Method Article

Symulacja procesu montażu w skali z udziałem ramienia robotycznego i monitorowania za pomocą systemu wizualnego w celu kontroli jakości

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

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

Przedstawiamy tutaj protokół symulacji i monitorowania skalowanego półautomatycznego procesu montażu, realizowany wspólnie z robotem współpracującym oraz weryfikacją za pomocą systemu widzenia komputerowego w celu kontroli jakości.

Abstract

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

Protokół ten opisuje półautomatyczną symulację skalowanej linii produkcyjnej do montażu edukacyjnego zestawu ślimaków, wykorzystującą współpracujące ramię robotyczne i system widzenia komputerowego do monitorowania jakości produktu poprzez ocenę dwóch głównych kryteriów: kształtu i koloru. Celem tego badania jest uzyskanie spójnych i wiarygodnych danych do oceny możliwości, stabilności i zgodności procesu zgodnie ze specyfikacjami klienta. Protokół zapewnia jasne ramy metodologiczne do zbierania i analizy kluczowych wskaźników poprzez Statystyczną Kontrolę Procesów (SPC), wykorzystując indeksy zdolności, takie jak zdolność procesu (Cp), indeks zdolności procesowych korygowany o centrowanie (Cpk), górne możliwości procesowe (CPU) i dolne zdolności procesu (Cpl), a także narzędzia graficzne, takie jak histogramy i wykresy sterujące. Umożliwiają one identyfikację odchyleń i trendów w kluczowych cechach produktu. Wyniki oceny kształtu wskazują, że zautomatyzowany proces jest pod kontrolą statystyczną, choć z tendencją do górnej granicy specyfikacji, co sugeruje potrzebę korekty średniej procesu. Dla porównania, ocena kolorów ujawnia większą zmienność, niską zdolność (Cpk = 0,539) oraz punkty poza kontrolą, co wskazuje na niestabilność wymagającą natychmiastowych działań korygujących. Na podstawie tych wyników zaleca się wdrożenie działań korygujących mających na celu ograniczenie zmienności kolorów, takich jak surowsza kontrola wejść, standaryzacja warunków oświetleniowych oraz przegląd metod operacyjnych. Ogólnie wyniki podkreślają znaczenie integracji zautomatyzowanych technologii z narzędziami statystycznymi, takimi jak SPC, aby identyfikować krytyczne odchylenia, optymalizować procesy i zapewniać zgodność produktu. Ta synergia między automatyzacją a analizą statystyczną stanowi kluczowy filar utrzymania konkurencyjności w coraz bardziej wymagających środowiskach przemysłowych. Ponadto protokół ten stanowi solidne podstawy do wdrażania ulepszeń na rzeczywistych liniach produkcyjnych.

Introduction

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

Szybki rozwój automatyzacji w procesach przemysłowych doprowadził do znaczącej transformacji systemów produkcyjnych. Ta ewolucja znacząco poprawiła kluczowe obszary, w tym efektywność operacyjną, oszczędności kosztów, standaryzację procesów oraz optymalizację jakości produktu1. W tym kontekście postęp technologiczny napędził wdrażanie bardziej złożonych i wyspecjalizowanych rozwiązań, zdolnych sprostać wymaganiom coraz bardziej zwinnej, precyzyjnej i elastycznej produkcji2.

Jednym z najważniejszych osiągnięć w tej nowej erze przemysłowej jest wprowadzenie robotów współpracujących, znanych jako coboty. Urządzenia te stanowią ewolucję tradycyjnej robotyki przemysłowej, ponieważ zostały zaprojektowane do bezpiecznej i efektywnej pracy u boku ludzkich operatorów w środowiskach współdzielonych 3,4,5. Ich współpraca nie tylko zwiększa elastyczność procesów produkcyjnych, ale także podnosi poziom bezpieczeństwa w operacjach, ponieważ są wyposażone w zaawansowane czujniki umożliwiające kontrolowaną interakcję i świadomość środowiskową6.

