Posledná aktualizácia: 7. mája 2026

Robotické vychystávanie kľukového hriadeľa z kontajnera s 3D videním: Video o triedení a podávaní dielov motora

Robotické vyberanie kľukových hriadeľov z kontajnerov automatizuje jeden z najťažších manipulačných krokov pri výrobe motorov: výber ťažkých, nepravidelných kľukových hriadeľov z hlbokého zásobníka, kde môže byť každý diel naskladaný pod iným uhlom. Video nižšie ukazuje, ako 6-osový robot, 3D videnie, odhad polohy a flexibilný chápadlo dokážu premeniť náhodné triedenie kľukových hriadeľov na opakovateľný proces podávania pre následné obrábacie, značkovacie alebo montážne stanice.

Ak sa vložený prehrávač nenačíta, otvorte video priamo na YouTube: Robotické vychystávanie z kontajnerov s kľukovým hriadeľom a 3D videním.

Prehľad procesu

Kľukový hriadeľ je základným komponentom prenosu výkonu motora. V automobilovom priemysle prechádza procesmi kovania, presného sústruženia, brúsenia, dynamického vyvažovania, značenia a montáže. Medzi týmito stanicami musí byť triedenie a podávanie dostatočne spoľahlivé, aby podporili stabilný čas spracovania bez podávania nesprávnych dielov alebo opakovaných zásahov obsluhy.

Tradičné manuálne triedenie je pomalé a náchylné na chyby, pretože kľukové hriadele majú nepravidelnú geometriu, odsadené protizávažia, reflexné obrábané povrchy a náhodne naskladané polohy. Operátori musia posúdiť model dielu aj najlepší uchopovací bod okom, čo sťažuje kontrolu času cyklu a stability kvality.

Súčasné inžinierske riešenie využíva 6-osové roboty spárované s 3D systémami videnia. Skenovanie laserom so štruktúrovaným svetlom generuje husté mračná bodov, zatiaľ čo hlboké učenie podporuje rozpoznávanie dielov a odhad polohy pre náhodné vychystávanie zo zásobníkov. Dobre vyladená bunka dokáže dosiahnuť približne 48 sekúnd na kus a jeden flexibilný chápadlo dokáže spracovať 6 až 8 modelov kľukových hriadeľov bez zmeny hardvéru. Podobné prípady použitia manipulácie s materiálom nájdete v článku EVSINT. manipulačný robot kategórie.

Bežné úskalia pri vychystávaní odpadu z kľukového hriadeľa

Nedostatočné zorné pole kamery a hĺbka ostrosti. Hĺbky zásobníkov často dosahujú 800 mm. Ak projekt využíva kameru s úzkym zorným poľom na zníženie nákladov, spodná vrstva nemusí byť úplne pokrytá, čo udržiava vysokú mieru zlyhania rozpoznávania a spôsobuje časté alarmy na linke.

Nízka kvalita mračna bodov na reflexných plochách. Presne opracované povrchy kľukového hriadeľa môžu počas laserového skenovania vytvárať zrkadlové odrazy. Výsledkom sú dutiny v mračne bodov a šum, čo priamo znižuje presnosť rozpoznávania a spoľahlivosť odhadu polohy.

Nedostatočné údaje pre tréning hlbokého učenia. Nové modely kľukových hriadeľov sa môžu dostať do výroby bez dostatočného množstva vzorových obrázkov. Slabá generalizácia modelu môže predĺžiť uvedenie do prevádzky z očakávaných 3 dní na 2 týždne.

Plánovanie trajektórie bez detekcie kolízií. Niektoré systémy sa spoliehajú na základnú kinematickú simuláciu a nezohľadňujú plne steny zásobníkov, susedné diely a interferenciu chápadiel. Pri hlbokom vychystávaní zo zásobníkov to môže viesť k prestojom vyvolaným kolíziami a opakovaným manuálnym resetom.

Žiadna sekundárna orientačná stanica. Priame umiestnenie do následného upínacieho prípravku nemusí spĺňať požiadavky na presnosť polohy. Sekundárna stanica môže korigovať orientáciu pred obrábaním, značením alebo presunom na dopravník. Toto je obzvlášť dôležité, keď bunka podáva robot obsluhujúci stroj procesnú alebo CNC súvisiacu stanicu.

