通过机械臂协作模拟规模化装配过程，并通过视觉系统进行质量控制监控

Summary

在这里，我们提出了一种协议，通过协作机器人的协作和通过计算机视觉系统进行质量控制的验证，用于模拟和监控规模化的半自动装配过程。

Abstract

该协议描述了用于组装教育蜗轮组的规模化生产线的半自动模拟，使用协作机械臂和计算机视觉系统通过评估两个主要标准来监控产品质量：形状和颜色。本研究的目的是根据客户规格生成一致且可靠的数据，以评估工艺的能力、稳定性和符合性。该协议提供了一个清晰的方法框架，用于通过统计过程控制（SPC）收集和分析关键指标，使用能力指数，如过程能力（Cp）、为居中调整的过程能力指数（Cpk）、上层过程能力（Cpu）和下层过程能力（Cpl），以及直方图和控制图等图形工具。这些能够识别关键产品特性的偏差和趋势。形状评估结果表明，自动化过程处于统计控制之下，尽管有接近规格上限的趋势，这表明需要调整过程均值。相比之下，颜色评估显示更大的可变性、低能力 （Cpk = 0.539） 和超出控制的点，表明不稳定性需要立即采取纠正措施。基于这些发现，建议采取纠正措施来减少颜色变异性，例如更严格地控制输入、标准化照明条件以及审查作方法。总的来说，结果强调了将自动化技术与 SPC 等统计工具相结合以识别关键偏差、优化流程并确保产品符合性的重要性。自动化和统计分析之间的协同作用构成了在日益苛刻的工业环境中保持竞争力的关键支柱。此外，该协议为在实际生产线中实施改进提供了坚实的基础。

Introduction

工业流程自动化的快速发展导致了制造系统的重大转变。这种演变显着改善了关键领域，包括运营效率、成本节约、流程标准化和产品质量优化¹。在此背景下，技术进步推动了更复杂和更专业的解决方案的实施，能够满足日益敏捷、精确和适应性强的生产需求²。

这个新工业时代最重要的进步之一是协作机器人（称为协作机器人）的结合。这些设备代表了传统工业机器人的演变，因为它们旨在在共享环境中与人类操作员一起安全高效地工作 ^3,4,5。它们的协作性质不仅增强了生产过程的灵活性，还提高了作的安全水平，因为它们配备了先进的传感器，可实现受控交互和环境意识⁶。

在鼓励智能自动化与人类贡献和谐融合的工业 5.0 框架内，协作机器人正在成为推进以人为本的制造的重要工具⁷.这些系统不是取代工人，而是通过高精度高效处理重复性任务并灵活调整生产环境中的轮班来提高他们的技能⁸，从而促进更加集成和有效的工作模式。

它们的多功能性使其能够应用于各个行业，例如汽车装配、物流、鞋类制造、医疗设备等，有助于提高生产率和工艺质量 ^9,10。这种协作动态重新定义了生产系统，并在培训、技术调整和流程重新设计方面提出了新的挑战⁷。

在此背景下，本文描述了围绕一套教育蜗轮开发的缩小装配线的设计和实施。这种类型的生产线代表了工业生产线的简化和功能版本，旨在以教学目的，以受控方式模拟真实制造环境的典型流程、流程和作¹¹。

它是一种物理和作设置，可以清楚地观察生产动态、测试自动化技术以及应用质量保证方法，同时最大限度地降低与工业工厂直接实验相关的风险和成本。这种方法为协作机器人和视觉系统等解决方案提供了有价值的教育工具和初步验证平台，支持自动化、持续改进和运营效率方面的战略决策¹¹。

协作机器人成功自动化和集成的一个关键因素是实施基于视觉的质量控制系统。视觉系统配备高分辨率摄像头，使协作机器人能够准确感知和解释周围环境，为物体识别、异常检测和自主导航提供详细的视觉数据¹²。在某些情况下，这些系统可以作为完整的解决方案发挥作用，而在其他情况下，它们可以定制以组合工作。

