품질 관리를 위한 비전 시스템을 통한 로봇 팔 및 모니터링의 협업을 통한 확장 조립 공정 시뮬레이션

Summary

여기에서는 협동 로봇의 협업과 품질 관리를 위한 컴퓨터 비전 시스템을 통한 검증을 통해 확장된 반자동 조립 공정의 시뮬레이션 및 모니터링을 위한 프로토콜을 제시합니다.

Abstract

이 프로토콜은 협업 로봇 팔과 컴퓨터 비전 시스템을 사용하여 두 가지 주요 기준인 모양과 색상을 평가하여 제품 품질을 모니터링하여 교육용 웜 기어 세트를 조립하기 위한 확장 생산 라인의 반자동 시뮬레이션을 설명합니다. 이 연구의 목적은 고객 사양에 따라 프로세스의 기능, 안정성 및 적합성을 평가하기 위해 일관되고 신뢰할 수 있는 데이터를 생성하는 것입니다. 이 프로토콜은 공정 능력(Cp), 센터링을 위해 조정된 공정 능력 지수(Cpk), 상위 공정 능력(Cpu) 및 하부 공정 능력(Cpl)과 같은 역량 지수와 히스토그램 및 관리도와 같은 그래픽 도구를 사용하여 통계적 공정 제어(SPC)를 통해 주요 지표를 수집하고 분석하기 위한 명확한 방법론적 프레임워크를 제공합니다. 이를 통해 중요한 제품 특성의 편차와 추세를 식별할 수 있습니다. 형상 평가 결과는 자동화된 공정이 통계적 통제 하에 있음을 나타내지만 규격 상한에 대한 경향이 있어 공정 평균을 조정할 필요가 있음을 시사합니다. 대조적으로, 색상 평가는 더 큰 변동성, 낮은 성능(Cpk = 0.539) 및 통제 범위를 벗어난 지점을 나타내며 즉각적인 시정 조치가 필요한 불안정성을 나타냅니다. 이러한 결과를 바탕으로 입력 제어, 조명 조건 표준화, 작동 방법 검토 등 색상 변동성을 줄이기 위한 시정 조치를 구현하는 것이 좋습니다. 일반적으로 결과는 자동화 기술을 SPC와 같은 통계 도구와 통합하여 중요한 편차를 식별하고 프로세스를 최적화하며 제품 적합성을 보장하는 것의 중요성을 강화합니다. 자동화와 통계 분석 간의 이러한 시너지 효과는 점점 더 까다로워지는 산업 환경에서 경쟁력을 유지하기 위한 핵심 기둥을 형성합니다. 또한 이 프로토콜은 실제 생산 라인의 개선을 구현하기 위한 견고한 기반을 제공합니다.

Introduction

산업 공정의 자동화가 급속히 발전하면서 제조 시스템이 크게 변화했습니다. 이러한 발전으로 운영 효율성, 비용 절감, 프로세스 표준화 및 제품 품질 최적화를 포함한 중요한 영역이 크게 개선^{되었습니다1.} 이러한 맥락에서 기술 발전으로 인해 점점 더 민첩하고 정확하며 적응력이 뛰어난 생산 요구 사항을 충족할 수 있는 보다 복잡하고 전문화된 솔루션의 구현이 촉진되었습니다².

이 새로운 산업 시대의 가장 중요한 발전 중 하나는 코봇으로 알려진 협동 로봇의 통합입니다. 이러한 장치는 공유 환경에서 인간 작업자와 함께 안전하고 효율적으로 작업하도록 설계되었기 때문에 전통적인 산업용 로봇 공학의 진화를 나타냅니다 ^3,4,5. 협업 특성은 생산 공정의 유연성을 향상시킬 뿐만 아니라 제어된 상호 작용 및 환경 인식을 가능하게 하는 고급 센서가 장착되어 있어 작업의 안전 수준을^{높입니다6}.

