محاكاة عملية تجميع متدرجة بالتعاون مع ذراع روبوتية ومراقبة من خلال نظام رؤية لمراقبة الجودة

Lisaura Walkiria Rodriguez Alvarado; Brenda Lorena Flores Hidalgo; Jesús Jaime Moreno Escobar; Jesus Loyo  Quijada

doi:10.3791/68888

Method Article

محاكاة عملية تجميع متدرجة بالتعاون مع ذراع روبوتية ومراقبة من خلال نظام رؤية لمراقبة الجودة

DOI:

10.3791/68888

⸱

August 29th, 2025

Lisaura Walkiria Rodriguez Alvarado¹ , Brenda Lorena Flores Hidalgo¹^,² , Jesús Jaime Moreno Escobar³ , Jesus Loyo Quijada¹

¹Departamento de Sistemas, División de Ciencias Básicas e Ingeniería, Universidad Autónoma Metropolitana, Unidad Azcapotzalco, ²Escuela Superior de Ingeniería Mecánica y Eléctrica, Unidad Zacatenco, Instituto Politécnico Nacional, ³Centro de Investigación en Computación, Instituto Politécnico Nacional

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

هنا ، نقدم بروتوكولا لمحاكاة ومراقبة عملية التجميع شبه الآلي المتدرجة ، من خلال تعاون روبوت تعاوني والتحقق عبر نظام رؤية الكمبيوتر لمراقبة الجودة.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يصف هذا البروتوكول المحاكاة شبه الآلية لخط إنتاج مدرج لتجميع مجموعة معدات دودة تعليمية ، باستخدام ذراع روبوتية تعاونية ونظام رؤية حاسوبي لمراقبة جودة المنتج من خلال تقييم معيارين رئيسيين: الشكل واللون. الهدف من هذه الدراسة هو توليد بيانات متسقة وموثوقة لتقييم قدرة العملية واستقرارها ومطابقتها وفقا لمواصفات العملاء. يوفر البروتوكول إطارا منهجيا واضحا لجمع وتحليل المؤشرات الرئيسية من خلال التحكم في العمليات الإحصائية (SPC) ، باستخدام مؤشرات القدرات ، مثل قدرة العملية (Cp) ، ومؤشر قدرة العملية المعدل للتمركز (Cpk) ، وقدرة العملية العليا (Cpu) ، وقدرة العملية المنخفضة (Cpl) ، والأدوات الرسومية مثل الرسوم البيانية ومخططات التحكم. وتتيح هذه الخصائص تحديد الانحرافات والاتجاهات في خصائص المنتج الحرجة. تشير نتائج تقييم الشكل إلى أن العملية الآلية تخضع للرقابة الإحصائية ، على الرغم من أنها تميل نحو الحد الأعلى للمواصفات ، مما يشير إلى الحاجة إلى تعديل متوسط العملية. في المقابل ، يكشف تقييم الألوان عن تباين أكبر ، وقدرة منخفضة (Cpk = 0.539) ، ويشير إلى التحكم خارج ، مما يشير إلى عدم الاستقرار الذي يتطلب إجراءات تصحيحية فورية. بناء على هذه النتائج ، يوصى بتنفيذ إجراءات تصحيحية لتقليل تقلب الألوان ، مثل التحكم الصارم في المدخلات ، وتوحيد ظروف الإضاءة ، ومراجعة طرق التشغيل. بشكل عام ، تعزز النتائج أهمية دمج التقنيات الآلية مع الأدوات الإحصائية مثل SPC لتحديد الانحرافات الحرجة وتحسين العمليات وضمان توافق المنتج. يشكل هذا التآزر بين الأتمتة والتحليل الإحصائي ركيزة أساسية للحفاظ على القدرة التنافسية في البيئات الصناعية المتزايدة التطلب. بالإضافة إلى ذلك ، يوفر هذا البروتوكول أساسا متينا لتنفيذ التحسينات في خطوط الإنتاج الحقيقية.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

أدى التقدم السريع للأتمتة في العمليات الصناعية إلى تحول كبير في أنظمة التصنيع. أدى هذا التطور إلى تحسين المجالات الحيوية بشكل كبير ، بما في ذلك الكفاءة التشغيلية ، وتوفير التكاليف ، وتوحيد العمليات ، وتحسين جودة^{المنتج 1}. في هذا السياق ، دفعت التطورات التكنولوجية إلى تنفيذ حلول أكثر تعقيدا وتخصصا ، قادرة على تلبية متطلبات الإنتاج الرشيق والدقة والقابلة للتكيف^{بشكل متزايد 2}.

