Method Article

סימולציה של תהליך הרכבה מורחב בשיתוף זרוע רובוטית וניטור באמצעות מערכת ראייה לבקרת איכות

DOI:

10.3791/68888

⸱

August 29th, 2025

 ,  ,  , 
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

In This Article

Summary

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

כאן, אנו מציגים פרוטוקול לסימולציה וניטור של תהליך הרכבה חצי אוטומטי בקנה מידה, באמצעות שיתוף פעולה של רובוט שיתופי ואימות באמצעות מערכת ראייה ממוחשבת לבקרת איכות.

Abstract

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

פרוטוקול זה מתאר סימולציה חצי אוטומטית של פס ייצור מורחב להרכבת סט ציוד תולעת חינוכי, תוך שימוש בזרוע רובוטית שיתופית ומערכת ראייה ממוחשבת לניטור איכות המוצר על ידי הערכת שני קריטריונים עיקריים: צורה וצבע. מטרת מחקר זה היא להפיק נתונים עקביים ואמינים כדי להעריך את היכולת, היציבות וההתאמה של התהליך בהתאם למפרט הלקוח. הפרוטוקול מספק מסגרת מתודולוגית ברורה לאיסוף וניתוח מדדי מפתח באמצעות בקרת תהליכים סטטיסטית (SPC), תוך שימוש במדדי יכולת, כגון יכולת תהליך (Cp), מדד יכולת תהליך מותאם לריכוז (Cpk), יכולת תהליך עליונה (CPU) ויכולת תהליך תחתון (Cpl), וכלים גרפיים כגון היסטוגרמות ותרשימי בקרה. אלה מאפשרים זיהוי סטיות ומגמות במאפייני מוצר קריטיים. תוצאות הערכת הצורה מצביעות על כך שהתהליך האוטומטי נמצא בשליטה סטטיסטית, אם כי עם נטייה לגבול המפרט העליון, מה שמרמז על הצורך להתאים את ממוצע התהליך. לעומת זאת, הערכת הצבע מגלה שונות גדולה יותר, יכולת נמוכה (Cpk = 0.539), ונקודות מחוץ לשליטה, מה שמעיד על חוסר יציבות הדורש פעולות מתקנות מיידיות. על סמך ממצאים אלה, מומלץ ליישם פעולות מתקנות להפחתת שונות הצבעים, כגון בקרה קפדנית יותר על תשומות, סטנדרטיזציה של תנאי תאורה וסקירת שיטות הפעלה. באופן כללי, התוצאות מחזקות את החשיבות של שילוב טכנולוגיות אוטומטיות עם כלים סטטיסטיים כגון SPC כדי לזהות סטיות קריטיות, לייעל תהליכים ולהבטיח התאמה למוצר. סינרגיה זו בין אוטומציה לניתוח סטטיסטי מהווה עמוד תווך מרכזי לשמירה על תחרותיות בסביבות תעשייתיות תובעניות יותר ויותר. בנוסף, פרוטוקול זה מספק בסיס איתן ליישום שיפורים בקווי ייצור אמיתיים.

Introduction

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

התקדמות מהירה של אוטומציה בתהליכים תעשייתיים הובילה לשינוי משמעותי במערכות הייצור. התפתחות זו שיפרה משמעותית תחומים קריטיים, כולל יעילות תפעולית, חיסכון בעלויות, סטנדרטיזציה של תהליכים ואופטימיזציה של איכות המוצר1. בהקשר זה, ההתקדמות הטכנולוגית הניעה את היישום של פתרונות מורכבים ומיוחדים יותר, המסוגלים לעמוד בדרישותשל ייצור זריז, מדויק ומסתגל יותר ויותר.

אחת ההתקדמות המשמעותית ביותר בעידן התעשייתי החדש הזה היא שילוב רובוטים שיתופיים, הידועים כקובוטים. מכשירים אלה מייצגים אבולוציה של רובוטיקה תעשייתית מסורתית, מכיוון שהם נועדו לעבוד בבטחה וביעילות לצד מפעילים אנושיים בסביבות משותפות 3,4,5. האופי השיתופי שלהם לא רק משפר את הגמישות של תהליכי הייצור אלא גם מגביר את רמות הבטיחות בתפעול, מכיוון שהם מצוידים בחיישנים מתקדמים המאפשרים אינטראקציה מבוקרת ומודעות סביבתית6.