지능형 자동화와 인간 기여의 조화로운 조화를 장려하는 인더스트리 5.0의 틀 내에서 코봇은 인간 중심 제조를 발전시키는 데 필수적인 도구가 되고 있습니다⁷. 이러한 시스템은 작업자를 대체하는 것이 아니라 반복적인 작업을 높은 정밀도로 효율적으로 처리하고 생산 환경의 교대에 유연하게 적응하여 기술을 향상하도록 설계되었습니다^.8 이를 통해 보다 통합되고 효과적인 작업 모델을 조성합니다.

다재다능함으로 인해 자동차 조립, 물류, 신발 제조, 의료 기기 등과 같은 다양한 산업에 적용할 수 있으며 생산성 및 공정 품질 향상에 기여합니다 ^9,10. 이러한 협업 역학은 생산 시스템을 재정의했으며 교육, 기술 적응 및 프로세스 재설계 측면에서 새로운 과제를 제시합니다⁷.

이러한 맥락에서 이 백서에서는 교육용 웜 기어 세트를 중심으로 개발된 축소된 조립 라인의 설계 및 구현에 대해 설명합니다. 이러한 유형의 라인은 실제 제조 환경의 일반적인 프로세스, 흐름 및 작업을 제어된 방식으로 시뮬레이션하기 위한 교훈적 목적으로 고안된 산업 생산 라인의 축소되고 기능적인 버전을 나타냅니다¹¹.

이는 생산 역학을 명확하게 관찰하고, 자동화된 기술을 테스트하고, 품질 보증 방법론을 적용하는 동시에 산업 플랜트의 직접 실험과 관련된 위험과 비용을 최소화할 수 있는 물리적, 운영적 설정입니다. 이 접근 방식은 협동 로봇 및 비전 시스템과 같은 솔루션에 대한 귀중한 교육 도구와 예비 검증 플랫폼을 제공하여 자동화, 지속적인 개선 및 운영 효율성에 대한 전략적 의사 결정을 지원합니다¹¹.

코봇의 성공적인 자동화 및 통합을 위한 핵심 요소는 비전 기반 품질 관리 시스템의 구현입니다. 고해상도 카메라가 장착된 비전 시스템을 통해 협동 로봇은 주변 환경을 정확하게 인식하고 해석하여 물체 인식, 이상 감지 및 자율 내비게이션을 위한 상세한 시각적 데이터를 제공할 수 있습니다¹². 어떤 경우에는 이러한 시스템이 완전한 솔루션으로 작동하는 반면, 다른 경우에는 조합하여 작동하도록 사용자 정의할 수 있습니다.

이러한 유형의 협동 로봇의 가장 중요한 응용 분야 중 하나는 품질 관리로, 이러한 시스템을 통해 생산 라인의 결함을 조기에 감지할 수 있습니다. 실시간 이상 감지를 통해 결함이 있는 부품을 적시에 제거할 수 있으므로 재작업, 재료 낭비 또는 고객 불만과 관련된 비용을 피할 수 있습니다¹³. 지속적이고 비침습적인 검사를 위한 이러한 기능은 제품 품질의 일관성을 높이고 프로세스 추적성을 강화합니다.

이러한 기술의 체계적인 통합을 통해 협동 로봇은 주변 환경을 효과적으로 감지하고, 이해하고, 반응하여 자율성과 작동 성능을 향상시킬 수 있습니다¹⁴.

최근 연구에 따르면 카메라와 협동 로봇을 사용한 품질 관리의 조합은 인적 오류를 줄일 뿐만 아니라 프로세스 신뢰성을 향상시켜 중요한 조립 및 검증 작업의 정밀도를 높이는 것으로 나타났습니다¹⁵. 이러한 시너지 효과는 대량 맞춤화 및 주문형 생산을 특징으로 하는 현대 산업 환경에서 필수적인 더 높은 수준의 제어, 적응성 및 효율성을 가능하게 합니다¹⁶.

이러한 기술을 사용하려면 지속적인 실시간 데이터 모니터링과 정보에 입각한 의사 결정을 가능하게 하는 품질 지수 사용을 포함하는 포괄적인 접근 방식이 필요합니다. 통계 프로세스 분석과 같은 도구는 지속적인 개선을 위한 강력한 플랫폼을 제공하여 기업이 시장 변화에 적응하고 장기적으로 높은 수준의 경쟁력을 유지할 수 있도록 보장합니다¹⁶.