أحد أهم التطورات في هذا العصر الصناعي الجديد هو دمج الروبوتات التعاونية ، والمعروفة باسم cobots. تمثل هذه الأجهزة تطورا للروبوتات الصناعية التقليدية ، حيث تم تصميمها للعمل بأمان وكفاءة جنبا إلى جنب مع المشغلين البشريين في البيئات المشتركة³ ^، ⁴ ^، ⁵. لا تعزز طبيعتها التعاونية مرونة عمليات الإنتاج فحسب ، بل تزيد أيضا من مستويات السلامة في العمليات ، حيث إنها مجهزة بأجهزة استشعار متقدمة تتيح التفاعل المتحكم فيه والوعي البيئي⁶.

في إطار الصناعة 5.0 ، التي تشجع على مزيج متناغم من الأتمتة الذكية والمساهمة البشرية ، أصبحت الروبوتات أدوات أساسية لتطوير التصنيع الذي يركز على الإنسان⁷. بدلا من استبدال العمال ، تم تصميم هذه الأنظمة لزيادة مهاراتهم من خلال التعامل بكفاءة مع المهام المتكررة بدقة عالية والتكيف بمرونة مع التحولات في بيئة الإنتاج⁸ ، وبالتالي تعزيز نموذج عمل أكثر تكاملا وفعالية.

يسمح تعدد استخداماتها بتطبيقها في مختلف الصناعات ، مثل تجميع السيارات ، والخدمات اللوجستية ، وتصنيع الأحذية ، والأجهزة الطبية ، والمزيد ، حيث تساهم في تحسين الإنتاجية وجودة العمليات ^9,10. أعادت هذه الديناميكية التعاونية تعريف أنظمة الإنتاج وتمثل تحديات جديدة من حيث التدريب والتكيف التكنولوجي وإعادة تصميم^{العمليات 7}.

في هذا السياق ، تصف هذه الورقة تصميم وتنفيذ خط تجميع مصغر تم تطويره حول مجموعة تعليمية من التروس الدودية. يمثل هذا النوع من الخطوط نسخة مخفضة ووظيفية لخط إنتاج صناعي ، تم تصميمه لأغراض تعليمية لمحاكاة العمليات والتدفقات والعمليات النموذجية لبيئة التصنيع الحقيقية^{بطريقة خاضعة} للرقابة.

إنه إعداد مادي وتشغيلي يسمح بالملاحظة الواضحة لديناميكيات الإنتاج ، واختبار التقنيات الآلية ، وتطبيق منهجيات ضمان الجودة مع تقليل المخاطر والتكاليف المرتبطة بالتجارب المباشرة في المنشآت الصناعية. يوفر هذا النهج أداة تعليمية قيمة ومنصة أولية للتحقق من الصحة لحلول مثل الروبوتات التعاونية وأنظمة الرؤية ، ودعم اتخاذ القرار الاستراتيجي في الأتمتة والتحسين المستمر والكفاءة^{التشغيلية 11}.

أحد العوامل الرئيسية لنجاح أتمتة وتكامل الروبوتات هو تنفيذ أنظمة مراقبة الجودة القائمة على الرؤية. مجهزة بكاميرات عالية الدقة ، تسمح أنظمة الرؤية للروبوتات التعاونية بإدراك وتفسير محيطها بدقة ، وتقديم بيانات مرئية مفصلة للتعرف على الأشياء واكتشاف الشذوذ والملاحة^{المستقلة 12}. في بعض الحالات ، تعمل هذه الأنظمة كحلول كاملة ، بينما في حالات أخرى ، يمكن تخصيصها للعمل معا.

من أهم تطبيقات هذا النوع من الروبوتات التعاونية مراقبة الجودة ، حيث تتيح هذه الأنظمة الكشف المبكر عن العيوب في خطوط الإنتاج. يسمح الكشف عن الشذوذ في الوقت الفعلي بإزالة الأجزاء المعيبة في الوقت المناسب ، وبالتالي تجنب التكاليف المرتبطة بإعادة العمل أو نفايات المواد أو شكاوى^{العملاء 13}. تضمن هذه القدرة على الفحص المستمر وغير الجراحي مزيدا من الاتساق في جودة المنتج وتعزز إمكانية تتبع العملية.

يتيح التكامل المنهجي لهذه التقنيات للروبوتات التعاونية استشعار محيطها وفهمها والتفاعل معها بشكل فعال ، مما يعزز استقلاليتها وأدائها^{التشغيلي 14}.

أظهرت الدراسات الحديثة أن الجمع بين مراقبة الجودة باستخدام الكاميرات والروبوتات التعاونية لا يقلل من الأخطاء البشرية فحسب ، بل يحسن أيضا موثوقية العملية ، ويزيد من الدقة في مهام التجميع والتحقق الحرجة¹⁵. يتيح هذا التآزر مستويات أعلى من التحكم والقدرة على التكيف والكفاءة ، وهي ضرورية في البيئات الصناعية الحديثة التي تتميز بالتخصيص الشامل والإنتاج عند الطلب¹⁶.

