Method Article

Simulazione di un processo di assemblaggio in scala con collaborazione di un braccio robotico e monitoraggio attraverso un sistema di visione per il controllo qualità

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

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

Qui presentiamo un protocollo per la simulazione e il monitoraggio di un processo di assemblaggio semi-automatizzato in scala, attraverso la collaborazione di un robot collaborativo e la verifica tramite un sistema di visione artificiale per il controllo qualità.

Abstract

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

Questo protocollo descrive la simulazione semi-automatizzata di una linea di produzione in scala per l'assemblaggio di un set di ingranaggi a vite senza fine educativo, utilizzando un braccio robotico collaborativo e un sistema di visione artificiale per monitorare la qualità del prodotto valutando due criteri principali: forma e colore. L'obiettivo di questo studio è generare dati coerenti e affidabili per valutare la capacità, la stabilità e la conformità del processo secondo le specifiche del cliente. Il protocollo fornisce un quadro metodologico chiaro per la raccolta e l'analisi degli indicatori chiave attraverso il controllo statistico di processo (SPC), utilizzando indici di capacità, come la capacità di processo (Cp), l'indice di capacità di processo regolato per la centratura (Cpk), la capacità di processo superiore (Cpu) e la capacità di processo inferiore (Cpl) e strumenti grafici come istogrammi e grafici di controllo. Questi consentono di identificare le deviazioni e le tendenze nelle caratteristiche critiche del prodotto. I risultati della valutazione della forma indicano che il processo automatizzato è sotto controllo statistico, anche se con una tendenza verso il limite superiore delle specifiche, suggerendo la necessità di regolare la media del processo. Al contrario, la valutazione del colore rivela una maggiore variabilità, una bassa capacità (Cpk = 0,539) e punti al di fuori del controllo, indicando un'instabilità che richiede azioni correttive immediate. Sulla base di questi risultati, si raccomanda di implementare azioni correttive per ridurre la variabilità del colore, come un controllo più rigoroso degli input, la standardizzazione delle condizioni di illuminazione e la revisione dei metodi operativi. In generale, i risultati rafforzano l'importanza di integrare le tecnologie automatizzate con strumenti statistici come l'SPC per identificare le deviazioni critiche, ottimizzare i processi e garantire la conformità dei prodotti. Questa sinergia tra automazione e analisi statistica costituisce un pilastro fondamentale per mantenere la competitività in ambienti industriali sempre più esigenti. Inoltre, questo protocollo fornisce una solida base per l'implementazione di miglioramenti nelle linee di produzione reali.

Introduction

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

Il rapido progresso dell'automazione nei processi industriali ha portato a una trasformazione significativa dei sistemi di produzione. Questa evoluzione ha migliorato significativamente le aree critiche, tra cui l'efficienza operativa, il risparmio sui costi, la standardizzazione dei processi e l'ottimizzazione della qualità dei prodotti1. In questo contesto, i progressi tecnologici hanno portato all'implementazione di soluzioni più complesse e specializzate, in grado di soddisfare le esigenze di una produzione sempre più agile, precisa eadattabile2.

Uno dei progressi più significativi in questa nuova era industriale è l'incorporazione di robot collaborativi, noti come cobot. Questi dispositivi rappresentano un'evoluzione della robotica industriale tradizionale, in quanto sono progettati per lavorare in modo sicuro ed efficiente a fianco degli operatori umani in ambienti condivisi 3,4,5. La loro natura collaborativa non solo migliora la flessibilità dei processi produttivi, ma aumenta anche i livelli di sicurezza nelle operazioni, poiché sono dotati di sensori avanzati che consentono un'interazione controllata e la consapevolezza ambientale6.

Nell'ambito dell'Industria 5.0, che incoraggia una combinazione armoniosa di automazione intelligente e contributo umano, i cobot stanno diventando strumenti essenziali per far progredire la produzione incentrata sull'uomo7. Piuttosto che sostituire i lavoratori, questi sistemi sono progettati per aumentare le loro competenze gestendo in modo efficiente le attività ripetitive con alta precisione e adattandosi in modo flessibile ai cambiamenti nell'ambiente di produzione8, favorendo così un modello di lavoro più integrato ed efficace.