במסגרת Industry 5.0, המעודדת שילוב הרמוני של אוטומציה חכמה ותרומה אנושית, קובוטים הופכים לכלים חיוניים לקידום ייצור ממוקד אדם7. במקום להחליף עובדים, מערכות אלו נועדו להגדיל את כישוריהם על ידי טיפול יעיל במשימות שחוזרות על עצמן בדיוק גבוה והתאמה גמישה לשינויים בסביבת הייצור8, ובכך לטפח מודל עבודה משולב ויעיל יותר.

הרבגוניות שלהם מאפשרת ליישם אותם בתעשיות שונות, כגון הרכבת רכב, לוגיסטיקה, ייצור הנעלה, מכשור רפואי ועוד, שם הם תורמים לשיפור הפרודוקטיביות ואיכות התהליך 9,10. דינמיקה שיתופית זו הגדירה מחדש את מערכות הייצור ומציבה אתגרים חדשים במונחים של הכשרה, התאמה טכנולוגית ועיצוב מחדש של תהליכים7.

בהקשר זה, מאמר זה מתאר את התכנון והיישום של פס ייצור מוקטן שפותח סביב סט חינוכי של גלגלי שיניים תולעים. סוג זה של קו מייצג גרסה מצומצמת ופונקציונלית של פס ייצור תעשייתי, שתוכנן למטרות דידקטיות כדי לדמות, בצורה מבוקרת, את התהליכים, הזרימות והפעולות האופייניות לסביבת ייצור אמיתית11.

זהו מערך פיזי ותפעולי המאפשר התבוננות ברורה בדינמיקת הייצור, בדיקת טכנולוגיות אוטומטיות ויישום מתודולוגיות אבטחת איכות תוך מזעור הסיכונים והעלויות הכרוכים בניסויים ישירים במפעלי תעשייה. גישה זו מספקת כלי חינוכי רב ערך ופלטפורמת אימות ראשונית לפתרונות כגון רובוטים שיתופיים ומערכות ראייה, התומכת בקבלת החלטות אסטרטגיות באוטומציה, שיפור מתמיד ויעילות תפעולית11.

גורם מפתח לאוטומציה ושילוב מוצלחים של קובוטים הוא הטמעת מערכות בקרת איכות מבוססות חזון. מצוידות במצלמות ברזולוציה גבוהה, מערכות ראייה מאפשרות לרובוטים שיתופיים לתפוס ולפרש במדויק את סביבתם, ומספקות נתונים חזותיים מפורטים לזיהוי אובייקטים, זיהוי אנומליות וניווט אוטונומי12. במקרים מסוימים, מערכות אלו מתפקדות כפתרונות מלאים, בעוד שבמקרים אחרים, ניתן להתאים אותן לעבודה בשילוב.

אחד היישומים החשובים ביותר של רובוטים שיתופיים מסוג זה הוא בקרת איכות, כאשר מערכות אלו מאפשרות זיהוי מוקדם של פגמים בקווי הייצור. זיהוי חריגות בזמן אמת מאפשר הסרה בזמן של חלקים פגומים, ובכך נמנע העלויות הכרוכות בעיבוד מחדש, בזבוז חומרים או תלונות לקוחות13. יכולת זו לבדיקה רציפה ולא פולשנית מבטיחה עקביות רבה יותר באיכות המוצר ומחזקת את עקיבות התהליכים.

האינטגרציה השיטתית של טכנולוגיות אלה מאפשרת לרובוטים שיתופיים לחוש, להבין ולהגיב ביעילות לסביבתם, ולשפר את האוטונומיה והביצועים התפעוליים שלהם14.

מחקרים אחרונים הראו כי השילוב של בקרת איכות באמצעות מצלמות ורובוטים שיתופיים לא רק מפחית טעויות אנוש אלא גם משפר את אמינות התהליך, ומגביר את הדיוק במשימות הרכבה ואימות קריטיות15. סינרגיה זו מאפשרת רמות גבוהות יותר של שליטה, יכולת הסתגלות ויעילות, החיוניות בסביבות תעשייתיות מודרניות המאופיינות בהתאמה אישית המונית וייצור לפי דרישה16.