يتطلب استخدام هذه التقنيات نهجا شاملا يتضمن الرصد المستمر للبيانات في الوقت الفعلي واستخدام مؤشرات الجودة لتمكين اتخاذ قرارات مستنيرة. توفر أدوات مثل تحليل العمليات الإحصائية منصة قوية للتحسين المستمر ، مما يضمن قدرة الشركات على التكيف مع تغيرات السوق والحفاظ على مستويات عالية من القدرة التنافسية على المدى الطويل¹⁶.

يوفر تنفيذ نظام الرؤية شبه الآلي والحاسوبي على خط تجميع مدرج مزايا كبيرة مقارنة بطرق مراقبة الجودة التقليدية ، اليدوية والآلية بالكامل. على عكس الفحص اليدوي ، الذي يعتمد بشكل كبير على عوامل الإدراك والخبرة والحالة المادية للمشغل التي يمكن أن تؤدي إلى أخطاء بسبب التعب أو ظروف العمل الطويلة¹⁷ ، يضمن هذا النهج تقييما متسقا وموضوعيا ودقيقا من خلال القضاء على التباين البشري¹⁸.

على عكس أنظمة الفحص الروبوتية المؤتمتة بالكامل ، والتي غالبا ما تكون صلبة ومكلفة للتكيف ، توفر الروبوتات مرونة أكبر بفضل قدراتها على التعلم عن طريق العرض التوضيحي وسهولة إعادة برمجة¹⁹ ، وهو أمر مفيد بشكل خاص في البيئات ذات التنوع العالي في المنتج. علاوة على ذلك ، من خلال دمج رؤية الكمبيوتر ، يعمل النظام على تحسين دقة الفحص البصري بشكل كبير ويتيح اكتشاف العيوب التي قد تمر دون أن يلاحظها أحد في المراجعات اليدوية¹⁰. على عكس الحلول المعزولة ، فهو يجمع بين الإدراك والعمل ، حيث يستجيب cobot في الوقت الفعلي للانحرافات المكتشفة.

هناك اختلاف رئيسي آخر يتمثل في النهج التربوي والتدريبي الذي يقدمه خط التجميع الموسع هذا: بالإضافة إلى التحقق من صحة العملية الفنية ، فإنه يساعد أيضا في تدريب المشغلين على المهارات الرقمية والصناعية ، وإعداد العمال لمواجهة تحديات الصناعة 5.0²⁰^،²¹.

تستكشف هذه المقالة تكامل عملية التجميع الآلي باستخدام روبوت تعاوني UR3²² ، جنبا إلى جنب مع نظام رؤية^{CV-X 23}. المنتج المجمع عبارة عن نموذج صناعي واسع النطاق يسمى KanbUAMito ، وهو "مجموعة تعليمية من العتاد الدودي" يمثل نظام نقل يتكون من دودة وترس دودي ، يعرف أيضا باسم مخفض السرعة كما هو موضح في الشكل 1. يتميز هذا النموذج بستة تكوينات مختلفة ، موضحة بالتفصيل في الجدول 1.

الشكل 1: مكونات جهاز كانبوأميتو. المكونات المختلفة التي تشكل المنتج النهائي المراد تجميعه. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

المنتج النهائي	دودة	دودة العتاد	صندوق (غطاء وقاعدة)
مد1	رمادي	أحمر	أحمر
مد2	أبيض	رمادي	أحمر
مد3	أحمر	أبيض	أحمر
مد4	أحمر	رمادي	أحمر
مد5	رمادي	أبيض	أحمر
مد6	أبيض	أحمر	أحمر

الجدول 1: المجموعات الممكنة للمنتج المراد تجميعه. مجموعات مختلفة من المنتج النهائي ، والتي تختلف وفقا للألوان المستخدمة في المكونات المختلفة التي يتكون منها.

تسلط هذه الدراسة الضوء على تأثير هذا التكامل التكنولوجي على تحسين الكفاءة التشغيلية والكشف المبكر عن العيوب واتساق جودة المنتج. بالإضافة إلى ذلك ، فإنه يحلل الآثار الاستراتيجية لتنفيذه في إطار عمل الصناعة 5.0 ، مع التركيز على كيف يمكن للتعاون بين البشر والروبوتات التعاونية والأنظمة الذكية أن يعزز تطوير استراتيجيات التحسين المستمر التي تركز على المرونة والتخصيص واستدامة عمليات الإنتاج.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يوضح هذا المستند بروتوكول المحاكاة المصمم لتكرار عملية إنتاج متحجمة بشكل شبه تلقائي باستخدام ذراع روبوتية تعاونية. تتم مراقبة العملية للتحقق مما إذا كان التجميع قد اكتمل بشكل صحيح أو يحتوي على أخطاء. يتم تنظيم البروتوكول في مرحلتين رئيسيتين: أ) تنفيذ العمليات المطلوبة لتنفيذ التجميع بدعم من الذراع الروبوتية (الأقسام 1-3) ؛ ii) تكوين نظام رؤية الكمبيوتر المستخدم لمراقبة المكون المجمع والتحقق منه (الأقسام 4-8).