La loro versatilità ne consente l'applicazione in vari settori, come l'assemblaggio automobilistico, la logistica, la produzione di calzature, i dispositivi medici e altro ancora, dove contribuiscono a migliorare la produttività e la qualità dei processi 9,10. Questa dinamica collaborativa ha ridefinito i sistemi produttivi e presenta nuove sfide in termini di formazione, adeguamento tecnologico e riprogettazione dei processi7.

In questo contesto, questo articolo descrive la progettazione e l'implementazione di una linea di assemblaggio in scala ridotta sviluppata attorno a un set educativo di ingranaggi a vite senza fine. Questo tipo di linea rappresenta una versione ridotta e funzionale di una linea di produzione industriale, concepita a scopo didattico per simulare, in modo controllato, i processi, i flussi e le operazioni tipiche di un ambiente produttivo reale11.

Si tratta di una configurazione fisica e operativa che consente una chiara osservazione delle dinamiche di produzione, il test di tecnologie automatizzate e l'applicazione di metodologie di garanzia della qualità, riducendo al minimo i rischi e i costi associati alla sperimentazione diretta negli impianti industriali. Questo approccio fornisce un prezioso strumento educativo e una piattaforma di convalida preliminare per soluzioni come robot collaborativi e sistemi di visione, supportando il processo decisionale strategico nell'automazione, nel miglioramento continuo e nell'efficienza operativa11.

Un fattore chiave per il successo dell'automazione e dell'integrazione dei cobot è l'implementazione di sistemi di controllo della qualità basati sulla visione. Dotati di telecamere ad alta risoluzione, i sistemi di visione consentono ai robot collaborativi di percepire e interpretare con precisione l'ambiente circostante, fornendo dati visivi dettagliati per il riconoscimento degli oggetti, il rilevamento delle anomalie e la navigazione autonoma12. In alcuni casi, questi sistemi funzionano come soluzioni complete, mentre in altri possono essere personalizzati per funzionare in combinazione.

Una delle applicazioni più importanti di questo tipo di robot collaborativi è il controllo qualità, dove questi sistemi consentono il rilevamento precoce di difetti sulle linee di produzione. Il rilevamento delle anomalie in tempo reale consente la rimozione tempestiva delle parti difettose, evitando così i costi associati a rilavorazioni, sprechi di materiale o reclami dei clienti13. Questa capacità di ispezione continua e non invasiva garantisce una maggiore coerenza nella qualità del prodotto e rafforza la tracciabilità del processo.

L'integrazione sistematica di queste tecnologie consente ai robot collaborativi di percepire, comprendere e reagire efficacemente all'ambiente circostante, migliorando la loro autonomia e le prestazioni operative14.

Studi recenti hanno dimostrato che la combinazione del controllo qualità con telecamere e robot collaborativi non solo riduce gli errori umani, ma migliora anche l'affidabilità del processo, aumentando la precisione nelle attività critiche di assemblaggio e verifica15. Questa sinergia consente livelli più elevati di controllo, adattabilità ed efficienza, essenziali nei moderni ambienti industriali caratterizzati da personalizzazione di massa e produzione su richiesta16.

L'uso di queste tecnologie richiede un approccio globale che includa il monitoraggio continuo dei dati in tempo reale e l'uso di indici di qualità per consentire un processo decisionale informato. Strumenti come l'analisi statistica dei processi forniscono una solida piattaforma per il miglioramento continuo, garantendo che le aziende possano adattarsi ai cambiamenti del mercato e mantenere elevati livelli di competitività a lungo termine16.

L'implementazione di un cobot semiautomatico e di un sistema di visione artificiale su una linea di assemblaggio in scala offre vantaggi significativi rispetto ai metodi tradizionali di controllo qualità, sia manuali che completamente automatizzati. A differenza dell'ispezione manuale, che dipende fortemente dalla percezione, dall'esperienza e dai fattori di condizione fisica dell'operatore che possono portare a errori dovuti alla stanchezza o a condizioni di lavoro prolungate17, questo approccio garantisce una valutazione coerente, obiettiva e precisa eliminando la variabilità umana18.