규모가 큰 조립 라인에 반자동 코봇 및 컴퓨터 비전 시스템을 구현하면 수동 및 완전 자동화 등 기존 품질 관리 방법에 비해 상당한 이점을 얻을 수 있습니다. 피로나 장기간의 작업 조건으로 인해 오류가 발생할 수 있는 작업자의 인식, 경험 및 신체 상태 요인에 크게 의존하는 수동 검사와 달리¹⁷, 이 접근 방식은 인적 변동성을 제거하여 일관되고 객관적이며 정확한 평가를 보장합니다¹⁸.

종종 견고하고 적응 비용이 많이 드는 완전 자동화된 로봇 검사 시스템과 달리 코봇은 시연을 통한 학습 기능과 재프로그래밍의 용이성 덕분에 더 큰 유연성을 제공하며¹⁹ 이는 제품 변동성이 높은 환경에서 특히 유용합니다. 또한 컴퓨터 비전을 통합함으로써 시스템은 육안 검사 정확도를 크게 향상시키고 수동 검토에서 눈에 띄지 않을 수 있는 결함을 감지할 수 있습니다¹⁰. 고립된 솔루션과 달리 코봇이 감지된 편차에 실시간으로 반응하기 때문에 인식과 행동을 결합합니다.

또 다른 주요 차이점은 이 확장된 조립 라인이 제공하는 교육학 및 교육 접근 방식으로, 기술 프로세스를 검증하는 것 외에도 작업자에게 디지털 및 산업 기술을 교육하여 작업자가 Industry 5.0^20,21의 과제에 직면할 수 있도록 준비시키는 데 도움이 됩니다.

이 기사에서는 CV-X 비전 시스템⁽²³)과 함께 협동 로봇 UR3²²를 사용하여 자동화된 조립 공정의 통합을 살펴봅니다. 조립된 제품은 그림 1과 같이 감속기라고도 하는 웜과 웜기어로 구성된 변속기 시스템을 나타내는 "웜기어 교육용 세트"인 KanbUAMito라는 스케일 산업 모델입니다. 이 모델에는 표 1에 자세히 설명된 6가지 구성이 있습니다.

그림 1: Kanbuamito 장치의 구성 요소. 조립할 최종 제품을 구성하는 다양한 구성 요소. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

최종 제품	벌레	웜 기어	상자(뚜껑 및 받침대)
세1	회색	빨강	빨강
세2	하얀	회색	빨강
세3	빨강	하얀	빨강
세4	빨강	회색	빨강
세5	회색	하얀	빨강
세6	하얀	빨강	빨강

표 1: 조립할 제품의 가능한 조합. 최종 제품을 구성하는 다양한 구성 요소에 사용되는 색상에 따라 달라지는 최종 제품의 다양한 조합.

이 연구는 이러한 기술 통합이 운영 효율성 향상, 조기 결함 감지 및 제품 품질 일관성에 미치는 영향을 강조합니다. 또한 인더스트리 5.0 프레임워크 내에서 구현의 전략적 의미를 분석하여 인간, 협동 로봇 및 지능형 시스템 간의 협업이 생산 프로세스의 유연성, 맞춤화 및 지속 가능성에 초점을 맞춘 지속적인 개선 전략 개발을 어떻게 향상시킬 수 있는지 강조합니다.

Protocol

이 문서에서는 협동 로봇 팔을 사용하여 확장된 생산 프로세스를 반자동 복제하도록 설계된 시뮬레이션 프로토콜에 대해 간략하게 설명합니다. 어셈블리가 올바르게 완료되었는지 또는 오류가 포함되어 있는지 확인하기 위해 프로세스를 모니터링합니다. 프로토콜은 두 가지 주요 단계로 구성됩니다: i) 로봇 팔의 지원을 받아 조립을 수행하는 데 필요한 작업 실행(섹션 1-3); ii) 조립된 구성 요소를 모니터링하고 확인하는 데 사용되는 컴퓨터 비전 시스템의 구성(섹션 4-8).