1. حالة التجميع الأولية

قم بتنشيط المعدات المطلوبة لتنفيذ البروتوكول ، والتي تم تفصيلها في جدول المواد.
ملاحظة: يتم تنفيذ البروتوكول على خط تجميع موزع كما هو موضح في الشكل 2.
قم بتنظيم الأجزاء اللازمة للتجميع على درج التزويد ، باتباع التخطيط الموضح في الشكل 3.

الشكل 2: تخطيط خط التجميع. يتكون خط التجميع من أربعة أقسام رئيسية: (أ) المنطقة التي تتم فيها عملية تجميع المنتج ؛ (ب) الحزام الناقل الذي ينقل القطعة بمجرد اكتمال التجميع ؛ (ج) المنطقة التي يركب فيها نظام الرؤية المسؤول عن فحص جودة المنتجات النهائية؛ و (د) المساحة المخصصة للمحلل لتفسير النتائج التي تم الحصول عليها من خلال نظام الرؤية. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

الشكل 3: التخطيط الأولي للقطع للتجميع. الترتيب الأولي الذي يجب فيه وضع المكونات التي يتكون منها المنتج قبل البدء في عملية التجميع. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

2. برمجة وتشغيل الروبوت التعاوني

برمجة روبوت تعاوني
1. ضع الذراع الآلية في موقعها الأولي. استخدم الإحداثيات التالية: X = 465.84 مم ، Y = 71.87 مم ، و Z = -308.31 مم.
2. أدخل تسلسل البرمجة وفقا لمخطط الشجرة الموضح في الشكل 4.
التجميع التلقائي
1. انتظر حتى يبدأ cobot تسلسل التجميع عن طريق التقاط الجزء السفلي من الصندوق ونقله إلى نقطة التجميع.
  ملاحظة: تبلغ سعة الحمولة القصوى للذراع الآلي 3 كجم وتحافظ على دقة ثابتة تبلغ 0.03 مم. يتم استخدام القابض التعاوني ، والذي يسمح بتعديل القوة المطبقة ومسافة الإغلاق ، المصممة خصيصا لحجم كل مكون مشارك في عملية التجميع.
2. بعد ذلك ، يلتقط الروبوت التعاوني الدودة ويضعها في الموضع المقابل داخل التجميع.
3. ثم يأخذ الروبوت الترس الدودي ويجمعه أعلى الصندوق.
  ملاحظة: تم تصميم طريقة التجميع هذه لمنع الكسر أو تلف الترس الدودي. يسهل المناولة من قبل المشغل ويساهم في زيادة الجودة في عملية التجميع.
4. بمجرد اكتمال هذه التجميعات الفرعية ، انتظر حتى يقوم الذراع الروبوتية بنقلها إلى منطقة التجميع اليدوي ، حيث سيواصل المشغل العملية (الشكل 5).
التجميع اليدوي
1. في منطقة التجميع اليدوي ، اطلب من المشغل أن يأخذ التجميع الفرعي الموضوع كما هو موضح في الشكل 6 ويقوم بالتجميع باتباع تسلسل العمليات المفصلة في الشكل 7.
2. عند الانتهاء من التجميع اليدوي ، تأكد من وضع الجزء المجمع عموديا على الدرج ، مع التأكد من أن الدودة موجهة نحو الخلف (الشكل 8).

الشكل 4: تسلسل برمجة Cobot. ترتيب التعليمات التي يجب تحميلها في الروبوت التعاوني. (أ ، ب) الجزءان الأول والثاني من تسلسل البرمجة ، على التوالي. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

الشكل 5: تسلسل حركات الروبوت التعاوني في التجميع التلقائي. يقوم Cobot بتنفيذ سلسلة الإجراءات التالية: (أ) يلتقط القاعدة ويضعها على الرقصة ؛ (ب) ثم يلتقط المغزل ويضعه على القاعدة؛ (ج) يضع الغطاء على الرقصة ثم الترس ؛ و (د) أخيرا يودع القاعدة المجمعة والعتاد على الرقصة للتجميع اليدوي اللاحق. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

الشكل 6: نقطة التقاط المشغل للتجميع اليدوي. تخطيط يجب وضع التجميعات الفرعية المكتملة فيه قبل أن يبدأ المشغل في التجميع اليدوي. (أ) يتم وضع التجميع الفرعي 1 في هذه المنطقة، و (ب) في هذه المنطقة، يتم وضع التجميع الفرعي 2. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