此类协作机器人最重要的应用之一是质量控制，这些系统能够及早发现生产线上的缺陷。实时异常检测可以及时清除有缺陷的零件，从而避免与返工、材料浪费或客户投诉相关的成本¹³。这种连续和无创检测的能力确保了产品质量的更大一致性并增强了过程可追溯性。

这些技术的系统集成使协作机器人能够有效地感知、理解周围环境并做出反应，从而增强其自主性和作性能¹⁴。

最近的研究表明，使用摄像头和协作机器人进行质量控制的结合不仅可以减少人为错误，还可以提高过程可靠性，提高关键装配和验证任务的精度¹⁵。这种协同作用实现了更高水平的控制、适应性和效率，这在以大规模定制和按需生产为特征的现代工业环境中至关重要¹⁶。

这些技术的使用需要一种全面的方法，包括持续的实时数据监控和使用质量指数来做出明智的决策。统计过程分析等工具为持续改进提供了强大的平台，确保公司能够适应市场变化并长期保持高水平的竞争力¹⁶.

在规模化的装配线上实施半自动协作机器人和计算机视觉系统，与传统的手动和全自动质量控制方法相比具有显着优势。与人工检查不同，人工检查严重依赖于操作员的感知、经验和身体状况因素，这些因素可能会因疲劳或长时间的工作条件而导致错误¹⁷，这种方法通过消除人为变异性来确保一致、客观和精确的评估¹⁸。

与全自动机器人检测系统不同，全自动机器人检测系统通常僵化且适应成本高昂，协作机器人具有更大的灵活性，这要归功于其演示学习能力和易于重新编程¹⁹，这在产品可变性高的环境中特别有用。此外，通过集成计算机视觉，该系统显着提高了视觉检查的准确性，并能够检测在人工审查中可能被忽视的缺陷¹⁰。与孤立的解决方案不同，它结合了感知和行动，因为协作机器人会对检测到的偏差做出实时响应。

另一个主要区别是这条规模化装配线提供的教学和培训方法：除了验证技术流程外，它还有助于对操作员进行数字和工业技能培训，让工人做好应对工业 5.0^20,21 挑战的准备。

本文探讨了使用协作机器人 UR3²² 与 CV-X 视觉系统²³ 的自动化装配过程的集成。组装的产品是一个名为KanbUAMito的比例工业模型，这是一种“蜗轮教育套装”，代表由蜗杆和蜗轮组成的传动系统，也称为减速器，如图1所示。该型号具有六种不同的配置，详见表 1。

图 1：Kanbuamito 器件的组件。 构成要组装的最终产品的不同组件。 请点击此处查看此图的大图。

最终产品	蠕虫	蜗轮	盒子（盖子和底座）
CE1	灰色	红	红
CE2	白	灰色	红
CE3	红	白	红
CE4	红	灰色	红
中5	灰色	白	红
CE6	白	红	红

表 1：要组装的产品的可能组合。 最终产品的不同组合，根据构成它的各种组件中使用的颜色而有所不同。

本研究强调了这种技术集成对提高运营效率、早期缺陷检测和产品质量一致性的影响。此外，它还分析了在工业 5.0 框架内实施其战略影响，强调人类、协作机器人和智能系统之间的协作如何加强持续改进战略的制定，重点是生产流程的灵活性、定制性和可持续性。

Protocol

本文档概述了旨在使用协作机械臂半自动复制规模化生产过程的模拟协议。监控该过程以验证装配是否已正确完成或是否包含错误。该协议分为两个主要阶段：i）在机械臂的支持下执行进行组装所需的作（第1-3节）;ii） 用于监控和验证组装组件的计算机视觉系统的配置（第 4-8 节）。

1、初始装配条件

1. 激活执行协议所需的设备，详见 材料表。
   注意：该协议在分布式装配线上执行，如 图 2 所示。
2. 按照 图 3 所示的布局，在补货托盘上组织组装所需的零件。