השימוש בטכנולוגיות אלו מחייב גישה כוללת הכוללת ניטור נתונים רציף בזמן אמת ושימוש במדדי איכות כדי לאפשר קבלת החלטות מושכלת. כלים כגון ניתוח תהליכים סטטיסטיים מספקים פלטפורמה חזקה לשיפור מתמיד, ומבטיחים שחברות יכולות להסתגל לשינויים בשוק ולשמור על רמות גבוהות של תחרותיות בטווח הארוך16.

הטמעת קובוט חצי אוטומטי ומערכת ראייה ממוחשבת בפס ייצור מורחב מציעה יתרונות משמעותיים על פני שיטות בקרת איכות מסורתיות, ידניות ואוטומטיות לחלוטין. בניגוד לבדיקה ידנית, התלויה במידה רבה בתפיסה, בניסיון ובגורמי המצב הפיזי של המפעיל שעלולים להוביל לטעויות עקב עייפות או תנאי עבודה ממושכים17, גישה זו מבטיחה הערכה עקבית, אובייקטיבית ומדויקת על ידי ביטול השונות האנושית18.

בניגוד למערכות בדיקה רובוטיות אוטומטיות לחלוטין, שהן לרוב קשיחות ויקרות להתאמה, קובוטים מספקים גמישות רבה יותר הודות ליכולות הלמידה שלהם על ידי הדגמה וקלות התכנות מחדש19, שהיא שימושית במיוחד בסביבות עם שונות גבוהה של מוצרים. יתר על כן, על ידי שילוב ראייה ממוחשבת, המערכת משפרת משמעותית את דיוק הבדיקה החזותית ומאפשרת זיהוי פגמים שעלולים להיעלם מעיניהם בסקירות ידניות10. בניגוד לפתרונות מבודדים, הוא משלב תפיסה ופעולה, שכן הקובוט מגיב בזמן אמת לסטיות שזוהו.

הבדל מרכזי נוסף הוא הגישה הפדגוגית וההדרכה שמציע פס הייצור המורחב הזה: מעבר לאימות תהליך טכני, הוא גם מסייע להכשיר מפעילים במיומנויות דיגיטליות ותעשייתיות, ומכין את העובדים להתמודד עם האתגרים של Industry 5.020,21.

מאמר זה בוחן את האינטגרציה של תהליך הרכבה אוטומטי באמצעות רובוט שיתופי UR322, יחד עם מערכת ראייה CV-X23. המוצר המורכב הוא מודל תעשייתי בקנה מידה הנקרא KanbUAMito, "סט חינוכי לציוד תולעת" המייצג מערכת הילוכים המורכבת מתולעת וציוד תולעת, הידוע גם כמפחית מהירות כפי שמוצג באיור 1. דגם זה כולל שש תצורות שונות, המפורטות בטבלה 1.

איור 1
איור 1: רכיבים של התקן Kanbuamito. רכיבים שונים המרכיבים את המוצר הסופי להרכבה. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

מוצר סופיתולעתציוד תולעתקופסה (מכסה ובסיס)
CE1אָפוֹראדוםאדום
CE2לבןאָפוֹראדום
CE3אדוםלבןאדום
CE4אדוםאָפוֹראדום
CE5אָפוֹרלבןאדום
CE6לבןאדוםאדום

טבלה 1: שילובים אפשריים של המוצר להרכבה. שילובים שונים של המוצר הסופי, המשתנים בהתאם לצבעים המשמשים ברכיבים השונים המרכיבים אותו.

מחקר זה מדגיש את ההשפעה של אינטגרציה טכנולוגית זו על שיפור היעילות התפעולית, זיהוי מוקדם של פגמים ועקביות איכות המוצר. בנוסף, הוא מנתח את ההשלכות האסטרטגיות של יישומו במסגרת Industry 5.0, ומדגיש כיצד שיתוף פעולה בין בני אדם, רובוטים שיתופיים ומערכות חכמות יכול לשפר את הפיתוח של אסטרטגיות שיפור מתמיד המתמקדות בגמישות, התאמה אישית וקיימות של תהליכי ייצור.