A differenza dei sistemi di ispezione robotica completamente automatizzati, che sono spesso rigidi e costosi da adattare, i cobot offrono una maggiore flessibilità grazie alle loro capacità di apprendimento per dimostrazione e alla facilità di riprogrammazione19, particolarmente utile in ambienti con elevata variabilità del prodotto. Inoltre, integrando la visione artificiale, il sistema migliora significativamente l'accuratezza dell'ispezione visiva e consente il rilevamento di difetti che potrebbero passare inosservati nelle revisioni manuali10. A differenza delle soluzioni isolate, combina percezione e azione, poiché il cobot risponde in tempo reale alle deviazioni rilevate.

Un'altra differenza fondamentale è l'approccio pedagogico e formativo offerto da questa catena di montaggio in scala: oltre a validare un processo tecnico, aiuta anche a formare gli operatori nelle competenze digitali e industriali, preparando i lavoratori ad affrontare le sfide dell'Industria 5.020,21.

Questo articolo esplora l'integrazione di un processo di assemblaggio automatizzato utilizzando un robot collaborativo UR322, insieme a un sistema di visione CV-X23. Il prodotto assemblato è un modello industriale in scala chiamato KanbUAMito, un "set educativo a vite senza fine" che rappresenta un sistema di trasmissione composto da una vite senza fine e da un ingranaggio a vite senza fine, noto anche come riduttore di velocità, come mostrato nella Figura 1. Questo modello presenta sei diverse configurazioni, descritte in dettaglio nella Tabella 1.

Figura 1
Figura 1: Componenti del dispositivo Kanbuamito. Diversi i componenti che compongono il prodotto finale da assemblare. Clicca qui per visualizzare una versione più grande di questa figura.

Prodotto finaleVermeIngranaggio a vite senza fineScatola (coperchio e base)
CE1GrigioRossoRosso
CE2BiancoGrigioRosso
CE3RossoBiancoRosso
CE4RossoGrigioRosso
CE5GrigioBiancoRosso
CE6BiancoRossoRosso

Tabella 1: Possibili combinazioni del prodotto da assemblare. Diverse le combinazioni del prodotto finale, che variano in base ai colori utilizzati nei vari componenti che lo compongono.

Questo studio evidenzia l'impatto di questa integrazione tecnologica sul miglioramento dell'efficienza operativa, sul rilevamento precoce dei difetti e sulla coerenza della qualità del prodotto. Inoltre, analizza le implicazioni strategiche della sua implementazione all'interno del framework dell'Industria 5.0, sottolineando come la collaborazione tra esseri umani, robot collaborativi e sistemi intelligenti possa potenziare lo sviluppo di strategie di miglioramento continuo incentrate sulla flessibilità, la personalizzazione e la sostenibilità dei processi produttivi.

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

Protocol

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

Questo documento delinea il protocollo di simulazione progettato per replicare in modo semi-automatico un processo di produzione in scala utilizzando un braccio robotico collaborativo. Il processo viene monitorato per verificare se l'assemblaggio è stato completato correttamente o contiene errori. Il protocollo è strutturato in due fasi principali: i) esecuzione delle operazioni necessarie per effettuare l'assemblaggio con il supporto del braccio robotico (Sezioni 1-3); ii) configurazione del sistema di visione artificiale utilizzato per monitorare e verificare il componente assemblato (Sezioni 4-8).

1. Condizioni di montaggio iniziali

  1. Attivare l'attrezzatura necessaria per l'esecuzione del protocollo, che è dettagliata nella Tabella dei Materiali.
    NOTA: Il protocollo viene eseguito su una linea di assemblaggio distribuita, come mostrato nella Figura 2.
  2. Organizzare le parti necessarie per il montaggio sul vassoio di rifornimento, seguendo il layout mostrato nella Figura 3.