الشكل 7: تسلسل التجميع اليدوي للعمليات. يقوم المشغل بتنفيذ التسلسل التالي من العمليات: (أ) يلتقط التجميع الفرعي 2، (ب) يلتقط التجميع الفرعي 1، (ج) يضع التجميع الفرعي 2 أعلى التجميع الفرعي 1، (د) يضغط على كلا المكونين لإغلاق الجهاز، و(ه) يضع المنتج النهائي على الرقصة. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

الشكل 8: المنتج النهائي على الرقصة. الموضع الصحيح الذي يجب وضع فيه المنتج النهائي على الرقصة قبل نقله إلى الحزام الناقل. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

3. النقل إلى الحزام الناقل

ضع الروبوت لفهم التجميع النهائي.
بمجرد تأمينه ، اسمح للكوبوت بنقل المنتج النهائي إلى الحزام الناقل ، بالقرب من المستشعر قدر الإمكان ، مما يسمح بفحصه بواسطة كاميرا الرؤية.
ملاحظة: تتوافق خطوات التجميع 3.1-3.4 مع تسلسل البرمجة المميز باللون الأحمر في الشكل 4.

4. الشروط الأولية للكاميرا والبرنامج

قم بتمكين واجهة برنامج محاكاة سلسلة CV-X للكمبيوتر وقم بتنشيط وضع التكوين لتحرير أدوات الفحص.
في الزاوية اليسرى العليا ، انقر فوق خيار إعداد الكاميرا وحدد طراز CA-035C ، بدقة 640 × 418 في الوضع التدريجي ، وضبط الحساسية على 2.4 ، وسرعة الغالق عند 1/15 مللي ثانية ، وتمكين الفلاش 1 ، وحدد نموذج الإضاءة DC40E ، وأخيرا انقر فوق موافق (الشكل 9).
ملاحظة: توفر الكاميرا دقتين للمسح الضوئي التدريجي: 512 × 418 و 640 × 418 بكسل. تم اختيار الدقة الأعلى لتحسين التكيف وجودة الصورة. تم ضبط الحساسية على 2.4 (على مقياس من 1 إلى 7) للحفاظ على جودة صورة جيدة ، وتجنب انخفاض الوضوح مع حساسية أعلى. سرعة الغالق 1/15 مللي ثانية ، بطيئة للسماح بدخول الضوء ، وهو مثالي لظروف الإضاءة المنخفضة.

الشكل 9: الظروف الأولية لنظام الرؤية. المعلمات الأولية التي يجب تكوينها في نظام الرؤية. يتم تمييز كل من هذه الإعدادات باللون الأحمر لسهولة التعرف عليها. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

5. تقييم الميزات

تقييم خصائص شكل الدودة
1. إعداد الأداة ومرجع تسجيل الصور
  1. من الواجهة ، قم بتمكين الخيار إضافة أدوات وحدد وظيفة ShapeTrax3 من فئة قائمة الوظائف ، ثم انقر فوق إضافة.
  2. بمجرد تحديد الأداة ، ستطالب بتسجيل صورة مرجعية (تتوافق الصورة المرجعية مع صورة جيدة البناء). للقيام بذلك ، انقر فوق المرجع صورة في الزاوية اليمنى العليا ، ثم حدد تسجيل الصورة وانقر فوق تنفيذ لالتقاط الصورة. بعد ذلك ، اختر تنسيق الصورة BMP وانقر فوق حفظ.
    ملاحظة: في هذه المرحلة ، يتم تعريف الجزء الجيد على أنه الجزء الذي تبرز فيه الدودة من الجانب الأيسر العلوي من الصندوق بمجرد تجميع الصندوق.
2. تكوين معلمة دودة
  1. حدد خيار منطقة البحث . سيظهر مربع أزرق يحدد منطقة البحث. حدد موافق. تأكد من أن هذا المربع الأزرق يغطي صورة الجزء المحدد في الخطوة 5.1.1.2.
  2. حدد خيار منطقة النمط لضبط منطقة النمط وتحقيق أكبر قدر ممكن من التشابه مع المرجع. للقيام بذلك ، اختر شكل المضلع ، وحدد محيط الجزء ، وحدد موافق.
3. شروط الحكم على الدودة
  1. في خيار شروط الحكم، قم بتعيين النسبة المئوية للمطابقة بحد أقصى = 99.99٪ وحد أدنى = 70٪، ثم حدد موافق.
تقييم خصائص شكل الترس الدودي
ملاحظة: لتقييم خصائص شكل الترس الدودي ، كرر الخطوتين 5.1 و 5.1.2.1.
1. تكوين معلمة التروس الدودية
  1. حدد خيار Pattern Region لضبط منطقة النمط وتحقيق أكبر تشابه مع الصورة المرجعية. للقيام بذلك ، اختر الشكل دائرة ، وحدد محيط الترس الدودي ، وحدد موافق.
2. شروط الحكم على العتاد الدودي
  1. في خيار شروط الحكم، حدد وضع العد وقم بتعيين حدود القيم الدنيا والحد الأقصى إلى 1، ثم انقر فوق موافق.
تقييم خصائص موضع التروس الدودية والدودية
ملاحظة: لتقييم خصائص الموضع، كرر الخطوة 5.1.1، وفي الفئة ضبط الموضع ، حدد الدالة موضع الملف الشخصي.
1. تكوين معلمات المنتج
  1. اتبع الخطوة 5.2.1.1 ، ولكن هذه المرة حدد شكل المستطيل .
2. شروط الحكم على المنتج
  1. قم بتعيين الحد الأقصى إلى 99.99٪ والحد الأدنى على 60٪.