1. 초기 조립 조건

1. 재료 표에 자세히 설명된 프로토콜 실행에 필요한 장비를 활성화합니다.
   참고: 프로토콜은 그림 2와 같이 분산 조립 라인에서 수행됩니다.
2. 그림 3에 표시된 레이아웃에 따라 보충 트레이에서 조립에 필요한 부품을 구성합니다.

그림 2: 조립 라인 레이아웃. 조립 라인은 네 가지 주요 섹션으로 구성됩니다: (A) 제품 조립 공정이 이루어지는 영역; (B) 조립이 완료되면 상기 조각을 운반하는 컨베이어 벨트; (C) 최종 제품의 품질 검사를 담당하는 비전 시스템이 설치된 구역; (D) 분석가가 비전 시스템을 통해 얻은 결과를 해석할 수 있도록 지정된 공간. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 3: 조립을 위한 부품의 초기 레이아웃. 조립 공정을 시작하기 전에 제품을 구성하는 구성 요소를 배치해야 하는 초기 배열입니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

2. 협동로봇의 프로그래밍 및 작동

1. 협동로봇 프로그래밍
   1. 로봇 팔을 초기 위치에 배치합니다. X = 465.84mm, Y = 71.87mm 및 Z =-308.31mm 좌표를 사용합니다.
   2. 그림 4에 표시된 트리 다이어그램에 따라 프로그래밍 시퀀스를 입력합니다.
2. 자동 조립
   1. 코봇이 상자의 하단 부분을 집어 조립 지점으로 이동하여 조립 시퀀스를 시작할 때까지 기다립니다.
      참고: 로봇 팔의 최대 탑재량은 3kg이며 0.03mm의 일관된 정밀도를 유지합니다. 협업 그리퍼 (Gripper) 가 사용되어 적용된 힘과 닫힘 거리를 조정할 수 있으며, 조립 공정과 관련된 각 구성 요소의 크기에 맞게 맞춤 제작됩니다.
   2. 다음으로, 협동 로봇은 웜을 집어 어셈블리 내의 해당 위치에 배치합니다.
   3. 그런 다음 로봇은 웜 기어를 가져와 상자 위에 조립합니다.
      알림: 이 조립 방법은 웜기어의 파손이나 손상을 방지하기 위해 고안되었습니다. 작업자의 취급을 용이하게 하고 조립 공정의 품질 향상에 기여합니다.
   4. 이러한 하위 어셈블리가 완료되면 로봇 팔이 이를 수동 조립 영역으로 옮길 때까지 기다리면 작업자가 프로세스를 계속할 것입니다(그림 5).
3. 수동 조립
   1. 수동 조립 영역에서 작업자가 그림 6 과 같이 배치된 서브어셈블리를 가져와 그림 7에 자세히 설명된 작업 순서에 따라 조립을 수행하도록 합니다.
   2. 수동 조립이 완료되면 조립된 부품이 트레이에 수직으로 놓여 있는지 확인하고 웜이 뒷면을 향하도록 합니다(그림 8).

그림 4: 코봇 프로그래밍 시퀀스. 협동 로봇에 로드해야 하는 명령의 순서입니다. (A,B) 프로그래밍 시퀀스의 첫 번째 부분과 두 번째 부분은 각각 있습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 5: 자동 조립에서 협동 로봇의 움직임 순서. 코봇은 다음과 같은 일련의 작업을 수행합니다: (A) 베이스를 집어 지그에 놓습니다. (B) 그런 다음 스핀들을 집어 베이스에 배치합니다. (C) 커버를 지그에 배치한 다음 기어에 배치합니다. (D) 최종적으로 조립된 베이스와 기어를 지그에 배치하여 후속 수동 조립을 수행합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 6: 수동 조립을 위한 작업자 픽업 지점. 작업자가 수동 조립을 시작하기 전에 완성된 횡단구성요소를 배치해야 하는 배치입니다. (A) 횡단구성요소 1이 이 영역에 배치되고 (B) 이 영역에 부분구성요소 2가 배치됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 7: 수동 조립 작업 순서. 작업자는 (A) 서브어셈블리 2를 픽업하고, (B) 서브어셈블리 1을 픽업하고, (C) 서브어셈블리 2를 서브어셈블리 1 위에 배치하고, (D) 두 구성요소를 모두 눌러 장치를 닫고, (E) 최종 제품을 지그에 놓습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 8: 지그의 최종 제품. 최종 제품이 컨베이어 벨트로 운반되기 전에 지그에 놓아야 하는 올바른 위치. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