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

Protocol

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

מסמך זה מתאר את פרוטוקול הסימולציה שנועד לשכפל באופן אוטומטי למחצה תהליך ייצור מורחב באמצעות זרוע רובוטית שיתופית. התהליך מנוטר כדי לוודא אם ההרכבה הושלמה כהלכה או מכילה שגיאות. הפרוטוקול בנוי משני שלבים עיקריים: א) ביצוע הפעולות הנדרשות לביצוע ההרכבה בתמיכת הזרוע הרובוטית (סעיפים 1-3); ii) תצורה של מערכת הראייה הממוחשבת המשמשת לניטור ואימות הרכיב המורכב (סעיפים 4-8).

1. מצב הרכבה ראשוני

  1. הפעל את הציוד הנדרש לביצוע הפרוטוקול, המפורט בטבלת החומרים.
    הערה: הפרוטוקול מתבצע בפס ייצור מבוזר כפי שמוצג באיור 2.
  2. ארגן את החלקים הדרושים להרכבה על מגש החידוש, בהתאם לפריסה המוצגת באיור 3.

איור 2
איור 2: פריסת פס ייצור. פס הייצור מורכב מארבעה חלקים עיקריים: (א) האזור בו מתרחש תהליך הרכבת המוצר; (ב) המסוע המוביל את היצירה לאחר השלמת ההרכבה; (ג) האזור שבו מותקנת מערכת הראייה האחראית לבדיקת איכות המוצרים הסופיים; ו-(ד) המרחב המיועד לאנליסט לפרש את התוצאות המתקבלות באמצעות מערכת הראייה. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

איור 3
איור 3: פריסה ראשונית של החלקים להרכבה. סידור ראשוני בו יש למקם את הרכיבים המרכיבים את המוצר לפני תחילת תהליך ההרכבה. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

2. תכנות ותפעול הרובוט השיתופי

  1. תכנות רובוט שיתופי
    1. מקם את הזרוע הרובוטית במיקומה הראשוני. השתמש בקואורדינטות הבאות: X = 465.84 מ"מ, Y = 71.87 מ"מ ו - Z = -308.31 מ"מ.
    2. הזן את רצף התכנות בהתאם לדיאגרמת העץ המוצגת באיור 4.
  2. הרכבה אוטומטית
    1. המתן עד שהקובוט יתחיל את רצף ההרכבה על ידי הרמת החלק התחתון של הקופסה והעברתו לנקודת ההרכבה.
      הערה: לזרוע הרובוטית קיבולת מטען מקסימלית של 3 ק"ג ושומרת על דיוק עקבי של 0.03 מ"מ. נעשה שימוש בתפסן שיתופי, המאפשר התאמת הכוח המופעל ומרחק הסגירה, בהתאמה אישית לגודל של כל רכיב המעורב בתהליך ההרכבה.
    2. לאחר מכן, הרובוט השיתופי מרים את התולעת ומציב אותה במיקום המתאים בתוך המכלול.
    3. לאחר מכן הרובוט לוקח את ציוד התולעת ומרכיב אותו על גבי הקופסה.
      הערה: שיטת הרכבה זו נועדה למנוע שבירה או נזק לציוד התולעת. מקל על הטיפול על ידי המפעיל ותורם לאיכות גבוהה יותר בתהליך ההרכבה.
    4. לאחר השלמת תת-מכלולים אלה, המתינו עד שהזרוע הרובוטית תעביר אותם לאזור ההרכבה הידנית, שם המפעיל ימשיך את התהליך (איור 5).
  3. הרכבה ידנית
    1. באזור ההרכבה הידנית, בקש מהמפעיל לקחת את תת-המכלול כפי שמוצג באיור 6 ולבצע את ההרכבה בהתאם לרצף הפעולות המפורט באיור 7.
    2. עם השלמת ההרכבה הידנית, ודא שהחלק המורכב ממוקם אנכית על המגש, וודא שהתולעת מכוונת לכיוון החלק האחורי (איור 8).