6. الكشف عن الألوان

شروط الحكم على الدودة
ملاحظة: لتقييم ميزة اكتشاف الألوان الخاصة بالدودة، من الضروري تكرار الخطوات من الخطوة 5.1.1.1، وضمن الفئة العدد، حدد الدالة نظام المجموعة . يجب أيضا تسجيل صورة مرجعية جديدة باستخدام الخطوة 5.1.1.2 ، بما في ذلك الألوان التي ستكتشفها الأداة. بعد ذلك، كرر الخطوتين 5.1.2.1 و 5.1.2.2 ولكن حدد شكل المستطيل لعزل المقطع المتنقل البارز من الصندوق.
1. حدد خيار Mask Region ، واختر شكل المستطيل ، وحدد الحافة الحمراء للجزء لاستبعاد هذا اللون أثناء التحديد ، وانقر فوق Ok.
2. انقر فوق استخراج الألوان | اللون إلى ثنائي. عند استخدام أيقونة القائمة المنسدلة، انقر فوق اختيار.
3. انقر عدة مرات على منطقة الدودة لاستخراج اللون. يتم تأكيد التحديد الناجح عند ظهور تمييز أصفر في المنطقة المحددة ، كما هو موضح في الشكل 10.
4. قم بتعيين شروط الحكم بحد أقصى = 1 والحد الأدنى = 0.
شروط الحكم على العتاد الدودي
ملاحظة: لتقييم ميزة اكتشاف الألوان للترس الدودي ، من الضروري تكرار الخطوات الواردة في الخطوة 5.1.1.1 ، وضمن الفئة العدد ، حدد الدالة نظام المجموعة . يجب تسجيل صورة مرجعية جديدة بالألوان التي تهدف الأداة إلى اكتشافها، كما هو موضح في الخطوة 5.1.1.2. بعد ذلك ، كرر الخطوتين 5.1.2.1 و 5.1.2.2 ، مع اختلاف أنه يجب تحديد شكل الدائرة لعزل جزء من الترس الدودي البارز من الصندوق.
1. حدد خيار Mask Region ، واختر شكل المستطيل ، وحدد الحافة الحمراء للجزء لاستبعاد هذا اللون أثناء التحديد. انقر فوق موافق.
2. انقر فوق استخراج الألوان | اللون إلى ثنائي. انقر فوق أيقونة القطارة وحدد خيار الاختيار.
3. في شكل الترس الدودي ، انقر عدة مرات لاستخراج اللون المطلوب. يتم تأكيد التحديد الصحيح عند ظهور تراكب أصفر فوق المنطقة المحددة.
4. قم بتعيين شروط الحكم بحد أقصى = 1 والحد الأدنى = 0.
  ملاحظة: يجب تكرار الخطوتين 6.1 و 6.2 لجميع مجموعات الألوان لصندوق التروس الدودي.

الشكل 10: التعرض المفرط للدودة. يكتشف نظام الرؤية المغزل. يتم تأكيد التحديد الناجح عندما يبرز إطار أصفر المنطقة المحددة. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

7. إعداد الكاميرا وشروط البرامج للتشغيل

قم بتمكين واجهة برنامج محاكاة سلسلة CV-X من الكمبيوتر وقم بتنشيط الوضع تبديل إلى وضع التشغيل. ثم حدد أيقونة الأداة المساعدة وانقر فوق خيار شاشة الإدخال / الإخراج.
قم بتمكين المحطات الطرفية التي تربط وحدة التحكم في الكاميرا بوحدة التحكم cobot. في هذه الحالة، قم بتمكين أطراف OUT التالية: F_OUT3 (RUN)، OUT3 (CMD_READY)، OUT4 (READY1)
من واجهة البرنامج، حدد أيقونة الإخراج ، وفي قسم الحالة العامة ، قم بتمكين جميع الأدوات التي تم إنشاؤها في الأقسام 4 و5 و6.

8. الحصول على نتائج المحاكاة

ملاحظة: عندما يكتشف مستشعر الحركة المنتج ، يتوقف الحزام الناقل ويتم التقاط صورة لتنفيذ عملية الفحص باستخدام المعلمات المنصوص عليها في الأقسام 4 و 5 و 6.