W ramach Przemysłu 5.0, który sprzyja harmonijnemu połączeniu inteligentnej automatyzacji i wkładu człowieka, coboty stają się kluczowymi narzędziami do rozwoju produkcji skoncentrowanej na człowieku7. Zamiast zastępować pracowników, systemy te zostały zaprojektowane tak, aby podnosić ich umiejętności poprzez efektywne wykonywanie powtarzalnych zadań z wysoką precyzją i elastyczne dostosowywanie się do zmian w środowisku produkcyjnym8, co sprzyja bardziej zintegrowanemu i efektywnemu modelowi pracy.

Ich wszechstronność pozwala na zastosowanie w różnych branżach, takich jak montaż motoryzacyjny, logistyka, obuwie, urządzenia medyczne i inne, gdzie przyczyniają się do poprawy wydajności i jakości procesów 9,10. Ta współpraca zdefiniowała na nowo systemy produkcyjne i stawia przed sobą nowe wyzwania w zakresie szkoleń, adaptacji technologicznej oraz przeprojektowania procesów7.

W tym kontekście niniejszy artykuł opisuje projektowanie i wdrożenie pomniejszonej linii montażowej opartej na edukacyjnym zestawie przekładni ślimakowych. Ten typ linii stanowi uproszczoną i funkcjonalną wersję przemysłowej linii produkcyjnej, zaprojektowaną w celach dydaktycznych, aby w kontrolowany sposób symulować procesy, przepływy i operacje typowe dla rzeczywistego środowiska produkcyjnego11.

Jest to fizyczna i operacyjna konfiguracja, która umożliwia jasną obserwację dynamiki produkcji, testowanie zautomatyzowanych technologii oraz stosowanie metod zapewnienia jakości, minimalizując jednocześnie ryzyko i koszty związane z bezpośrednimi eksperymentami w zakładach przemysłowych. Takie podejście stanowi cenne narzędzie edukacyjne oraz wstępną platformę walidacyjną dla rozwiązań takich jak roboty współpracujące i systemy wizualne, wspierając strategiczne podejmowanie decyzji w automatyzacji, ciągłym doskonaleniui efektywności operacyjnej.

Kluczowym czynnikiem skutecznej automatyzacji i integracji cobotów jest wdrożenie systemów kontroli jakości opartych na wzroku. Wyposażone w kamery o wysokiej rozdzielczości, systemy wizualne pozwalają współpracującym robotom precyzyjnie postrzegać i interpretować otoczenie, dostarczając szczegółowe dane wizualne do rozpoznawania obiektów, wykrywania anomalii oraz autonomicznej nawigacji12. W niektórych przypadkach te systemy działają jako kompletne rozwiązania, podczas gdy w innych można je dostosować do współpracy z nimi.

Jednym z najważniejszych zastosowań tego typu robotów współpracujących jest kontrola jakości, gdzie systemy te umożliwiają wczesne wykrywanie wad na liniach produkcyjnych. Wykrywanie anomalii w czasie rzeczywistym pozwala na terminowe usunięcie wadliwych części, co pozwala uniknąć kosztów związanych z naprawami, marnotrawstwem materiałów lub skargami klientów13. Ta zdolność do ciągłej i nieinwazyjnej inspekcji zapewnia większą spójność jakości produktu oraz wzmacnia śledzenie procesów.

Systematyczna integracja tych technologii umożliwia robotom współpracującym skuteczne wyczuwanie, rozumienie i reagowanie na otoczenie, zwiększając ich autonomię i wydajność operacyjną14.

Najnowsze badania wykazały, że połączenie kontroli jakości z kamerami i robotami współpracującymi nie tylko zmniejsza błędy ludzkie, ale także poprawia niezawodność procesów, zwiększając precyzję w kluczowych zadaniach montażu i weryfikacji15. Ta synergia umożliwia wyższy poziom kontroli, adaptacji i efektywności, co jest niezbędne we współczesnych środowiskach przemysłowych charakteryzujących się masową personalizacją i produkcją na żądanie16.

Wykorzystanie tych technologii wymaga kompleksowego podejścia, które obejmuje ciągłe monitorowanie danych w czasie rzeczywistym oraz stosowanie wskaźników jakości, które umożliwiają podejmowanie świadomych decyzji. Narzędzia takie jak analiza procesów statystycznych stanowią solidną platformę do ciągłego doskonalenia, zapewniając firmom możliwość dostosowania się do zmian rynkowych i utrzymania wysokiego poziomu konkurencyjnościw dłuższej perspektywie.