איור 4
איור 4: רצף תכנות קובוטים. סדר ההוראות שיש לטעון לרובוט השיתופי. (א,ב) החלק הראשון והשני של רצף התכנות, בהתאמה. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

איור 5
איור 5: רצף התנועות של הרובוט השיתופי במכלול האוטומטי. קובוט מבצע את סדרת הפעולות הבאה: (א) מרים את הבסיס ומניח אותו על הג'יג; (B) לאחר מכן מרים את הציר וממקם אותו על הבסיס; (ג) ממקם את המכסה על הג'יג ולאחר מכן על גלגל השיניים; ו-(ד) מפקיד לבסוף את הבסיס והציוד המורכבים על הג'יג להרכבה הידנית שלאחר מכן. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

איור 6
איור 6: נקודת איסוף מפעיל עבור הרכבה ידנית. פריסה בה יש למקם את מכלולי המשנה שהושלמו לפני שהמפעיל מתחיל בהרכבה הידנית. (א) תת-מכלול 1 ממוקם באזור זה, ו-(ב) באזור זה ממוקם תת-מכלול 2. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

איור 7
איור 7: רצף הרכבה ידני של פעולות. המפעיל מבצע את רצף הפעולות הבא: (א) מרים תת-מכלול 2, (ב) מרים תת-מכלול 1, (ג) ממקם את תת-מכלול 2 על גבי תת-מכלול 1, (ד) לוחץ על שני הרכיבים כדי לסגור את המכשיר, ו-(ה) מניח את המוצר הסופי על הג'יג. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

איור 8
איור 8: תוצר סופי על הג'יג. המיקום הנכון בו יש להניח את המוצר הסופי על הג'יג לפני העברתו למסוע. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

3. הובלה למסוע

  1. מקם את הקובוט כדי לתפוס את המכלול המוגמר.
  2. לאחר הקיבוע, אפשר לקובוט להעביר את המוצר הסופי למסוע, קרוב ככל האפשר לחיישן, מה שמאפשר לבדוק אותו על ידי מצלמת הראייה.
    הערה: שלבי הרכבה 3.1-3.4 תואמים לרצף התכנות המודגש באדום באיור 4.

4. תנאים ראשוניים של המצלמה והתוכנה

  1. הפעל את הממשק של תוכנת הסימולציה מסדרת CV-X של המחשב והפעל את מצב התצורה כדי לערוך את כלי הבדיקה.
  2. בפינה השמאלית העליונה, לחץ על אפשרות הגדרת המצלמה ובחר בדגם CA-035C, עם רזולוציה של 640 x 418 במצב פרוגרסיבי, הרגישות מוגדרת ל-2.4, מהירות התריס ב-1/15 אלפיות השנייה, הפעל פלאש 1, בחר את דגם התאורה DC40E ולבסוף לחץ על אישור (איור 9).
    הערה: המצלמה מציעה שתי רזולוציות סריקה מתקדמות: 512 x 418 ו- 640 x 418 פיקסלים. הרזולוציה הגבוהה יותר נבחרה להתאמה ואיכות תמונה טובות יותר. הרגישות הוגדרה ל-2.4 (בסולם של 1 עד 7) כדי לשמור על איכות תמונה טובה, תוך הימנעות מירידה בבהירות עם רגישות גבוהה יותר. מהירות התריס היא 1/15 אלפיות השנייה, איטית כדי לאפשר כניסת אור, וזה אידיאלי לתנאי תאורה חלשה.

איור 9
איור 9: התנאים ההתחלתיים של מערכת הראייה. פרמטרים ראשוניים שיש להגדיר במערכת הראייה. כל אחת מההגדרות הללו מודגשת באדום לזיהוי קל. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