قم بتمكين واجهة البرنامج من الكمبيوتر وقم بتنشيط Switch to Run Mode. ثم حدد أيقونة الأداة المساعدة وانقر على خيار الإحصائيات . اختر نوع الرسم البياني المراد مراجعته، على سبيل المثال، الرسم البياني للاتجاه أو الرسم البياني الذي يسمح بتحليل الجودة ويدعم اتخاذ القرار بناء على إدارة البيانات من قبل مدير العمليات الجديد (الشكل 11).

الشكل 11: اختيار التحكم في العملية الإحصائية. تشير المنطقة المميزة باللون الأحمر إلى الرمز الذي يجب تحديده للوصول إلى التحكم في العملية الإحصائية بعد تشغيل المحاكاة. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يقدم هذا المستند بروتوكولا للمحاكاة شبه الآلية لنموذج مصغر لعملية إنتاج باستخدام ذراع روبوتية تعاونية. يتم تقييم جودة المنتج النهائي من خلال نظام رؤية الكمبيوتر الذي يفحص الميزات الهامة للتجميع.

أداة أساسية لتحديد وتحليل الإخفاقات المحتملة في عملية الإنتاج هي التحكم في العمليات الإحصائية (SPC) ، والتي تعتمد على تطبيق الأساليب الإحصائية التي تهدف إلى مراقبة العملية والتحكم فيها ، وبالتالي ضمان الأداء الأمثل ومطابقة المنتج. هدفها الأساسي هو الحفاظ على استقرار العملية ويمكن التنبؤ بها ، وتعظيم إن...

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

في السوق العالمية التنافسية اليوم ، يعد التحسين المستمر والقدرة على التكيف أمرا ضروريا للشركة للحفاظ على قدرتها التنافسية وضمان بقائها. لذلك ، من الأهمية بمكان تجاوز توقعات العملاء من خلال تقديم منتجات عالية الجودة باستمرار في الوقت المحدد وبتكاليف تنافسية²⁹.

تمثل المحاكاة المتدرجة لعمليات الإنتاج ، باستخدام التقنيات المتقدمة مثل الأذرع الروبوتية التعاونية وأنظمة الرؤية الاصطناعية ، أداة قيمة لتحديد مجالات التحسين والاستجابة لمتطلبات ال...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

ليس لدى المؤلفين أي تضارب في المصالح للإفصاح عنه.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يتم دعم هذه المقالة من قبل المعهد الوطني للفنون التطبيقية (Instituto Politécnico Nacional) في المكسيك من خلال المشروع رقم 20250776 ، الممنوح من قبل أمانة البحوث والدراسات العليا (Secretaría de Investigación y Posgrado) ، Secretaría de Science ، Humanidades ، Tecnología e Innovación (SECIHTI). تم تلقي دعم إضافي من خلال المنحة الدراسية الممنوحة مع CVU 1145035 من قبل Secretaría de Ciencia و Humanidades و Tecnología e Innovación (SECIHTI). علاوة على ذلك ، يتم دعم هذه المقالة أيضا من قبل جامعة متروبوليتان المستقلة (Universidad Autónoma Metropolitana) في المكسيك من خلال المشروع SI004-20. أيضا ، هذا البحث هو جزء من 2025 دعوة لمشاريع التعاون بين المؤسسات IPN-UAM-UAEMÉX ، في إطار Project Desarrollo de una Aplicación de Inteligencia Artificial para el seguimiento de contaminantes, salud, y Análisis de Factores Determinantes para el Estado de México.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
Name	Company	Catalog Number	Comments
الذراع التعاوني الروبوتي	يونيفرسال روبوت	طراز UR3 (CB-3 UR3)
السير الناقل	Gamalier		حزام ناقل بقياس 30 × 150 سم
المستشعر الكهروضوئي	عمرون	E3F2-DS10B4-N
نظام الرؤية	كينس	CV-X-300