Wdrożenie półautomatycznego systemu cobot i systemu widzenia komputerowego na skalowanej linii montażowej oferuje znaczące zalety w porównaniu z tradycyjnymi metodami kontroli jakości, zarówno ręcznymi, jak i w pełni zautomatyzowanymi. W przeciwieństwie do inspekcji ręcznej, która w dużej mierze zależy od percepcji, doświadczenia i czynników kondycji fizycznej operatora, co może prowadzić do błędów spowodowanych zmęczeniem lub długotrwałymi warunkami pracy17, to podejście zapewnia spójną, obiektywną i precyzyjną ocenę poprzez eliminację zmienności człowieka18.

W przeciwieństwie do w pełni zautomatyzowanych systemów inspekcji robotycznej, które często są sztywne i kosztowne w adaptacji, coboty zapewniają większą elastyczność dzięki możliwościom uczenia się przez demonstrację oraz łatwości przeprogramowania19, co jest szczególnie przydatne w środowiskach o dużej zmienności produktu. Ponadto, integrując widzenie komputerowe, system znacząco poprawia dokładność wizualnej inspekcji i umożliwia wykrywanie usterek, które mogą pozostać niezauważone podczas ręcznych przeglądów10. W przeciwieństwie do rozwiązań izolowanych, łączy percepcję i działanie, ponieważ cobot reaguje w czasie rzeczywistym na wykryte odchylenia.

Kolejną kluczową różnicą jest podejście pedagogiczne i szkoleniowe oferowane przez tę skalowaną linię montażową: oprócz weryfikacji procesu technicznego, pomaga ona również szkolić operatorów w zakresie umiejętności cyfrowych i przemysłowych, przygotowując pracowników do stawienia czoła wyzwaniom Przemysłu 5.020,21.

Niniejszy artykuł analizuje integrację zautomatyzowanego procesu montażu z użyciem robota współpracującego UR322 wraz z systemem wizualnym CV-X23. Złożonym produktem jest przemysłowy model w skali o nazwie KanbUAMito, "zestaw edukacyjny z przekładnią ślimakową", który reprezentuje układ przekładni składający się ze ślimaka i przekładni ślimakowej, znany również jako reduktor prędkości, jak pokazano na Rysunku 1. Model ten posiada sześć różnych konfiguracji, które szczegółowo opisano w Tabeli 1.

Rysunek 1
Rysunek 1: Elementy urządzenia Kanbuamito. Różne komponenty, które tworzą końcowy produkt do złożenia. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

Produkt końcowyRobakPrzekładnia ślimakowaPudełko (pokrywka i podstawa)
CE1SzaryCzerwonyCzerwony
CE2BiałySzaryCzerwony
CE3CzerwonyBiałyCzerwony
CE4CzerwonySzaryCzerwony
CE5SzaryBiałyCzerwony
CE6BiałyCzerwonyCzerwony

Tabela 1: Możliwe kombinacje produktu do złożenia. Różne kombinacje końcowego produktu, które zależą od kolorów użytych w poszczególnych komponentach.

Niniejsze badanie podkreśla wpływ tej integracji technologicznej na poprawę efektywności operacyjnej, wczesnego wykrywania wad oraz spójności jakości produktu. Ponadto analizuje strategiczne implikacje wdrożenia w ramach Przemysłu 5.0, podkreślając, jak współpraca między ludźmi, robotami współpracującymi i inteligentnymi systemami może wspierać rozwój strategii ciągłego doskonalenia skoncentrowanych na elastyczności, personalizacji i trwałości procesów produkcyjnych.

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

Protocol

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

Niniejszy dokument opisuje protokół symulacyjny zaprojektowany do półautomatycznego odwzorowania skalowanego procesu produkcyjnego za pomocą współpracującego ramienia robotycznego. Proces jest monitorowany, aby sprawdzić, czy montaż został wykonany poprawnie lub zawiera błędy. Protokół podzielony jest na dwa główne etapy: i) wykonanie operacji niezbędnych do montażu przy wsparciu ramienia robotycznego (sekcje 1-3); ii) konfigurację systemu widzenia komputerowego służącego do monitorowania i weryfikacji złożonego komponentu (sekcje 4-8).

