Son Güncelleme: Mayıs 7, 2026

3D Görüntüleme ile Krank Mili Robotik Kutu Toplama: Motor Parçası Sıralama ve Besleme Videosu

Krank mili robotik kutu içi alma sistemi, motor üretimindeki en zorlu taşıma adımlarından birini otomatikleştirir: her parçanın farklı bir açıda istiflenmiş olabileceği derin bir kutudan ağır, düzensiz krank millerini seçmek. Aşağıdaki video, 6 eksenli bir robotun, 3 boyutlu görüşün, pozisyon tahmininin ve esnek bir tutucunun, rastgele krank mili sıralamasını, sonraki işleme, işaretleme veya montaj istasyonları için tekrarlanabilir bir besleme sürecine nasıl dönüştürebileceğini göstermektedir.

Gömülü oynatıcı yüklenmezse, videoyu doğrudan YouTube'da açın: 3D Görüntüleme Özellikli Krank Mili Robotik Kutu Toplama Sistemi.

Sürece Genel Bakış

Krank mili, bir motorun temel güç aktarım bileşenidir. Otomotiv üretiminde, dövme, hassas tornalama, taşlama, dinamik dengeleme, işaretleme ve montajla ilgili işlemlerden geçer. Bu istasyonlar arasında, yanlış parça beslemesi veya tekrarlanan operatör müdahalesi olmadan istikrarlı bir çevrim süresini destekleyecek kadar güvenilir bir sıralama ve besleme sistemi bulunmalıdır.

Geleneksel manuel ayırma işlemi, krank millerinin düzensiz geometrisi, dengesiz karşı ağırlıkları, yansıtıcı işlenmiş yüzeyleri ve rastgele istiflenmiş pozisyonları nedeniyle yavaş ve hataya yatkındır. Operatörler hem parça modelini hem de en iyi kavrama noktasını gözle değerlendirmek zorundadır; bu da işlem süresini ve kalite istikrarını kontrol etmeyi zorlaştırır.

Mevcut mühendislik çözümü şunları kullanmaktadır: 6 eksenli robotlar 3D görüntüleme sistemleriyle birlikte kullanılır. Lazer yapılandırılmış ışık taraması yoğun nokta bulutları oluştururken, derin öğrenme rastgele kutu seçimi için parça tanıma ve pozisyon tahminini destekler. İyi ayarlanmış bir hücre, parça başına yaklaşık 48 saniyeye ulaşabilir ve tek bir esnek tutucu, donanım değişikliği olmadan 6 ila 8 krank mili modelini işleyebilir. Benzer malzeme taşıma kullanım durumları için EVSINT'in ürünlerine bakın. taşıma robotu kategori.

Krank Mili Kutusu Seçiminde Sık Karşılaşılan Hatalar

Yetersiz kamera görüş alanı ve alan derinliği. Kutu derinlikleri genellikle 800 mm'ye ulaşır. Bir projede maliyeti düşürmek için dar görüş açılı bir kamera kullanılıyorsa, alt katman tamamen kapsanmayabilir; bu da tanıma hatası oranlarını yüksek tutar ve sık sık hat alarmlarına neden olur.

Yansıtıcı yüzeylerde nokta bulutu kalitesinin düşük olması. Hassas işlenmiş krank mili yüzeyleri, lazer tarama sırasında yansıma oluşturabilir. Bunun sonucunda nokta bulutunda boşluklar ve gürültü meydana gelir; bu da tanıma doğruluğunu ve pozisyon tahmini güvenilirliğini doğrudan azaltır.

Yetersiz derin öğrenme eğitim verisi. Yeni krank mili modelleri, yeterli örnek görüntü olmadan üretime girebilir. Zayıf model genellemesi, saha devreye alma süresini beklenen 3 günden 2 haftaya uzatabilir.

Çarpışma tespiti olmadan yörünge planlaması. Bazı sistemler temel kinematik simülasyona dayanır ve depo duvarlarını, komşu parçaları ve tutucu etkileşimini tam olarak dikkate almaz. Derin depo toplama işlemlerinde bu durum, çarpışma kaynaklı arıza sürelerine ve tekrarlanan manuel sıfırlamalara yol açabilir.

İkinci bir yönlendirme istasyonu bulunmamaktadır. Doğrudan bir sonraki fikstüre yerleştirme, pozisyon doğruluğu gereksinimlerini karşılamayabilir. İkinci bir istasyon, işleme, işaretleme veya konveyör transferinden önce yönlendirmeyi düzeltebilir. Bu, özellikle hücrenin bir besleme hattına sahip olduğu durumlarda önemlidir. makine bakım robotu işlem veya CNC ile ilgili istasyon.