5. הערכת תכונות

  1. הערכת מאפייני צורת התולעת
    1. הפניה להגדרת כלים ורישום תמונה
      1. מהממשק, הפעל את האפשרות הוסף כלים ובחר את ShapeTrax3 פונקציה מ רשימת פונקציות קטגוריה, ולאחר מכן לחץ על הוסף.
      2. לאחר בחירת הכלי, הוא יבקש לרשום תמונת הפניה (תמונת הפניה מתאימה לתמונה בנויה היטב). לשם כך, לחץ על סמל Ref. Image בפינה השמאלית העליונה, ולאחר מכן בחר רשום תמונה ולחץ על בצע כדי לצלם את התמונה. לאחר מכן, בחר את פורמט התמונה BMP ולחץ על שמור.
        הערה: בשלב זה, חלק טוב מוגדר ככזה שבו, לאחר הרכבת הקופסה, התולעת בולטת מהצד השמאלי העליון של הקופסה.
    2. תצורת פרמטר תולעת
      1. בחר באפשרות Search Region ; תופיע תיבה כחולה המגדירה את אזור החיפוש. בחר אישור. ודא שהתיבה הכחולה הזו מכסה את התמונה של החלק שנבחר בשלב 5.1.1.2.
      2. בחרו באפשרות 'אזור דוגמת מילוי ' להתאמת אזור דוגמת המילוי ולדמיון הגדול ביותר האפשרי להפניה. לשם כך, בחר את הצורה מצולע , מתאר את היקף החלק ובחר אישור.
    3. תנאי שיפוט לתולעת
      1. באפשרות תנאי שיפוט, הגדר את אחוז ההתאמה עם מגבלה מקסימלית = 99.99% ומגבלה מינימלית = 70% ולאחר מכן בחר אישור.
  2. הערכת מאפייני צורת הילוכים תולעת
    הערה: כדי להעריך את מאפייני הצורה של ציוד התולעת, חזור על שלבים 5.1 ו-5.1.2.1.
    1. תצורת פרמטר גלגל תולעת
      1. בחרו באפשרות 'אזור דוגמת מילוי ' להתאמת אזור דוגמת המילוי ולדמיון הגדול ביותר לתמונת הייחוס. לשם כך, בחר את הצורה עיגול, סמן את היקף ציוד התולעת ובחר אישור.
    2. תנאי שיפוט לציוד התולעת
      1. באפשרות ״תנאי שיפוט״, בחר/י במצב ״ספירה״ והגדיר/י את המגבלות של ערכי המינימום והמקסימום ל-1 ולאחר מכן לחץ/י על ״אישור״.
  3. הערכת מאפייני מיקום ציוד תולעת ותולעת
    הערה: כדי להעריך את מאפייני המיקום, חזור על שלב 5.1.1, ובקטגוריה התאמת מיקום , בחר בפונקציית מיקום פרופיל .
    1. תצורה של פרמטרים של המוצר
      1. בצע את שלב 5.2.1.1, אך הפעם בחר את הצורה מלבן .
    2. תנאי שיפוט למוצר
      1. הגדר את המגבלה המקסימלית ל- 99.99% ואת המגבלה המינימלית ל- 60%.

6. זיהוי צבעים

  1. תנאי שיפוט לתולעת
    הערה: כדי להעריך את תכונת זיהוי הצבע של התולעת, יש צורך לחזור על השלבים משלב 5.1.1.1, ובתוך הקטגוריה ספירה, בחר את הפונקציה אשכול . יש לרשום תמונת ייחוס חדשה גם באמצעות שלב 5.1.1.2, במיוחד כולל הצבעים שהכלי יזהה. לאחר מכן, חזור על שלבים 5.1.2.1 ו- 5.1.2.2, אך בחר את הצורה מלבן כדי לבודד את מקטע התולעת הבולט מהתיבה.
    1. בחרו באפשרות 'אזור מסיכה ', בחרו בצורה 'מלבן ', סמנו את הקצה האדום של החלק כדי לא לכלול צבע זה במהלך הבחירה, ולחצו על הלחצן 'אשר'.
    2. לחץ על Extract Colors | צבע לבינארי. בעת שימוש בסמל הנפתח, לחץ על בחר.
    3. לחץ מספר פעמים על אזור התולעת כדי לחלץ את הצבע. בחירה מוצלחת מאושרת כאשר מופיע הדגשה צהובה באזור שנבחר, כפי שמוצג באיור 10.
    4. הגדר את תנאי השיפוט עם מגבלה מקסימלית = 1 ומגבלה מינימלית = 0.
  2. תנאי שיפוט לציוד התולעת
    הערה: כדי להעריך את תכונת זיהוי הצבע של ציוד התולעת, יש צורך לחזור על השלבים בשלב 5.1.1.1, ותחת הקטגוריה ספירה, בחר את הפונקציה אשכול . יש לרשום תמונת ייחוס חדשה עם הצבעים שהכלי נועד לזהות, כמתואר בשלב 5.1.1.2. לאחר מכן, חזור על שלבים 5.1.2.1 ו- 5.1.2.2, עם ההבדל שיש לבחור את צורת המעגל כדי לבודד את הקטע של גלגל התולעת הבולט מהקופסה.
    1. בחרו באפשרות 'אזור מסיכה ', בחרו בצורה 'מלבן ' וסמנו את הקצה האדום של החלק כדי לא לכלול צבע זה במהלך הבחירה. לחץ על אישור.
    2. לחץ על Extract Colors | צבע לבינארי. לחץ על סמל הטפטפת ובחר באפשרות בחר.
    3. באיור גלגל השיניים של התולעת, לחץ מספר פעמים כדי לחלץ את הצבע הרצוי. בחירה נכונה מאושרת כאשר מופיעה שכבת-על צהובה מעל האזור שנבחר.
    4. הגדר את תנאי השיפוט עם מגבלה מקסימלית = 1 ומגבלה מינימלית = 0.
      הערה: יש לחזור על שלבים 6.1 ו-6.2 עבור כל שילובי הצבעים של תיבת ההילוכים של התולעת.