1. Początkowy warunek montażu

  1. Aktywuj sprzęt potrzebny do wykonania protokołu, który jest szczegółowo opisany w Tabeli Materiałów.
    UWAGA: Protokół realizowany jest na rozproszonej linii montażowej, jak pokazano na Rysunku 2.
  2. Zorganizuj niezbędne części do montażu na tacce uzupełniającej, zgodnie z układem pokazanym na Rysunku 3.

Rysunek 2
Rysunek 2: Układ linii montażowej. Linia montażowa składa się z czterech głównych części: (A) obszaru, w którym odbywa się proces montażu produktu; (B) taśmę transportującą element po zakończeniu montażu; (C) strefa, w której zainstalowany jest system wizualny odpowiedzialny za kontrolę jakości produktów końcowych; oraz (D) przestrzeń przeznaczona dla analityka do interpretacji wyników uzyskanych za pomocą systemu wizualnego. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

Rysunek 3
Rysunek 3: Początkowy układ elementów do montażu. Początkowe ułożenie, w którym elementy tworzące produkt muszą zostać umieszczone przed rozpoczęciem procesu montażu. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

2. Programowanie i obsługa robota współpracującego

  1. Programowanie robota współpracującego
    1. Ustaw ramię robotyczne w początkowej pozycji. Użyj następujących współrzędnych: X = 465,84 mm, Y = 71,87 mm oraz Z =-308,31 mm.
    2. Wprowadź sekwencję programowania zgodnie z diagramem drzewa pokazanym na Rysunku 4.
  2. Montaż automatyczny
    1. Czekaj, aż cobot zacznie sekwencję montażu, podnosząc dolną część pudełka i przenosząc ją do punktu montażu.
      UWAGA: Ramię robotyczne ma maksymalną ładowność 3 kg i utrzymuje stałą precyzję 0,03 mm. Stosuje się chwytak współpracujący, który pozwala na regulację siły przyłożonej i odległości zbliżania, dostosowany do rozmiaru każdego elementu zaangażowanego w proces montażu.
    2. Następnie robot współpracujący podnosi robaka i umieszcza go w odpowiednim miejscu w zespole.
    3. Robot następnie bierze koło zębate i montuje je na skrzyni.
      UWAGA: Ta metoda montażu została zaprojektowana, aby zapobiec uszkodzeniu lub uszkodzeniu przekładni ślimakowej. Ułatwia obsługę operatorowi i przyczynia się do wyższej jakości procesu montażu.
    4. Po ukończeniu tych podzespołów czekaj, aż ramię robotyczne przeniesie je do strefy montażu ręcznego, gdzie operator będzie kontynuował proces (rysunek 5).
  3. Montaż ręczny
    1. W ręcznym montażu operator powinien wziąć podzespół umieszczony zgodnie ze Rysunkiem 6 i wykonać montaż zgodnie z kolejnością operacji opisaną na Rysunku 7.
    2. Po zakończeniu ręcznego montażu upewnij się, że złożona część jest umieszczona pionowo na tacce, dbając o to, że ślimak jest skierowany ku tyłowi (Rysunek 8).

Rysunek 4
Rysunek 4: Sekwencja programowania Cobotów. Kolejność instrukcji, które muszą zostać załadowane do robota współpracującego. (A,B) Pierwsza i druga część sekwencji programowania, odpowiednio. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

Rysunek 5
Rysunek 5: Sekwencja ruchów robota współpracującego w automatycznym zespole. Cobot wykonuje następujące czynności: (A) podnosi podstawę i umieszcza ją na przyrządzie; (B) następnie podnosi wrzeciono i ustawia je na podstawie; (C) ustawia pokrywę na przyrządzie, a następnie na zębacie; oraz (D) ostatecznie odkłada zmontowaną podstawę i zębatkę na przyrząd do późniejszego ręcznego montażu. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