图 2：装配线布局。 装配线由四个主要部分组成：（A）产品装配过程发生的区域;（B）组装完成后运输工件的传送带;（C） 安装负责检查最终产品质量的视觉系统的区域;（D） 为分析人员解释通过视觉系统获得的结果指定的空间。 请点击此处查看此图的大图。

图 3：组装件的初始布局。 在开始组装过程之前必须放置构成产品的组件的初始布置。 请点击此处查看此图的大图。

2、协作机器人的编程与作

1. 协作机器人的编程
   1. 将机械臂放置在其初始位置。使用以下坐标： X = 465.84 mm、Y = 71.87 mm 和 Z =-308.31 mm。
   2. 根据 图 4 所示的树形图输入编程顺序。
2. 自动组装
   1. 等待协作机器人开始组装顺序，拿起盒子的底部并将其移动到组装点。
      注意：机械臂的最大有效载荷能力为 3 kg，并保持一致的精度为 0.03 mm。使用协作夹持器，可以根据装配过程中涉及的每个部件的尺寸调整施加的力和闭合距离。
   2. 接下来，协作机器人拾取蠕虫并将其放置在组件内的相应位置。
   3. 然后机器人拿起蜗轮并将其组装在盒子顶部。
      注意： 这种组装方法旨在防止蜗轮破损或损坏。便于操作员的作，并有助于提高装配过程的质量。
   4. 这些子组件完成后，等待机械臂将它们转移到手动组装区域，操作员将在那里继续该过程（图 5）。
3. 手动组装
   1. 在手动装配区域中，让操作员拿起如 图 6 所示放置的子装配，并按照 图 7 中详述的作顺序执行装配。
   2. 手动组装完成后，确保组装好的部件垂直放置在托盘上，确保蜗杆朝后（图 8）。

图 4：协作机器人编程序列。 必须加载到协作机器人中的指令顺序。（甲、乙）分别是编程序列的第一部分和第二部分。 请点击此处查看此图的大图。

图 5：协作机器人在自动装配中的运动顺序。 协作机器人执行以下一系列动作：（A）拿起底座并将其放在夹具上;（B）然后拿起主轴并将其定位在底座上;（C） 将盖子定位在夹具上，然后定位齿轮;（D） 最后将组装好的底座和齿轮放在夹具上，以便后续手动组装。 请点击此处查看此图的大图。

图 6：手动组装的操作员拾取点。 在操作员开始手动装配之前必须放置已完成子装配的布局。（A） 将部件 1 放置在该区域中，（B） 在此区域中，将部件 2 定位。 请点击此处查看此图的大图。

图 7：手动组装作顺序。 操作员执行以下作顺序：（A） 拾取子组件 2，（B） 拾取子组件 1，（C） 将子组件 2 定位在子组件 1 的顶部，（D） 按下两个组件以关闭设备，以及 （E） 将最终产品放在夹具上。 请点击此处查看此图的大图。

图 8：夹具上的最终产品。 最终产品在运输到传送带之前必须放置在夹具上的正确位置。 请点击此处查看此图的大图。

3. 输送到传送带

1. 定位协作机器人以抓住完成的组件。
2. 固定好后，让协作机器人将最终产品转移到传送带上，尽可能靠近传感器，以便视觉相机对其进行检查。
   注意：组装步骤 3.1-3.4 对应于 图 4 中以红色突出显示的编程顺序。

4. 相机和软件的初始条件

1. 启用计算机CV-X系列仿真软件的界面，激活 配置模式 ，编辑检测工具。
2. 在左上角，点击相机设置选项，选择CA-035C型号，逐行模式下分辨率为640 x 418，灵敏度设置为2.4，快门速度为1/15毫秒，启用闪光灯1，选择DC40E照明型号，最后点击确定（图9）。
   注意：相机提供两种逐行扫描分辨率：512 x 418 和 640 x 418 像素。选择更高的分辨率是为了更好的适应性和图像质量。灵敏度设置为 2.4（在 1 到 7 的范围内）以保持良好的图像质量，避免在更高的灵敏度下降低清晰度。快门速度为 1/15 毫秒，缓慢以允许光线进入，非常适合弱光条件。