Figura 2
Figura 2: Layout della catena di montaggio. La catena di montaggio è composta da quattro sezioni principali: (A) l'area in cui avviene il processo di assemblaggio del prodotto; (B) il nastro trasportatore che trasporta il pezzo una volta completato l'assemblaggio; C) la zona in cui è installato il sistema di visione responsabile del controllo della qualità dei prodotti finali; e (D) lo spazio designato per l'analista per interpretare i risultati ottenuti attraverso il sistema di visione. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 3
Figura 3: Layout iniziale dei pezzi per l'assemblaggio. Disposizione iniziale in cui i componenti che compongono il prodotto devono essere inseriti prima di iniziare il processo di assemblaggio. Clicca qui per visualizzare una versione più grande di questa figura.

2. Programmazione e funzionamento del robot collaborativo

  1. Programmazione di un robot collaborativo
    1. Posizionare il braccio robotico nella sua posizione iniziale. Utilizzare le seguenti coordinate: X = 465,84 mm, Y = 71,87 mm e Z =-308,31 mm.
    2. Inserire la sequenza di programmazione secondo lo schema ad albero mostrato in Figura 4.
  2. Assemblaggio automatico
    1. Attendi che il cobot inizi la sequenza di assemblaggio prelevando la parte inferiore della scatola e spostandola al punto di assemblaggio.
      NOTA: Il braccio robotico ha una capacità di carico utile massima di 3 kg e mantiene una precisione costante di 0,03 mm. Viene utilizzata una pinza collaborativa, che consente la regolazione della forza applicata e della distanza di chiusura, realizzata su misura in base alle dimensioni di ogni componente coinvolto nel processo di assemblaggio.
    2. Successivamente, il robot collaborativo preleva la vite senza fine e la posiziona nella posizione corrispondente all'interno dell'assemblaggio.
    3. Il robot quindi prende l'ingranaggio a vite senza fine e lo assembla sulla parte superiore della scatola.
      NOTA: Questo metodo di montaggio è stato progettato per evitare rotture o danni all'ingranaggio a vite senza fine. Facilita la movimentazione da parte dell'operatore e contribuisce a una maggiore qualità nel processo di assemblaggio.
    4. Una volta completati questi sottoassiemi, attendere che il braccio robotico li trasferisca nell'area di assemblaggio manuale, dove un operatore continuerà il processo (Figura 5).
  3. Montaggio manuale
    1. Nell'area di montaggio manuale, chiedere all'operatore di prelevare il sottogruppo posizionato come mostrato in Figura 6 ed eseguire il montaggio seguendo la sequenza di operazioni descritta in Figura 7.
    2. Al termine del montaggio manuale, assicurarsi che la parte assemblata sia posizionata verticalmente sul vassoio, assicurandosi che la vite senza fine sia orientata verso la parte posteriore (Figura 8).

Figura 4
Figura 4: Sequenza di programmazione del cobot. Ordine delle istruzioni che devono essere caricate nel robot collaborativo. (A,B) La prima e la seconda parte della sequenza di programmazione, rispettivamente. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 5
Figura 5: Sequenza di movimenti del robot collaborativo nell'assemblaggio automatico. Il cobot esegue la seguente serie di azioni: (A) preleva la base e la posiziona sulla maschera; (B) quindi preleva il mandrino e lo posiziona sulla base; (C) posiziona il coperchio sulla dima e poi sull'ingranaggio; e (D) deposita infine la base e l'ingranaggio assemblati sulla maschera per il successivo montaggio manuale. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 6
Figura 6: Punto di prelievo dell'operatore per il montaggio manuale. Layout in cui i sottoassiemi completati devono essere posizionati prima che l'operatore inizi l'assemblaggio manuale. (A) Il sottogruppo 1 è posizionato in quest'area, e (B) in questa zona, il sottogruppo 2 è posizionato. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 7
Figura 7: Sequenza manuale delle operazioni di assemblaggio. L'operatore esegue la seguente sequenza di operazioni: (A) preleva il sottogruppo 2, (B) preleva il sottogruppo 1, (C) posiziona il sottogruppo 2 sopra il sottogruppo 1, (D) preme entrambi i componenti per chiudere il dispositivo e (E) posiziona il prodotto finale sulla maschera. Clicca qui per visualizzare una versione più grande di questa figura.