3. 컨베이어 벨트로 운송

1. 완성된 어셈블리를 잡을 수 있도록 코봇을 배치합니다.
2. 고정되면 코봇이 최종 제품을 센서에 최대한 가까운 컨베이어 벨트로 옮겨 비전 카메라로 검사할 수 있도록 합니다.
   참고: 조립 단계 3.1-3.4는 그림 4에서 빨간색으로 강조 표시된 프로그래밍 순서에 해당합니다.

4. 카메라 및 소프트웨어의 초기 조건

1. 컴퓨터 CV-X 시리즈 시뮬레이션 소프트웨어의 인터페이스를 활성화하고 구성 모드를 활성화하여 검사 도구를 편집합니다.
2. 왼쪽 상단에서 카메라 설정 옵션을 클릭하고 프로그레시브 모드에서 해상도가 640 x 418이고 감도가 2.4로 설정되어 있으며 셔터 속도가 1/15ms인 CA-035C 모델을 선택하고 Flash 1을 활성화하고 DC40E 조명 모델을 선택한 다음 마지막으로 확인을 클릭합니다(그림 9).
   참고: 카메라는 512 x 418 및 640 x 418 픽셀의 두 가지 프로그레시브 스캔 해상도를 제공합니다. 더 나은 적응과 이미지 품질을 위해 더 높은 해상도가 선택되었습니다. 감도는 2.4(1에서 7까지의 척도)로 설정하여 좋은 이미지 품질을 유지하고 감도가 높을수록 선명도 감소를 방지했습니다. 셔터 속도는 1/15ms로 빛이 들어오도록 느리므로 저조도 조건에 이상적입니다.

그림 9: 비전 시스템의 초기 조건. 비전 시스템에서 구성해야 하는 초기 매개변수입니다. 이러한 각 설정은 쉽게 식별할 수 있도록 빨간색으로 강조 표시됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

5. 기능 평가

1. 웜 형상 특성 평가
   1. 도구 설정 및 이미지 등록 참조
      1. 인터페이스에서 Add Tools 옵션을 활성화하고 Function List 카테고리에서 ShapeTrax3 함수를 선택한 다음 Add를 클릭합니다.
      2. 도구를 선택하면 참조 이미지를 등록하라는 메시지가 표시됩니다(참조 이미지는 잘 구축된 이미지에 해당함). 이렇게 하려면 오른쪽 상단 모서리에 있는 Ref. Image 아이콘을 클릭한 다음 Register Image 를 선택하고 Execute 를 클릭하여 이미지를 캡처합니다. 그런 다음 이미지 형식 BMP 를 선택하고 저장을 클릭합니다.
         참고: 이 시점에서 좋은 부품은 상자가 조립되면 웜이 상자의 왼쪽 상단에서 돌출되는 부품으로 정의됩니다.
   2. 웜 매개변수 구성
      1. 검색 지역 옵션을 선택합니다. 검색 영역을 정의하는 파란색 상자가 나타납니다. 확인을 선택합니다. 이 파란색 상자가 5.1.1.2단계에서 선택한 부품의 이미지를 덮고 있는지 확인합니다.
      2. 패턴 영역 옵션을 선택하여 패턴 영역을 조정하고 참조와 최대한 유사하게 만듭니다. 이렇게 하려면 다각형 모양을 선택하고 부품의 둘레를 윤곽선으로 그린 다음 확인을 선택합니다.
   3. 웜에 대한 판단 조건
      1. 판단 조건 옵션에서 최대 한도 = 99.99% 및 최소 한도 = 70%로 일치 비율을 설정한 다음 확인을 선택합니다.
2. 웜기어 형상 특성 평가
   알림: 웜 기어의 형상 특성을 평가하려면 5.1 및 5.1.2.1단계를 반복하십시오.
   1. 웜 기어 매개변수 구성
      1. 패턴 영역 옵션을 선택하여 패턴 영역을 조정하고 참조 이미지와 최대한 유사하게 만듭니다. 이렇게 하려면 원형 모양을 선택하고 웜 기어의 둘레를 표시한 다음 확인을 선택합니다.
   2. 웜기어의 판정 조건
      1. 판단 조건 옵션에서 개수 모드를 선택하고 최소값과 최대값의 한계를 1로 설정한 다음 확인을 클릭합니다.
3. 웜 및 웜기어 위치 특성 평가
   참고: 위치 특성을 평가하려면 5.1.1단계를 반복하고 위치 조정 범주에서 프로파일 위치 기능을 선택합니다.
   1. 제품 매개변수 구성
      1. 5.2.1.1단계를 따르되 이번에는 직사각형 모양을 선택합니다.
   2. 상품에 대한 판정 조건
      1. 최대 한도를 99.99%로, 최소 한도를 60%로 설정합니다.