איור 10
איור 10: חשיפת יתר של תולעים. מערכת הראייה מזהה את הציר. בחירה מוצלחת מאושרת כאשר מסגרת צהובה מדגישה את האזור שנבחר. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

7. הכנת תנאי מצלמה ותוכנה להפעלה

  1. הפעל את הממשק של תוכנת הסימולציה מסדרת CV-X מהמחשב והפעל את המצב עבור למצב הפעלה. לאחר מכן, בחר בסמל השירות ולחץ על האפשרות צג קלט/פלט.
  2. הפעל את המסופים המחברים את בקר המצלמה לבקר הקובוט. במקרה זה, הפוך את מסופי ה-OUT הבאים לזמינים: F_OUT3 (RUN), OUT3 (CMD_READY), OUT4 (READY1)
  3. מממשק התוכנה, בחר בסמל פלט ובקטע מצב כולל , הפעל את כל הכלים שנקבעו בסעיפים 4, 5 ו-6.

8. רכישת תוצאות סימולציה

הערה: כאשר חיישן התנועה מזהה את המוצר, המסוע נעצר ומצלמים תמונה לביצוע תהליך הבדיקה באמצעות הפרמטרים שנקבעו בסעיפים 4, 5 ו-6.

  1. הפעל את ממשק התוכנה מהמחשב והפעל את המעבר למצב הפעלה. לאחר מכן, בחר בסמל השירות ולחץ על האפשרות סטטיסטיקה . בחר את סוג הגרף שייבדק, לדוגמה, גרף מגמה או היסטוגרמה, המאפשר ניתוח איכותי ותומך בקבלת החלטות המבוססות על ניהול נתונים על ידי מנהל התהליך החדש (איור 11).

איור 11
איור 11: בחירת בקרת תהליכים סטטיסטיים. האזור המודגש באדום מציין את הסמל שיש לבחור כדי לגשת לבקרת התהליך הסטטיסטי לאחר הפעלת הסימולציה. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

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

Results

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

מסמך זה מציג פרוטוקול לסימולציה חצי אוטומטית של מודל מוקטן של תהליך ייצור באמצעות זרוע רובוטית שיתופית. איכות המוצר הסופי מוערכת באמצעות מערכת ראייה ממוחשבת הבודקת תכונות קריטיות של ההרכבה.

כלי חיוני לזיהוי וניתוח כשלים פוטנציאליים בתהליך ייצור הוא בקרת תהליכים סטטיסטית (SPC), המבוססת על יישום שיטות סטטיסטיות שמטרתן ניטור ובקרה של תהליך, ובכך להבטיח ביצועים אופטימליים והתאמה למוצר. מטרתו העיקרית היא לשמור על התהליך יציב וצפוי, למקסם את הייצור של חלקים במפרט תוך מזעור פסולת24<...

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

Discussion

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

בשוק הגלובלי התחרותי של היום, שיפור מתמיד ויכולת הסתגלות חיוניים לחברה כדי לשמור על התחרותיות שלה ולהבטיח את הישרדותה. לכן, חיוני לעלות על ציפיות הלקוחות על ידי אספקה עקבית של מוצרים איכותיים בזמן ובעלויות תחרותיות29.