Figura 8
Figura 8: Prodotto finale sulla maschera. La posizione corretta in cui il prodotto finale deve essere posizionato sulla maschera prima di essere trasportato al nastro trasportatore. Clicca qui per visualizzare una versione più grande di questa figura.

3. Trasporto al nastro trasportatore

  1. Posizionare il cobot per afferrare l'assemblaggio finito.
  2. Una volta fissato, consentire al cobot di trasferire il prodotto finale sul nastro trasportatore, il più vicino possibile al sensore, consentendone l'ispezione da parte della telecamera di visione.
    NOTA: Le fasi di montaggio 3.1-3.4 corrispondono alla sequenza di programmazione evidenziata in rosso nella Figura 4.

4. Condizioni iniziali della fotocamera e del software

  1. Abilitare l'interfaccia del software di simulazione della serie CV-X e attivare la modalità di configurazione per modificare gli strumenti di ispezione.
  2. Nell'angolo in alto a sinistra, fai clic sull'opzione Configurazione fotocamera e seleziona il modello CA-035C, con una risoluzione di 640 x 418 in modalità progressiva, la sensibilità impostata a 2.4, la velocità dell'otturatore a 1/15 ms, abilita Flash 1, seleziona il modello di illuminazione DC40E e infine fai clic su OK (Figura 9).
    NOTA: La fotocamera offre due risoluzioni di scansione progressiva: 512 x 418 e 640 x 418 pixel. La risoluzione più alta è stata scelta per un migliore adattamento e qualità dell'immagine. La sensibilità è stata impostata su 2,4 (su una scala da 1 a 7) per mantenere una buona qualità dell'immagine, evitando diminuzioni di nitidezza con una sensibilità più elevata. La velocità dell'otturatore è di 1/15 ms, lenta per consentire l'ingresso della luce, ideale per condizioni di scarsa illuminazione.

Figura 9
Figura 9: Condizioni iniziali del sistema di visione. Parametri iniziali che devono essere configurati nel sistema di visione. Ognuna di queste impostazioni è evidenziata in rosso per una facile identificazione. Clicca qui per visualizzare una versione più grande di questa figura.

5. Valutazione delle caratteristiche

  1. Valutazione delle caratteristiche della forma del vite senza fine
    1. Riferimento per l'impostazione dell'utensile e la registrazione delle immagini
      1. Dall'interfaccia, abilitare l'opzione Aggiungi strumenti e selezionare la funzione ShapeTrax3 dalla categoria Elenco funzioni , quindi fare clic su Aggiungi.
      2. Una volta selezionato lo strumento, verrà richiesto di registrare un'immagine di riferimento (un'immagine di riferimento corrisponde a un'immagine ben costruita). Per fare ciò, fai clic sull'icona Rif. Immagine nell'angolo in alto a destra, quindi seleziona Registra immagine e fai clic su Esegui per acquisire l'immagine. Quindi, scegli il formato immagine BMP e fai clic su Salva.
        NOTA: A questo punto, si definisce una buona parte quella in cui, una volta assemblata la scatola, la vite senza fine sporge dal lato superiore sinistro della scatola.
    2. Configurazione dei parametri worm
      1. Seleziona l'opzione Cerca regione ; Apparirà una casella blu che definisce l'area di ricerca. Seleziona OK. Verificare che questa casella blu copra l'immagine della parte selezionata nel passaggio 5.1.1.2.
      2. Selezionate l'opzione Regione serie (Pattern Region ) per regolare la regione della serie e ottenere la massima somiglianza possibile con il riferimento. A tale scopo, scegliere la forma Poligono , delineare il perimetro della parte e selezionare Ok.
    3. Condizioni di giudizio per il verme
      1. Nell'opzione Condizioni di giudizio , imposta la percentuale di corrispondenza con un limite massimo = 99,99% e un limite minimo = 70%, quindi seleziona Ok.
  2. Valutazione delle caratteristiche della forma dell'ingranaggio a vite senza fine
    NOTA: Per valutare le caratteristiche di forma dell'ingranaggio a vite senza fine, ripetere i passaggi 5.1 e 5.1.2.1.
    1. Configurazione dei parametri dell'ingranaggio a vite senza fine
      1. Selezionate l'opzione Area pattern per regolare la regione del pattern e ottenere la massima somiglianza con l'immagine di riferimento. Per fare ciò, scegli la forma Cerchio, segna il perimetro dell'ingranaggio a vite senza fine e seleziona Ok.
    2. Condizioni di giudizio per l'ingranaggio a vite senza fine
      1. Nell'opzione Condizioni di giudizio, selezionare la modalità Conteggio e impostare i limiti dei valori minimo e massimo su 1, quindi fare clic su OK.
  3. Valutazione delle caratteristiche di posizione della vite senza fine e dell'ingranaggio a vite senza fine
    NOTA: Per valutare le caratteristiche della posizione, ripetere il passaggio 5.1.1 e, nella categoria Regolazione posizione, selezionare la funzione Profile Position .
    1. Configurazione dei parametri di prodotto
      1. Segui il passaggio 5.2.1.1, ma questa volta seleziona la forma Rettangolo .
    2. Condizioni di giudizio per il prodotto
      1. Imposta il limite massimo al 99,99% e il limite minimo al 60%.