Základné technické riešenia

3D skenovanie zrakom. Odporúča sa laserové skenovanie so štruktúrovaným svetlom alebo laserové čiarové skenovanie. Zorné pole by malo pokrývať celý priestor a hĺbka ostrosti by mala byť aspoň 800 mm. Aktívna laserová projekcia pomáha potlačiť rušenie okolitého svetla, zatiaľ čo hardvérový HDR zlepšuje kvalitu mračna bodov na reflexných povrchoch.

Rozpoznávanie hlbokého učenia. Segmentácia mračna bodov založená na pozornosti dokáže identifikovať najvyšší cieľ, ktorý je možné vybrať, a to aj pri silnej oklúzii a náhodnom skladaní. Učenie prenosom niekoľkých vzoriek pomáha skrátiť uvedenie nového modelu do prevádzky na 1 až 2 dni, keď sa zozbiera dostatok reprezentatívnych vzoriek.

Inteligentné plánovanie trajektórie. Bunka by mala vytvoriť 3D scénu prekážok z geometrie mračna bodov v reálnom čase a potom ju skombinovať s kinematikou robota, aby sa generovali bezkolízne dráhy výberu a umiestnenia. Architektúra kamery s okom v ruke umožňuje robotovi nastaviť uhol skenovania a znížiť počet slepých miest.

Flexibilný dizajn chápadla. Pneumatický a elektrický hybridný chápadlo dokáže podoprieť vyvažovaciu hmotnosť kľukového hriadeľa, zatiaľ čo bočné polohovacie čapy sa prispôsobujú zmenám rozstupu čapov. Chápadlo je jadrom mechanického rozhrania, preto by malo byť navrhnuté spolu s koncový efektor robota a následne zapojené zariadenie, a nie ako príslušenstvo.

Štandardizované technické rozloženie

Robotická bunka pre vychystávanie do zásobníkov s kľukovým hriadeľom zvyčajne integruje 6-osového robota, flexibilný chápadlo, 3D videnie so štruktúrovaným svetlom, stanicu sekundárnej orientácie, laserový značkovač, bezpečnostný systém a elektrickú rozvádzaciu skrinku. Pracovný postup je jednoduchý: zásobník vstúpi do stanice, robot skenuje pomocou kamery namontovanej na konci, hlboké učenie identifikuje model a polohu, plánovanie trajektórie vedie vychystávanie, sekundárna stanica koriguje orientáciu, laser v prípade potreby vygravíruje 2D kód a diel sa umiestni na dopravník alebo upínací prípravok.

Pre procesy triedenia a prepravy, kde súčiastky nie sú také ťažké ako kľukové hriadele, a vybrať a umiestniť robota môže stačiť. V prípade kľukových hriadeľov je užitočné zaťaženie, dosah, krútiaci moment zápästia a ťažisko chápadla zvyčajne bezpečnejším východiskovým bodom 6-osový priemyselný robot.

Bezpečnostný systém by mal kombinovať obvodové oplotenie, prepojené brány, svetelné závory a bezpečnostnú logiku PLC. Elektrická skrinka by mala využívať priemyselné chladenie, aby vnútorná teplota zostala pod 40 stupňov Celzia, čím sa znižuje riziko zníženia výkonu meniča frekvencie a nestabilnej odozvy robota alebo dopravníka.

Technické zhrnutie

Automatizácia triedenia kľukových hriadeľov závisí od troch prepojených schopností: stability videnia, plánovania trajektórie bez kolízií a flexibility chápadla. Stabilita videnia určuje strop rozpoznávania. Plánovanie trajektórie určuje strop rizika kolízie. Flexibilita chápadla určuje, ako efektívne môže bunka prepínať medzi modelmi kľukových hriadeľov.

Hardvérová vrstva je už zrelá. Skutočným úzkym hrdlom je adaptácia v teréne: ladenie modelov hlbokého učenia, manipulácia s reflexnými povrchmi a rýchla migrácia medzi viacerými modelmi kľukových hriadeľov. Pri výbere integrátora sú skúsenosti s automobilovými projektmi dôležitejšie ako porovnávanie iba rozlíšenia kamery alebo značky robota. Po nasadení by mali závody iterovať modely videnia a knižnice trajektórií každé 3 až 6 mesiacov, aby sa hodnota OEE zvýšila nad 90 %.

Posledná aktualizácia: 7. mája 2026