סימולציה מורחבת של תהליכי ייצור, תוך שימוש בטכנולוגיות מתקדמות כגון זרועות רובוטיות שיתופיות ומערכות ראייה מלאכותית, מייצגת כלי רב ערך לזיהוי תחומים לשיפור ולהגיב לדרישות השוק הנוכחיות. המערכת החצי אוטומטית המשלבת רובוט שי...

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

Disclosures

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

למחברים אין ניגודי אינטרסים לחשוף.

Acknowledgements

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

מאמר זה נתמך על ידי המכון הפוליטכני הלאומי (Instituto Politécnico Nacional) של מקסיקו באמצעות פרויקט מס' 20250776, המוענק על ידי מזכירות המחקר והתואר השני (Secretaría de Investigación y Posgrado), Secretaría de Ciencia, Humanidades, Tecnología e Innovación (SECIHTI). תמיכה נוספת התקבלה באמצעות המלגה שהוענקה עם CVU 1145035 על ידי Secretaría de Ciencia, Humanidades, Tecnología e Innovación (SECIHTI). יתר על כן, מאמר זה נתמך גם על ידי האוניברסיטה האוטונומית המטרופוליטנית (Universidad Autónoma Metropolitana) של מקסיקו באמצעות פרויקט SI004-20. כמו כן, מחקר זה הוא חלק מהקול הקורא לשנת 2025 לפרויקטים לשיתוף פעולה בין-מוסדי IPN-UAM-UAEMÉX, במסגרת פרויקט 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
NameCompanyCatalog NumberComments
זרוע רובוטית שיתופיתיוניברסל רובוט דגם UR3 (CB-3 UR3)
מסועגמלייה  מסוע בגודל 30 על 150 ס"מ
חיישן פוטואלקטריOMRONE3F2-DS10B4-N 
מערכת ראייהקיינסCV-X-300 

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Broday, E. E. The evolution of quality: from inspection to quality 4.0. Int J Qual Serv Sci. 14 (3), 368-382 (2022).
  2. 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).
  3. 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).
  4. 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).
  5. Matheson, E., Minto, R., Zampieri, E. G., Faccio, M., Rosati, G. Human-robot collaboration in manufacturing applications: a review. Robotics. 8 (4), 100(2019).
  6. 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).
  7. 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).
  8. 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).
  9. 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).
  10. 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).
  11. Reinhart, G. CIRP Encyclopedia of Production Engineering. , 1st ed, Springer. (2014).
  12. 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).
  13. 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).
  14. 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).
  15. Magalhaes, P., Ferreira, N. Inspection application in an industrial environment with collaborative robots. Automation. 3 (2), 258-268 (2022).
  16. 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).
  17. 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).
  18. Balazikova, M., Kotianova, Z. Human reliability analysis in acetylene filling operations: risk assessment and mitigation strategies. Appl Sci. 15 (8), 4558(2025).
  19. Fager, P., Calzavara, M., Sgarbossa, F. Kit preparation with cobot-supported sorting in mixed model assembly. IFAC-Pap. 52 (13), 1878-1883 (2019).
  20. 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).
  21. Kragic, D., Gustafson, J., Karaoguz, H., Jensfelt, P., Krug, R. Interactive collaborative robots: challenges and opportunities. IJCAI. , 18-25 (2018).
  22. Brazo Robótico UR3E. , Universal Robots. https://www.universal-robots.com/es/productos/robot-ur3/ (2025).
  23. Sistema de visión de fácil programación - Serie CV-X. , KEYENCE México. https://www.keyence.com.mx/products/vision/vision-sys/cv-x100/ (2025).
  24. 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).
  25. Deleryd, M., Vännman, K. Process capability plots: a quality improvement tool. Qual Reliab Eng Int. 15, 213-227 (1999).
  26. 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).
  27. Boyles, R. A. The Taguchi capability. J Qual Technol. 23, 17-26 (1991).
  28. Franco-Santo, M., et al. Towards a definition of a business performance measurement system. Int J Oper Prod Manag. 27 (8), 784-801 (2007).
  29. 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

Tags

Robotic Arm CollaborationVision System MonitoringQuality Control AutomationStatistical Process ControlProcess Capability IndicesCollaborative Robot AssemblyComputer Vision InspectionControl Chart AnalysisShape EvaluationColor Evaluation

Related Articles