Rysunek 6
Rysunek 6: Punkt odbioru przez operatora do ręcznego montażu. Układ, w którym gotowe podzespoły muszą być umieszczone przed rozpoczęciem ręcznego montażu przez operatora. (A) Podzespół 1 jest umieszczony w tym obszarze, a (B) w tej strefie znajduje się podzespół 2. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

Rysunek 7
Rysunek 7: Ręczna sekwencja montażu operacji. Operator wykonuje następującą sekwencję operacji: (A) podnosi podzespół 2, (B) podnosi podzespół 1, (C) umieszcza podzespół 2 na podzespołzie 1, (D) naciska oba elementy, aby zamknąć urządzenie, oraz (E) umieszcza końcowy produkt na przyrządzie. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

Rysunek 8
Rysunek 8: Produkt końcowy na przyrządzie. Prawidłowa pozycja, w której końcowy produkt musi zostać umieszczony na przyrządzie przed transportem na taśmę. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

3. Transport na taśmociąg

  1. Ustaw cobota, aby chwycił gotowy zespół.
  2. Po zabezpieczeniu cobot może przenieść gotowy produkt na taśmę przenośniczkową, jak najbliżej czujnika, co pozwala na jego inspekcję przez kamerę wizualną.
    UWAGA: Kroki montażu 3.1-3.4 odpowiadają sekwencji programowania zaznaczonej na czerwono na Rysunku 4.

4. Początkowe warunki aparatu i oprogramowania

  1. Włącz interfejs oprogramowania symulacyjnego serii CV-X oraz aktywuj tryb konfiguracji , aby edytować narzędzia inspekcyjne.
  2. W lewym górnym rogu kliknij opcję ustawienia aparatu i wybierz model CA-035C o rozdzielczości 640 x 418 w trybie progresywnym, czułości ustawionej na 2,4, czas naświetlania na 1/15 ms, włącz Flash 1, wybierz model oświetlenia DC40E i na końcu kliknij OK (rysunek 9).
    UWAGA: Aparat oferuje dwie rozdzielczości progresywnego skanowania: 512 x 418 oraz 640 x 418 pikseli. Wybrano wyższą rozdzielczość dla lepszej adaptacji i jakości obrazu. Czułość ustawiono na 2,4 (w skali od 1 do 7), aby utrzymać dobrą jakość obrazu i uniknąć spadku klarowności przy wyższej czułości. Czas naświetlania to 1/15 ms, co jest wolne, by światło przenikało, co jest idealne w warunkach słabego oświetlenia.

Rysunek 9
Rysunek 9: Warunki początkowe układu wzrokowego. Parametry początkowe, które muszą być skonfigurowane w systemie widzenia. Każde z tych ustawień jest podświetlone na czerwono, co ułatwia identyfikację. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