Temel Teknik Çözümler

3 boyutlu görüntü taraması. Lazer yapılandırılmış ışık veya lazer çizgi taraması önerilir. Görüş alanı tüm kutuyu kapsamalı ve alan derinliği en az 800 mm olmalıdır. Aktif lazer projeksiyonu ortam ışığı girişimini bastırmaya yardımcı olurken, donanım düzeyinde HDR yansıtıcı yüzeylerde nokta bulutu kalitesini iyileştirir.

Derin öğrenme tabanlı tanıma. Dikkat mekanizmasına dayalı nokta bulutu segmentasyonu, şiddetli tıkanma ve rastgele yığılma durumlarında bile en üstteki seçilebilir hedefi belirleyebilir. Az sayıda örnekle transfer öğrenme, yeterli sayıda temsili örnek toplandığında yeni modelin devreye alınma süresini 1 ila 2 güne indirmeye yardımcı olur.

Akıllı yörünge planlaması. Hücre, gerçek zamanlı nokta bulutu geometrisinden 3 boyutlu bir engel sahnesi oluşturmalı, ardından çarpışma içermeyen alma ve yerleştirme yolları oluşturmak için bunu robot kinematiğiyle birleştirmelidir. Göz-el kamerası mimarisi, robotun tarama açısını ayarlamasına ve kör noktaları azaltmasına olanak tanır.

Esnek kavrama tasarımı. Pnömatik ve elektrikli hibrit bir tutucu, krank mili denge ağırlığını desteklerken, yanal konumlandırma pimleri de yatak aralığındaki değişikliklere uyum sağlar. Tutucu, temel mekanik arayüz olduğundan, diğer bileşenlerle birlikte tasarlanmalıdır. robot uç efektörü ve aksesuar olarak değil, akış yönündeki bağlantı parçası olarak ele alınır.

Standartlaştırılmış Mühendislik Yerleşimi

Krank mili robotik kutu toplama hücresi genellikle 6 eksenli bir robot, esnek tutucu, yapılandırılmış ışıklı 3D görüş sistemi, ikincil yönlendirme istasyonu, lazer işaretleyici, güvenlik sistemi ve elektrik kontrol kabinini entegre eder. İş akışı basittir: kutu istasyona girer, robot ucuna monte edilmiş bir kamera ile tarama yapar, derin öğrenme modeli ve pozisyonu belirler, yörünge planlaması toplama işlemini yönlendirir, ikincil istasyon yönlendirmeyi düzeltir, gerekirse lazer 2D kod işler ve parça konveyöre veya fikstüre yerleştirilir.

Krank milleri kadar ağır olmayan parçaların sıralanması ve transfer işlemlerinde, robotu seç ve yerleştir Bu yeterli olabilir. Krank milleri için, taşıma kapasitesi, erişim mesafesi, bilek torku ve tutucu ağırlık merkezi genellikle 6 eksenli bir endüstriyel robotu daha güvenli bir temel haline getirir.

Güvenlik sistemi, çevre çitleri, kilitli kapılar, ışık perdeleri ve güvenlik PLC mantığını birleştirmelidir. Elektrik panosu, iç sıcaklığın 40 santigrat derecenin altında kalmasını sağlayacak şekilde endüstriyel soğutma kullanmalıdır; bu da VFD performans düşüşü ve robot veya konveyörün kararsız tepkisi riskini azaltır.

Teknik Özet

Krank mili sıralama otomasyonu, birbirine bağlı üç yeteneğe bağlıdır: görüş kararlılığı, çarpışmasız yörünge planlaması ve tutucu esnekliği. Görüş kararlılığı, tanıma sınırını belirler. Yörünge planlaması, çarpışma riski sınırını belirler. Tutucu esnekliği ise hücrenin krank mili modelleri arasında ne kadar verimli bir şekilde geçiş yapabileceğini belirler.

Donanım katmanı zaten olgunlaşmış durumda. Asıl darboğaz saha adaptasyonunda: derin öğrenme modeli ayarlaması, yansıtıcı yüzey işleme ve birden fazla krank mili modeli arasında hızlı geçiş. Bir entegratör seçerken, yalnızca kamera çözünürlüğü veya robot markasını karşılaştırmaktan ziyade otomotiv projesi deneyimi daha önemlidir. Dağıtım sonrasında, tesisler OEE'yi %90'ın üzerine çıkarmak için her 3 ila 6 ayda bir görüntü modellerini ve yörünge kütüphanelerini güncellemelidir.

Son Güncelleme: Mayıs 7, 2026