August 29th, 2025
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.
La ricerca sviluppa un modello scalato di assemblaggio semiautomatico utilizzando un cobot e un sistema di visione, valutando qualità, rappresentatività del processo e vantaggi e limitazioni di questa simulazione. Gli sviluppi recenti includono l'assemblaggio semiautomatico con sistemi cobot e vision, che consentono il rilevamento in tempo reale delle anomalie, migliorando qualità, tracciabilità ed efficienza nei processi industriali. Un modello di assemblaggio semiautomatico su scala con la visione di Cobot dimostra l'integrazione in un moderno ambiente educativo di produzione, migliorando efficienza, precisione e applicabilità nei processi industriali reali.
Il nostro protocollo combina cobot e visione in un modello in scala, permettendo una valutazione educativa pratica di efficienza, precisione e coerenza, superando i limiti della simulazione tradizionale o della pratica manuale. Il nostro laboratorio si concentrerà sull'ottimizzazione della collaborazione tra cobot e sullo sviluppo di un sistema visivo con una rete neurale per affrontare problemi di illuminazione, migliorando il rilevamento dei difetti e la scalabilità ai processi industriali. Per cominciare, organizza tutti i componenti necessari per l'assemblaggio sul vassoio di rifornimento, allineandoli secondo la disposizione designata.
Inserisci la sequenza di programmazione nell'interfaccia. Poi si aspetta che il robot collaborativo inizi la sequenza di assemblaggio prendendo la parte inferiore della scatola e trasferendola al punto di assemblaggio. Lascia che il robot prenda il verme e lo posizioni nella fessura designata all'interno dell'assemblaggio.
Poi il robot raccoglie il minaccio e lo monta sopra la scatola. Una volta completato il sottoinsieme robotico, attendi che il braccio robotico lo trasferisca nell'area di assemblaggio manuale per ulteriori lavorazioni da parte di un operatore. Nell'area di assemblaggio manuale, fai in modo che l'operatore prenda il sottoinsieme e prosegui la costruzione seguendo l'ordine di assemblaggio designato.
Al termine dell'assemblaggio manuale, posizionare la parte completamente assemblata verticalmente sul vassoio, assicurandosi che il vermelaccino sia orientato verso il retro. Una volta fissato, far posizionare il prodotto vicino al sensore sul nastro trasportatore per l'ispezione della telecamera. Per la valutazione della forma del vermicolo, dopo aver selezionato lo strumento di ispezione, registra un'immagine di riferimento.
Clicca sull'icona dell'immagine di riferimento nell'angolo in alto a destra. Seleziona l'immagine di registrazione e clicca su esecuzione per catturare l'immagine. Per la configurazione dei parametri del minacciato, seleziona l'opzione regione del pattern per regolare l'area di rilevamento.
Scegli la forma del poligono, delinea il perimetro del pezzo e clicca su OK per confermare. Per rilevare i colori, seleziona l'opzione regione del motivo per affinare l'area intorno al luneta senza fine. Scegli la forma cerchio, segna il perimetro dell'ingranaggio a vite senza fine e clicca su OK per applicare le modifiche.
Poi, seleziona l'opzione della regione della maschera per escludere aree indesiderate dall'analisi. Scegli la forma rettangolare, contorna il bordo rosso del pezzo e clicca su OK per confermare. Ora, attiva l'interfaccia software dal computer e attiva l'interruttore in modalità esecuzione.
Poi seleziona l'icona dell'utilità, clicca sull'opzione statistica e scegli il tipo di grafico preferito, come un grafico di tendenza o un istogramma, per supportare l'analisi della qualità basata sui dati da parte del nuovo responsabile del processo. L'istogramma della forma mostrava una distribuzione normale leggermente al di sopra del valore nominale, indicando che il processo era sotto controllo statistico, anche se la maggior parte delle parti era più vicina al limite superiore di specifica. Gli indici di capacità di processo hanno rivelato un forte allineamento con il limite inferiore delle specifiche, ma una capacità molto inferiore vicino al limite superiore, portando a una bassa capacità complessiva di processo.
Il grafico di controllo ha mostrato che le letture iniziali erano instabili a causa di aggiustamenti del sistema di misura, seguiti da un outlier di fase intermedia probabilmente causato da un pezzo difettoso, e si concludeva con una tendenza stabile entro i limiti superiori di controllo. L'istogramma a colori ha rivelato che le misurazioni si raggruppavano vicino ai limiti di tolleranza, suggerendo solo una conformità marginale alle specifiche, e la presenza di due distribuzioni atimetrice indicava instabilità del processo. L'analisi delle capacità per il colore ha mostrato che il processo era centrato, poiché i valori di CPU e CPL erano simili, ma un'elevata variabilità riduceva la capacità complessiva a un CPK di 0,539.
La tabella di controllo per il colore mostrava un'estrema instabilità con ampia variazione e frequenti guasti dei controlli durante tutto il ciclo produttivo.
View the full transcript and gain access to thousands of scientific videos
Questo articolo presenta un protocollo per simulare e monitorare un processo di assemblaggio semi-automatizzato in scala utilizzando un robot collaborativo (cobot) e un sistema di visione computerizzata per il controllo qualità. Lo studio valuta l'integrazione di queste tecnologie nel miglioramento dell'efficienza e della precisione nei processi industriali.
Integrating collaborative robotics and vision-based quality control into assembly workflows enables biopharma manufacturing teams to generate robust, quantitative data on process capability and product conformity. This approach supports early detection of process deviations, enhances predictive confidence in automated production, and informs risk-adjusted decisions at key inflection points in technology transfer and scale-up. The synergy between automation and statistical process control (SPC) underpins enterprise-wide standardization and continuous improvement initiatives.
This simulation protocol positions automated assembly and vision-based quality control as foundational capabilities bridging early process development, screening, and preclinical manufacturing workflows.