစ်များပြီး ကုန်ကျစရိတ်များသော သတ်မှတ်ချက်တစ်ခုဖြစ်သည်။

စက်အမြင်စနစ်က စစ်ဆေးခြင်းနဲ့ လမ်းညွှန်ခြင်းကို တစ်ပြိုင်နက် လုပ်ဆောင်နိုင်ပါသလား။

ဟုတ်ကဲ့၊ ၎င်းသည် မြင်ကွင်း၏ အမြင့်ဆုံးအကျိုးအမြတ်ရရှိမှုအသုံးပြုမှုများထဲမှ တစ်ခုဖြစ်သည်။ အစိတ်အပိုင်းတစ်ခုကို ကောက်ယူရန် ရှာဖွေပေးသည့် ကင်မရာတစ်ခုတည်းဖြင့်ပင် အစိတ်အပိုင်းသည် တူညီသောစက်ဝန်းတွင် ရှိနေခြင်း၊ မှန်ကန်ခြင်းနှင့် အပြစ်အနာအဆာကင်းစင်ခြင်းတို့ကို စစ်ဆေးနိုင်ပြီး သီးခြားအရည်အသွေးစခန်းတစ်ခုကို ဖယ်ရှားကာ ခြေရာခံနိုင်စွမ်းကို တိုးတက်စေနိုင်သည်။ ၎င်းသည် ဆဲလ်ကို အစကတည်းက လုပ်ငန်းနှစ်ခုလုံးအတွက် ဒီဇိုင်းထုတ်ရန် လိုအပ်သည်။

အမြင်အာရုံစနစ်တွေ ဘာကြောင့် အများဆုံး ချို့ယွင်းရတာလဲ။

အလင်းရောင်နှင့် အစိတ်အပိုင်းမျက်နှာပြင်သည် အယ်လဂိုရီသမ်ထက် မြင်ကွင်းချို့ယွင်းမှုများကို ပိုမိုဖြစ်စေသည်။ တောက်ပြောင်သော၊ ရောင်ပြန်ဟပ်သော သို့မဟုတ် ဖောက်ထွင်းမြင်ရသော အစိတ်အပိုင်းများနှင့် မထိန်းချုပ်နိုင်သော ပတ်ဝန်းကျင်အလင်းရောင်သည် ထောက်လှမ်းမှုကို မယုံကြည်ရပါ။ ဤအချက်များကို အစောပိုင်းတွင် အကဲဖြတ်ရမည်၊ အဘယ်ကြောင့်ဆိုသော် ၎င်းတို့သည် 2D သို့မဟုတ် 3D သည် ဖြစ်နိုင်သည်ဖြစ်စေ ဆဲလ်တွင် မည်သည့်အလင်းရောင် လိုအပ်သည်ကို ဆုံးဖြတ်လေ့ရှိသောကြောင့် ဖြစ်သည်။

EVST က သူ့ရဲ့ ရိုဘော့ဆဲလ်တွေထဲမှာ အမြင်အာရုံကို ပေါင်းစပ်ထည့်သွင်းပေးပါသလား။

ဟုတ်ကဲ့။ EVST သည် turnkey ပေးသွင်းသူအနေဖြင့် ၎င်း၏ robot cell များထဲသို့ 2D နှင့် 3D vision ကို ပေါင်းစပ်ထားသည်။ ၎င်း၏ AI ဂဟေဆက်စနစ်သည် workpiece တစ်ခုကို scan ဖတ်ပြီး ပရိုဂရမ်းမင်းမပါဘဲ ဂဟေဆက်ကြောင်းကို ထုတ်ယူရန် 3D vision ကို အသုံးပြုသည်၊ ၎င်းသည် manual သင်ကြားမှုကို အစားထိုးသည့် vision ၏ ဥပမာတစ်ခုဖြစ်သည်။ EVST သည် ကင်မရာ၊ အလင်းရောင်နှင့် ပေါင်းစပ်မှုများကို application အတွက် အတူတကွ scope လုပ်သည်။

စာရေးသူအကြောင်း- ဤလမ်းညွှန်ကို EVST အယ်ဒီတာအဖွဲ့မှ ရေးသားထားပါသည်။ EVST (EVS TECH CO., LTD) သည် ၂၀၁၈ ခုနှစ်တွင် စတင်တည်ထောင်ခဲ့သော ချန်ဒူးအခြေစိုက် ရိုဘော့တစ်ထုတ်လုပ်သူဖြစ်ပြီး၊ အမြင်အာရုံဖြင့် လမ်းညွှန်ပေးသော စက်မှုလုပ်ငန်းသုံးနှင့် ပူးပေါင်းဆောင်ရွက်သည့် ရိုဘော့ဆဲလ်များကို ပေါင်းစပ်ထုတ်လုပ်ထားပြီး နိုင်ငံပေါင်း ၁၀၀ ကျော်သို့ တင်ပို့ရောင်းချလျက်ရှိပြီး CE၊ SGS နှင့် TUV ပြင်ပအဖွဲ့အစည်း အသိအမှတ်ပြုလက်မှတ်များ ရရှိထားပါသည်။

နောက်ဆုံးအပ်ဒိတ်လုပ်ခဲ့သည့်ရက်စွဲ- ၂၀၂၆ ခုနှစ်၊ ဇွန်လ ၆ ရက်။ လမ်းညွှန်ချက်သည် ယေဘုယျဖြစ်သည်။ သတ်မှတ်ခြင်းမပြုမီ ကင်မရာ၊ အလင်းရောင်နှင့် စက်ဘီးလိုအပ်ချက်များကို အပလီကေးရှင်းနှင့် နှိုင်းယှဉ်၍ အတည်ပြုပါ။