6. Rilevamento dei colori

  1. Condizioni di giudizio per il verme
    NOTA: Per valutare la funzione di rilevamento del colore del worm, è necessario ripetere i passaggi dal passaggio 5.1.1.1 e, all'interno della categoria Conteggio, selezionare la funzione Cluster . È inoltre necessario registrare una nuova immagine di riferimento utilizzando il passaggio 5.1.1.2, includendo in modo specifico i colori che lo strumento rileverà. Quindi, ripetere i passaggi 5.1.2.1 e 5.1.2.2 ma selezionare la forma Rettangolo per isolare il segmento di vite senza fine che sporge dalla casella.
    1. Seleziona l'opzione Regione maschera , scegli la forma Rettangolo , delinea il bordo rosso della parte per escludere questo colore durante la selezione e fai clic su Ok.
    2. Fai clic su Estrai colori | Colore in binario. Quando si utilizza l'icona a discesa, fare clic su Scegli.
    3. Fare clic più volte sull'area del verme per estrarre il colore. L'esito positivo della selezione viene confermato quando viene visualizzata un'evidenziazione gialla nell'area selezionata, come mostrato nella Figura 10.
    4. Imposta le condizioni di giudizio con un limite massimo = 1 e un limite minimo = 0.
  2. Condizioni di giudizio per l'ingranaggio a vite senza fine
    NOTA: Per valutare la funzione di rilevamento del colore dell'ingranaggio a vite senza fine, è necessario ripetere i passaggi del passaggio 5.1.1.1 e, nella categoria Conteggio, selezionare la funzione Cluster . Una nuova immagine di riferimento deve essere registrata con i colori che lo strumento deve rilevare, come descritto nel passaggio 5.1.1.2. Quindi, ripetere i passaggi 5.1.2.1 e 5.1.2.2, con la differenza che la forma del cerchio deve essere selezionata per isolare il segmento dell'ingranaggio a vite senza fine che sporge dalla scatola.
    1. Seleziona l'opzione Regione maschera , scegli la forma Rettangolo e delinea il bordo rosso della parte per escludere questo colore durante la selezione. Fare clic su OK.
    2. Fai clic su Estrai colori | Colore in binario. Fare clic sull'icona del contagocce e selezionare l'opzione Scegli.
    3. Nella figura dell'ingranaggio a vite senza fine, fare clic più volte per estrarre il colore desiderato. La selezione corretta viene confermata quando viene visualizzata una sovrapposizione gialla sull'area selezionata.
    4. Imposta le condizioni di giudizio con un limite massimo = 1 e un limite minimo = 0.
      NOTA: I passaggi 6.1 e 6.2 devono essere ripetuti per tutte le combinazioni di colori della scatola ingranaggi a vite senza fine.