6. 색상 감지

1. 웜에 대한 판단 조건
   참고: 웜의 색상 감지 기능을 평가하려면 5.1.1.1단계의 단계를 반복하고 Count 범주 내에서 Cluster 기능을 선택해야 합니다. 새 참조 이미지도 5.1.1.2단계를 사용하여 등록해야 하며, 특히 도구가 감지할 색상을 포함해야 합니다. 그런 다음 5.1.2.1 및 5.1.2.2단계를 반복하되 사각형 모양을 선택하여 상자에서 돌출된 웜 세그먼트를 분리합니다.
   1. [ 마스크 영역 ] 옵션을 선택하고 [직사각형 ] 모양을 선택한 다음 부품의 빨간색 가장자리에 윤곽선을 그려 선택 중에 이 색상을 제외한 다음 [확인]을 클릭합니다.
   2. 색상 추출 | Color를 Binary로 변경합니다. 드롭다운 아이콘을 사용할 때 선택을 클릭합니다.
   3. 웜 영역을 여러 번 클릭하여 색상을 추출합니다. 그림 10과 같이 선택한 영역에 노란색 강조 표시가 나타나면 성공적인 선택이 확인됩니다.
   4. 판단 조건을 최대 한도 = 1 , 최소 한계 = 0으로 설정합니다.
2. 웜기어의 판정 조건
   알림: 웜 기어의 색상 감지 기능을 평가하려면 5.1.1.1단계의 단계를 반복하고 Count 범주에서 클러스터 기능을 선택해야 합니다. 5.1.1.2단계에 설명된 대로 도구가 감지하려는 색상으로 새 참조 이미지를 등록해야 합니다. 그런 다음 5.1.2.1 및 5.1.2.2단계를 반복하지만 상자에서 돌출된 웜 기어의 세그먼트를 분리하기 위해 원 모양을 선택해야 한다는 차이점이 있습니다.
   1. [ 마스크 영역] 옵션을 선택하고 [직사각형] 모양을 선택한 다음 부품의 빨간색 가장자리에 윤곽선을 그려 선택 중에 이 색상을 제외합니다. 확인을 클릭합니다.
   2. 색상 추출 | Color를 Binary로 변경합니다. 스포이드 아이콘을 클릭하고 선택 옵션을 선택합니다.
   3. 웜 기어 그림에서 여러 번 클릭하여 원하는 색상을 추출합니다. 선택한 영역 위에 노란색 오버레이가 나타나면 올바른 선택이 확인됩니다.
   4. 판단 조건을 최대 한도 = 1 , 최소 한계 = 0으로 설정합니다.
      알림: 웜 기어 박스의 모든 색상 조합에 대해 6.1단계와 6.2단계를 반복해야 합니다.