图 9：视觉系统的初始条件。 必须在视觉系统中配置的初始参数。这些设置中的每一个都以红色突出显示，以便于识别。 请点击此处查看此图的大图。

5. 功能评估

1. 蜗杆形状特征的评估
   1. 工具设置和图像注册参考
      1. 在界面中，启用 添加工具（Add Tools） 选项，然后从 函数列表（Function List） 类别中选择 ShapeTrax3 函数，然后单击 添加（Add）。
      2. 选择该工具后，它将提示注册参考图像（参考图像对应于构建良好的图像）。为此，请单击右上角的“ 参考图像” 图标，然后选择 “注册图像” 并单击 “执行” 以捕获图像。接下来，选择图像格式 BMP 并单击 保存。
         注意：在这一点上，一个好的部分被定义为，一旦盒子组装好，蜗杆就会从盒子的左上角突出。
   2. 蠕虫参数配置
      1. 选择 搜索区域 选项;将出现一个蓝色框，用于定义搜索区域。选择 确定。确认此蓝色框覆盖了在步骤 5.1.1.2 中选择的部件的图像。
      2. 选择 “图案区域” 选项以调整图案区域并实现与参考的最大相似性。为此，请选择 多边形 形状，勾勒零件的周长，然后选择 确定。
   3. 蠕虫的判断条件
      1. 在判断条件选项中，设置匹配百分比，最大限制 = 99.99%，最小限制 = 70%，然后选择确定。
2. 蜗轮形状特性的评估
   注意： 要评估蜗轮的形状特性，请重复步骤 5.1 和 5.1.2.1。
   1. 蜗轮参数配置
      1. 选择 图案区域 调整图案区域并实现与参考图像的最大相似度的选项。为此，请选择形状 圆，标记蜗轮的周长，然后选择 确定.
   2. 蜗轮的判断条件
      1. 在判断条件选项中，选择计数模式，将最小值和最大值的限制设置为 1，然后单击确定。
3. 蜗杆和蜗轮位置特性的评估
   注意：要评估位置特性，请重复步骤 5.1.1，然后在 位置调整 类别中，选择 轮廓位置 功能。
   1. 产品参数配置
      1. 按照步骤 5.2.1.1 进行作，但这次选择矩 形 形状。
   2. 产品的判断条件
      1. 将最大限制设置为 99.99%，将最小限制设置为 60%。

6. 颜色检测

1. 蠕虫的判断条件
   注意：要评估蠕虫的颜色检测功能，需要重复步骤 5.1.1.1 的步骤，并在 Count 类别中选择 Cluster 功能。还必须使用步骤 5.1.1.2 注册新的参考图像，特别是包括工具将检测到的颜色。然后，重复步骤 5.1.2.1 和 5.1.2.2，但选择矩 形 形状以隔离从盒子中突出的蜗杆段。
   1. 选择“ 蒙版区域 ”选项，选择“ 矩形” 形状，勾勒出零件的红色边缘以在选择过程中排除此颜色，然后单击 “确定”。
   2. 单击提取颜色 |颜色到二进制。使用下拉图标时，单击选择。
   3. 在蠕虫区域上单击数次以提取颜色。当所选区域出现黄色突出显示时，确认选择成功，如 图 10 所示。
   4. 设置 最大限制 = 1 和 最小限制 = 0 的判断条件。
2. 蜗轮的判断条件
   注意：要评估蜗轮的颜色检测功能，需要重复步骤 5.1.1.1 中的步骤，并在 “计数”类别下选择 “集群 ”功能。必须使用工具要检测的颜色注册新的参考图像，如步骤 5.1.1.2 中所述。然后，重复步骤 5.1.2.1 和 5.1.2.2，不同之处在于应选择 圆形 以隔离从盒子中突出的蜗轮段。
   1. 选择“ 蒙版区域” 选项，选择“ 矩形” 形状，然后勾勒出零件的红色边缘以在选择过程中排除此颜色。单击 确定。
   2. 单击提取 颜色 |颜色到二进制。单击 吸管图标 并选择“选择”选项。
   3. 在蜗轮图中，单击几次以提取所需的颜色。当所选区域上出现黄色覆盖层时，确认正确选择。
   4. 设置 最大限制 = 1 和 最小限制 = 0 的判断条件。
      注意： 对于蜗轮蜗杆箱的所有颜色组合，必须重复步骤 6.1 和 6.2。