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Broday, E. E. The evolution of quality: from inspection to quality 4.0. Int J Qual Serv Sci. 14 (3), 368-382 (2022).
Galindo-Salcedo, M., Pertúz-Moreno, A., Guzmán-Castillo, S., Gómez-Charris, Y., Romero-Conrado, A. R. Smart manufacturing applications for inspection and quality assurance processes. Procedia Comput Sci. 198, 536-541 (2022).
Colgate, J. E., Wannasuphoprasit, W., Peshkin, M. A. Cobots: robots for collaboration with human operators. Proc Inst Mech Eng C Mech Eng Sci. 58, 433-439 (1996).
Fournier, É, et al. Human-cobot collaboration's impact on success, time completion, errors, workload, gestures and acceptability during an assembly task. Appl Ergon. 119, 104306(2024).
Matheson, E., Minto, R., Zampieri, E. G., Faccio, M., Rosati, G. Human-robot collaboration in manufacturing applications: a review. Robotics. 8 (4), 100(2019).
Gualtieri, L., Rauch, E., Vidoni, R. Emerging research fields in safety and ergonomics in industrial collaborative robotics: a systematic literature review. Robot Comput Integr Manuf. 67, 101998(2021).
Rasheed, R., Sathya, R., Vaishali, V., Balavedhaa, S., Nagarajan, J. Industry 5.0: enhancing human-robot collaboration through collaborative robots: a review. In 2023 2nd International Conference on Advancements in Electrical, Electronics, Communication, Computing and Automation. , 1-6 (2023).
Prassida, G. F., Asfari, U. A conceptual model for the acceptance of collaborative robots in Industry 5.0. Proc Comput Sci. 197, 61-67 (2022).
Patil, S., Vasu, V., Srinadh, K. V. Advances and perspectives in collaborative robotics: a review of key technologies and emerging trends. Discov Mech Eng. 2, 13(2023).
Gómez-Hernández, J., Gutiérrez-Hernández, J., Jimeno-Morenilla, A., Sánchez-Romero, J., Fabregat-Periago, M. Development of an integrated robotic workcell for automated bonding in footwear manufacturing. IEEE Access. 12, 5066-5080 (2024).
Reinhart, G. CIRP Encyclopedia of Production Engineering. , 1st ed, Springer. (2014).
Tsai, D. M., Wu, S. C., Chiu, W. Y. Defect detection in solar modules using ICA basis images. IEEE Trans Ind Inf. 9 (1), 122-131 (2012).
Chaabani, A., Cherif, R., Yaddaden, Y. Automating quality control: real-time defect detection and automated decision-making with AI and Doosan Robotics. Int J Intell Robot Appl. , https://www.researchsquare.com/article/rs-4823989/v1 (2025).
Can end inspection using neuro-fuzzy modeling. Marino, P., Pastoriza, V., Santamaría, M., Martínez, E. In IEEE Conference on Cybernetics and Intelligent Systems, 2, 926-930 (2004).
Magalhaes, P., Ferreira, N. Inspection application in an industrial environment with collaborative robots. Automation. 3 (2), 258-268 (2022).
Puttero, S., Verna, E., Genta, G., Galetto, M. Collaborative robots for quality control: an overview of recent studies and emerging trends. J Intell Manuf. , (2025).
Salas-Arias, K. M., Madriz-Quirós, C. E., Sánchez-Brenes, O., Sánchez-Brenes, M., Hernández-Granados, J. B. Factores que influyen en errores humanos en procesos de manufactura moderna. Tecnol En Marcha. 31 (1), 22(2018).
Balazikova, M., Kotianova, Z. Human reliability analysis in acetylene filling operations: risk assessment and mitigation strategies. Appl Sci. 15 (8), 4558(2025).
Fager, P., Calzavara, M., Sgarbossa, F. Kit preparation with cobot-supported sorting in mixed model assembly. IFAC-Pap. 52 (13), 1878-1883 (2019).
Kumar, R., Patil, O., Nath, K., Sangwan, K. S., Kumar, R. A machine vision-based cyber-physical production system for energy efficiency and enhanced teaching-learning using a learning factory. Procedia CIRP. 98, 424-429 (2021).
Kragic, D., Gustafson, J., Karaoguz, H., Jensfelt, P., Krug, R. Interactive collaborative robots: challenges and opportunities. IJCAI. , 18-25 (2018).
Brazo Robótico UR3E. , Universal Robots. https://www.universal-robots.com/es/productos/robot-ur3/ (2025).
Sistema de visión de fácil programación - Serie CV-X. , KEYENCE México. https://www.keyence.com.mx/products/vision/vision-sys/cv-x100/ (2025).
Chen, K., Yu, K., Sheu, S. Process capability monitoring chart with an application in the silicon-filler manufacturing process. Int J Prod Econ. 103 (2), 565-571 (2006).
Deleryd, M., Vännman, K. Process capability plots: a quality improvement tool. Qual Reliab Eng Int. 15, 213-227 (1999).
Chen, K. S., Li, F. C., Lai, K. K., Lin, J. M. Green outsourcer selection model based on confidence interval of PCI for SMT process. Sustainability. 14, 16667(2022).
Boyles, R. A. The Taguchi capability. J Qual Technol. 23, 17-26 (1991).
Franco-Santo, M., et al. Towards a definition of a business performance measurement system. Int J Oper Prod Manag. 27 (8), 784-801 (2007).
Madanhire, I., Mbohwa, C. Application of statistical process control (SPC) in manufacturing industry in a developing country. Procedia CIRP. 40, 580-583 (2016).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

محاكاة عملية تجميع متدرجة بالتعاون مع ذراع روبوتية ومراقبة من خلال نظام رؤية لمراقبة الجودة

In This Article

Summary

Abstract

Introduction

Protocol

Results

Discussion

Disclosures

Acknowledgements

Materials

References

Reprints and Permissions

Tags

Related Articles