Последње ажурирање: 7. маја 2026

Роботско бирање отпада радилице помоћу 3Д визије: Видео о сортирању и храњењу делова мотора

Роботско бирање радилица из контејнера аутоматизује један од тежих корака руковања у производњи мотора: бирање тешких, неправилних радилица из дубоког контејнера где сваки део може бити сложен под различитим углом. Видео испод приказује како робот са 6 оса, 3Д визија, процена положаја и флексибилна хватаљка могу претворити насумично сортирање радилица у поновљив процес храњења за низводне машинске, обележавајуће или монтажне станице.

Ако се уграђени плејер не учита, отворите видео директно на YouTube-у: Роботско сакупљање из контејнера радилице помоћу 3Д вида.

Преглед процеса

Радилица је основна компонента преноса снаге мотора. У аутомобилској производњи, она пролази кроз процесе ковања, прецизног стругања, брушења, динамичког балансирања, обележавања и монтаже. Између ових станица, сортирање и додавање морају бити довољно поуздани да би подржали стабилно време такта без додавања погрешних делова или поновљених интервенција оператера.

Традиционално ручно сортирање је споро и склоно грешкама јер радилице имају неправилну геометрију, офсетне противтегове, рефлектујуће обрађене површине и насумичне наслагане положаје. Оператори морају проценити и модел дела и најбољу тачку хватања оком, што отежава контролу времена циклуса и стабилности квалитета.

Тренутно инжењерско решење користи 6-осни роботи упарено са 3Д системима вида. Скенирање ласерском структурираном светлошћу генерише густе облаке тачака, док дубоко учење подржава препознавање делова и процену положаја за насумично бирање из контејнера. Добро подешена ћелија може достићи око 48 секунди по комаду, а један флексибилни хватаљ може да обради 6 до 8 модела радилице без промене хардвера. За сличне случајеве употребе руковања материјалом, погледајте EVSINT-ов робот за руковање категорија.

Уобичајене замке при сакупљању ствари из канте за одлагање радилице

Недовољно видно поље камере и дубина поља. Дубине резервоара често достижу 800 мм. Ако пројекат користи камеру са уским видним пољем ради смањења трошкова, доњи слој можда неће бити у потпуности покривен, што одржава високе стопе неуспеха у препознавању и узрокује честе аларме на линијама.

Лош квалитет облака тачака на рефлектујућим површинама. Прецизно обрађене површине радилице могу створити рефлексију током ласерског скенирања. Резултат су празнине у облацима тачака и шум, што директно смањује тачност препознавања и поузданост процене положаја.

Недовољно података за обуку дубоког учења. Нови модели радилице могу ући у производњу без довољног броја узорака. Слаба генерализација модела може продужити пуштање у рад са очекиваних 3 дана на 2 недеље.

Планирање путање без детекције судара. Неки системи се ослањају на основну кинематичку симулацију и не узимају у потпуности у обзир зидове контејнера, суседне делове и интерференцију хватаљке. Код дубоког брања у контејнерима, ово може довести до застоја изазваног колизијом и поновљених ручних ресетовања.

Нема секундарне оријентационе станице. Директно постављање у низводни уређај можда неће испунити захтеве за тачност положаја. Секундарна станица може да исправи оријентацију пре обраде, обележавања или преноса транспортером. Ово је посебно важно када ћелија напаја робот за чување машина процесна или CNC станица.

Основна техничка решења

3Д скенирање вида. Препоручује се скенирање ласерском структурираном светлошћу или ласерским линијама. Видно поље треба да покрива цео бинк, а дубина поља треба да буде најмање 800 мм. Активна ласерска пројекција помаже у сузбијању сметњи амбијенталне светлости, док HDR на нивоу хардвера побољшава квалитет облака тачака на рефлектујућим површинама.

Препознавање дубоког учења. Сегментација облака тачака заснована на пажњи може идентификовати највишу мету коју је могуће одабрати чак и под јаком оклузијом и случајним слагањем. Учење преноса са неколико удараца помаже у скраћивању пуштања новог модела у рад на 1 до 2 дана када се прикупи довољно репрезентативних узорака.

Интелигентно планирање путање. Ћелија би требало да изгради 3Д сцену препрека из геометрије облака тачака у реалном времену, а затим да је комбинује са кинематиком робота како би генерисала путање избора и постављања без колизија. Архитектура камере „око у руци“ омогућава роботу да подеси угао скенирања и смањи слепе тачке.

Флексибилан дизајн хватаљке. Пнеуматски и електрични хибридни хватаљка може да подржи тежину баланса радилице, док се бочни клинови за позиционирање прилагођавају променама размака између цевчица. Хватаљка је основни механички интерфејс, тако да би требало да буде пројектована заједно са роботски крајњи ефектор и низводни прикључак, а не третиран као додатак.

Стандардизовани инжењерски распоред

Роботска ћелија за брање из контејнера са радилицом обично интегрише 6-осног робота, флексибилни хватаљку, 3Д визију са структурираним светлом, секундарну станицу за оријентацију, ласерски маркер, безбедносни систем и електрични контролни ормар. Радни ток је једноставан: контејнер улази у станицу, робот скенира камером постављеном на крају, дубинско учење идентификује модел и положај, планирање путање води брање, секундарна станица исправља оријентацију, ласер гравира 2Д код ако је потребно, а део се поставља на транспортер или причвршћивач.

За процесе сортирања и преноса где делови нису толико тешки као радилице, а изаберите и поставите робота може бити довољно. За радилице, носивост, домет, обртни момент зглоба и тежиште хватаљке обично чине 6-осног индустријског робота безбеднијом основом.

Безбедносни систем треба да комбинује ограду по периметру, закључане капије, светлосне завесе и безбедносну PLC логику. Електрични ормар треба да користи индустријско хлађење тако да унутрашња температура остане испод 40 степени Целзијуса, смањујући ризик од смањења снаге VFD-а и нестабилног одзива робота или транспортера.

Тецхницал Суммари

Аутоматизација сортирања радилице зависи од три повезане могућности: стабилности вида, планирања путање без судара и флексибилности хватаљке. Стабилност вида одређује горњу границу препознавања. Планирање путање одређује горњу границу ризика од судара. Флексибилност хватаљке одређује колико ефикасно ћелија може да се мења између модела радилице.

Хардверски слој је већ зрео. Право уско грло је адаптација на терену: подешавање модела дубоког учења, руковање рефлектујућим површинама и брза миграција између више модела радилица. Приликом избора интегратора, искуство у аутомобилској индустрији је важније од поређења само резолуције камере или марке робота. Након имплементације, постројења би требало да понављају моделе вида и библиотеке путања свака 3 до 6 месеци како би се OEE подигао изнад 90%.

Последње ажурирање: 7. маја 2026