图 10：蠕虫过度暴露。 视觉系统检测主轴。当黄色框突出显示所选区域时，确认选择成功。 请点击此处查看此图的大图。

7、相机和软件作条件的准备

1. 从计算机启用程序 CV-X 系列仿真软件 的界面并激活模式 切换到运行模式。然后，选择 实用程序图标 并单击 I/O 监视器选项。
2. 启用将相机控制器连接到协作机器人控制器的端子。在这种情况下，请启用以下 OUT 端子： F_OUT3 （RUN）、OUT3 （CMD_READY）、OUT4 （READY1）
3. 在软件界面中，选择 输出图标 ，然后在总体 状态 部分中，启用第 4、5 和 6 节中建立的所有工具。

8. 模拟结果的获取

注意：当运动传感器检测到产品时，传送带停止并拍摄照片，以使用第 4、5 和 6 节中确定的参数进行检查过程。

1. 从计算机启用软件界面并激活 切换到运行模式。然后，选择 实用程序图标 并单击 统计 选项。选择要查看的图形类型，例如趋势图或直方图，这样可以进行质量分析，并支持新流程管理器基于数据管理的决策（图 11）。

图 11：统计过程控制的选择。 以红色突出显示的区域表示在模拟运行后要选择访问统计过程控制的图标。 请点击此处查看此图的大图。

Results

本文档介绍了一种使用协作机械臂对生产过程的缩放模型进行半自动模拟的协议。最终产品的质量通过检查组件关键特征的计算机视觉系统进行评估。

识别和分析生产过程中潜在故障的重要工具是统计过程控制 （SPC），它基于旨在监测和控制过程的统计方法的应用，从而确保最佳性能和产品一致性。其主要目标是保持工艺稳定和可预测，最大限度地提高符合规格的零件的产量，同时最大限度地减少浪费²⁴。

作为初步步骤，过程的质量评估需要定义标称值和公差范围，因为规格可能因产品类型而异。为了量化这种能力，量化这种能力最常用的指标之一是工艺能力指数 （PCI），其中包括 Cp（工艺能力）、Cpk（为居中调整的工艺能力指数）、Cpu（上层工艺能力）和 Cpl（下层工艺能力）等指标。这些指标有助于确定一个过程是否能够始终满足既定要求 25,26,27。

Discussion

在当今竞争激烈的全球市场中，持续改进和适应能力对于企业保持竞争力和生存至关重要。因此，通过始终如一地按时以具有竞争力的成本交付优质产品来超越客户期望至关重要²⁹.

使用协作机械臂和人工视觉系统等先进技术对生产过程进行大规模模拟，是确定需要改进的领域和响应当前市场需求的宝贵工具。该半自动系统将协作机器人与人工视觉相结合，在规模化的装配线中，与传统的手动和全自动质量控制方法相比具有明显的优势。人工检查严重依赖于感知和疲劳等人为因素，这可能导致结果不一致^17,18。相比之下，这种方法提供了连续、客观和精确的评估，消除了人为的变异性。

与全自动机器人检测系统不同，全自动机器人检测系统往往僵化且适应成本高昂，协作机器人通过演示学习和易于重新编程提供更大的灵活性，允许快速调整而无需长时间停机

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
协作机械臂	环球机器人及nbsp;	UR3型号（CB-3 UR3）
输送带	加马利尔		一条尺寸为30 x 150厘米的传送带
光电传感器	奥姆龙	E3F2-DS10B4-N
视觉系统	钥匙	CV-X-300