그림 10: 벌레 과다 노출. 비전 시스템이 스핀들을 감지합니다. 노란색 프레임이 선택한 영역을 강조 표시하면 선택에 성공한 것으로 확인됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

7. 작동을 위한 카메라 및 소프트웨어 조건 준비

1. 컴퓨터에서 CV-X 시리즈 시뮬레이션 소프트웨어 프로그램의 인터페이스를 활성화하고 실행 모드로 전환 모드를 활성화합니다. 그런 다음 유틸리티 아이콘을 선택하고 I/O 모니터 옵션을 클릭합니다.
2. 카메라 컨트롤러를 코봇 컨트롤러에 연결하는 터미널을 활성화합니다. 이 경우 F_OUT3(RUN), OUT3(CMD_READY), OUT4(READY1) OUT 터미널을 활성화합니다.
3. 소프트웨어 인터페이스에서 출력 아이콘을 선택하고 전체 상태 섹션에서 섹션 4, 5 및 6에 설정된 모든 도구를 활성화합니다.

8. 시뮬레이션 결과 획득

알림: 모션 센서가 제품을 감지하면 컨베이어 벨트가 멈추고 섹션 4, 5 및 6에 설정된 매개변수를 사용하여 검사 프로세스를 수행하기 위한 사진을 찍습니다.

1. 컴퓨터에서 소프트웨어 인터페이스를 활성화하고 실행 모드로 전환을 활성화합니다. 그런 다음 유틸리티 아이콘을 선택하고 통계 옵션을 클릭합니다. 검토할 그래프 유형(예: 추세 그래프 또는 히스토그램)을 선택하면 품질 분석이 가능하고 새로운 프로세스 관리자의 데이터 관리를 기반으로 의사 결정을 내릴 수 있습니다(그림 11).

그림 11: 통계적 공정 제어의 선택. 빨간색으로 강조 표시된 영역은 시뮬레이션 실행 후 통계적 프로세스 제어에 액세스하기 위해 선택할 아이콘을 나타냅니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Results

이 문서는 협업 로봇 팔을 사용하여 생산 공정의 축척 모델을 반자동 시뮬레이션하기 위한 프로토콜을 제시합니다. 최종 제품의 품질은 어셈블리의 중요한 기능을 검사하는 컴퓨터 비전 시스템 (computer vision system) 을 통해 평가됩니다.

생산 공정의 잠재적 오류를 식별하고 분석하는 데 필수적인 도구는 공정을 모니터링하고 제어하여 최적의 성능과 제품 적합성을 보장하는 것을 목표로 하는 통계적 방법의 적용을 기반으로 하는 통계적 공정 제어(SPC)입니다. 주요 목표는 프로세스를 안정적이고 예측 가능하게 유지하여 폐기물을 최소화하면서 사양 내 부품의 생산을 극대화하는 것입니다²⁴.

공정의 품질 평가에는 제품 유형에 따라 사양이 다를 수 있으므로 예비 단계로 공칭 값과 공차 범위의 정의가 필요합니다. 이 기능을 정량화하기 위해 이 기능을 정량화하는 데 가장 일반적으로 사용되는 지표 ...

Discussion

오늘날 경쟁이 치열한 글로벌 시장에서 기업이 경쟁력을 유지하고 생존을 보장하려면 지속적인 개선과 적응성이 필수적입니다. 따라서 경쟁력 있는 비용으로 고품질 제품을 제 시간에 지속적으로 제공함으로써 고객의 기대치를 뛰어넘는 것이 중요합니다²⁹.

협업 로봇 팔 및 인공 비전 시스템과 같은 첨단 기술을 사용하여 생산 공정의 확장 시뮬레이션은 개선이 필요한 영역을 식별하고 현재 시장 요구에 대응하는 데 유용한 도구입니다. 확장 된 조립 라인에서 협동 로봇과 인공 시각을 결합하는 반자동 시스템은 수동 및 완전 자동화 등 기존 품질 관리 방법에 비해 분명한 이점을 제공합니다. 수동 검사는 지각 및 피로와 같은 인적 요인에 크게 의존하므로 일관되지 않은 결과가 발생할 수 있습니다^17,18

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
협동 로봇 팔	유니버설 로봇	UR3 모델 (CB-3 UR3)
컨베이어 벨트	가말리에		30 x 150 cm 크기의 컨베이어 벨트
광전 센서	옴론	E3F2-DS10B4-N
비전 시스템	키엔스	CV-X-300