Figura 10
Figura 10: Sovraesposizione dei vermi. Il sistema di visione rileva il mandrino. L'esito positivo della selezione viene confermato quando una cornice gialla evidenzia l'area selezionata. Clicca qui per visualizzare una versione più grande di questa figura.

7. Preparazione della fotocamera e delle condizioni del software per il funzionamento

  1. Abilitare l'interfaccia del software di simulazione serie CV-X dal computer e attivare la modalità Passa alla modalità di esecuzione. Quindi, seleziona l'icona Utility e fai clic sull'opzione Monitor I/O.
  2. Abilita i terminali che collegano il controller della telecamera al controller del cobot. In questo caso, abilitare i seguenti terminali OUT : F_OUT3 (RUN), OUT3 (CMD_READY), OUT4 (READY1)
  3. Dall'interfaccia del software, selezionare l'icona Output e, nella sezione Stato generale , abilitare tutti gli strumenti stabiliti nelle sezioni 4, 5 e 6.

8. Acquisizione dei risultati della simulazione

NOTA: Quando il sensore di movimento rileva il prodotto, il nastro trasportatore si ferma e viene scattata una foto per eseguire il processo di ispezione utilizzando i parametri stabiliti nelle sezioni 4, 5 e 6.

  1. Abilitare l'interfaccia software dal computer e attivare l'interruttore in modalità di esecuzione. Quindi, seleziona l'icona Utilità e fai clic sull'opzione Statistiche . Scegliere il tipo di grafico da esaminare, ad esempio un grafico di tendenza o un istogramma, che consente un'analisi di qualità e supporta il processo decisionale basato sulla gestione dei dati da parte del nuovo responsabile dei processi (Figura 11).

Figura 11
Figura 11: Selezione del controllo statistico di processo. L'area evidenziata in rosso indica l'icona da selezionare per accedere al Controllo Statistico di Processo dopo l'esecuzione della simulazione. Clicca qui per visualizzare una versione più grande di questa figura.

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

Results

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

Questo documento presenta un protocollo per la simulazione semi-automatica di un modello in scala di un processo di produzione utilizzando un braccio robotico collaborativo. La qualità del prodotto finale viene valutata attraverso un sistema di visione artificiale che ispeziona le caratteristiche critiche dell'assemblaggio.

Uno strumento essenziale per identificare e analizzare i potenziali guasti in un processo produttivo è il Controllo Statistico di Processo (SPC), che si basa sull'applicazi...

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

Discussion

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

Nell'odierno mercato globale competitivo, il miglioramento continuo e l'adattabilità sono essenziali per un'azienda per mantenere la propria competitività e garantire la propria sopravvivenza. Pertanto, è fondamentale superare le aspettative dei clienti fornendo costantemente prodotti di qualità in tempo e a costi competitivi29.

La simulazione in scala dei processi produttivi, utilizzando tecnologie avanzate come bracci robotici collabo...

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

Disclosures

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

Gli autori non hanno conflitti di interesse da rivelare.

Acknowledgements

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

Questo articolo è sostenuto dall'Istituto Politecnico Nazionale (Instituto Politécnico Nacional) del Messico attraverso il progetto n. 20250776, concesso dal Segretariato di Ricerca e Post-Laurea (Secretaría de Investigación y Posgrado), Secretaría de Ciencia, Humanidades, Tecnología e Innovación (SECIHTI). Un ulteriore sostegno è stato ricevuto attraverso la borsa di studio concessa con CVU 1145035 da Secretaría de Ciencia, Humanidades, Tecnología e Innovación (SECIHTI). Inoltre, questo articolo è supportato anche dall'Università Autonoma Metropolitana del Messico attraverso il Progetto SI004-20. Inoltre, questa ricerca fa parte del Bando 2025 per progetti di collaborazione interistituzionale IPN-UAM-UAEMÉX, nell'ambito del Progetto 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
Braccio robotico collaborativoUniversal Robot Modello UR3 (CB-3 UR3)
Nastro trasportatoreGamalier Un nastro trasportatore di 30 x 150 cm
Sensore fotoelettricoOMRONE3F2-DS10B4-N 
Sistema di visioneKeyenceCV-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