5. Ocena cech

  1. Ocena charakterystyki kształtu robaka
    1. Zestaw narzędzi i odniesienie do rejestracji obrazów
      1. W interfejsie włącz opcję Dodaj narzędzia i wybierz funkcję ShapeTrax3 z kategorii Lista funkcji , a następnie kliknij Dodaj (Dodaj).
      2. Po wybraniu narzędzia pojawi się poproszenie o zarejestrowanie obrazu referencyjnego (obraz referencyjny odpowiada dobrze zbudowanemu obrazowi). Aby to zrobić, kliknij ikonę Ref. Image w prawym górnym rogu, następnie wybierz Register Image i kliknij Wykonaj, aby uchwycić obraz. Następnie wybierz format obrazu BMP i kliknij Zapisz.
        UWAGA: W tym momencie znaczna część definiuje się jako taką, w której po złożeniu pudełka robak wystaje z lewej górnej strony pudełka.
    2. Konfiguracja parametrów robaka
      1. Wybierz opcję Region wyszukiwania ; pojawi się niebieskie okienko, które definiuje obszar wyszukiwania. Wybierz OK. Potwierdź, że to niebieskie pole pokrywa obraz wybranej części w kroku 5.1.1.2.
      2. Wybierz opcję Region wzoru , aby dostosować region wzoru i osiągnąć jak największe podobieństwo do odniesienia. Aby to zrobić, wybierz kształt wielokąta , wyznacz obwód części i wybierz OK.
    3. Warunki oceny dla robaka
      1. W opcji Warunki Oceny ustaw procent dopasowania z maksymalnym limitem = 99,99% i minimalnym = 70%, a następnie wybierz Ok.
  2. Ocena charakterystyk kształtu przekładni ślimakowej
    UWAGA: Aby ocenić charakterystykę kształtu przekładni ślimakowej, powtórz kroki 5.1 i 5.1.2.1.
    1. Konfiguracja parametrów przekładni ślimakowej
      1. Wybierz opcję Region wzoru , aby dostosować region wzoru i osiągnąć największe podobieństwo do obrazu referencyjnego. Aby to zrobić, wybierz kształt Circle, zaznacz obwód koła ślimakowego i wybierz Ok.
    2. Warunki oceny dla przekładni ślimakowej
      1. W opcji Warunki Oceny wybierz tryb Liczenia i ustaw limity wartości minimalnej i maksymalnej na 1, a następnie kliknij OK.
  3. Ocena charakterystyk położenia ślimaka i przekładni ślimakowej
    UWAGA: Aby ocenić charakterystykę pozycji, powtórz krok 5.1.1, a w kategorii Korekta Pozycji wybierz funkcję Profil Pozycja .
    1. Konfiguracja parametrów produktu
      1. Postępuj zgodnie z krokiem 5.2.1.1, ale tym razem wybierz kształt prostokąta .
    2. Warunki oceny produktu
      1. Ustaw maksymalny limit na 99,99%, a minimalny na 60%.

6. Wykrywanie kolorów

  1. Warunki oceny dla robaka
    UWAGA: Aby ocenić funkcję wykrywania kolorów robaka, należy powtórzyć kroki z kroku 5.1.1.1 i w kategorii Liczba wybrać funkcję Klaster . Nowy obraz referencyjny musi być również zarejestrowany według kroku 5.1.1.2, dokładając kolory, które narzędzie wykryje. Następnie powtórz kroki 5.1.2.1 i 5.1.2.2, ale wybierz kształt prostokąta , aby odizolować segment robaka wystający z pudełka.
    1. Wybierz opcję Region Maski , wybierz kształt prostokąta , obrysuj czerwoną krawędź elementu, aby wykluczyć ten kolor podczas zaznaczania, i kliknij OK.
    2. Kliknij Extract Colors | Kolor do binarnego. Używając ikony rozwijanego menu, kliknij Wybierz (Wybierz się).
    3. Kliknij kilka razy na obszar z robakiem, aby wyodrębnić kolor. Pomyślny wybór potwierdza się, gdy w wybranym obszarze pojawi się żółte podświetlenie, jak pokazano na Rysunku 10.
    4. Ustaw warunki oceny z maksymalnym limitem = 1 i minimalnym = 0.
  2. Warunki oceny dla przekładni ślimakowej
    UWAGA: Aby ocenić funkcję wykrywania kolorów koła ślimakowego, należy powtórzyć kroki z kroku 5.1.1.1 i w kategorii Liczba wybrać funkcję Klaster . Nowy obraz referencyjny musi być zarejestrowany z kolorami, które narzędzie ma wykrywać, zgodnie z opisem w kroku 5.1.1.2. Następnie powtarzam kroki 5.1.2.1 i 5.1.2.2, z tą różnicą, że należy wybrać kształt koła , aby izolować segment koła ślimakowego wystający z pudełka.
    1. Wybierz opcję Region Maski , wybierz kształt prostokąta i wyznacz czerwony obrys elementu, aby wykluczyć ten kolor podczas zaznaczania. Kliknij OK.
    2. Kliknij Extract Colors | Kolor do binarnego. Kliknij ikonę zakraplacza i wybierz opcję Wybierz (Wybierz jeszcze).
    3. W figurce przekładni ślimakowej kliknij kilka razy, aby wyodrębnić pożądany kolor. Prawidłowy wybór potwierdza się, gdy na wybrany obszar pojawia się żółta nakładka.
    4. Ustaw warunki oceny z maksymalnym limitem = 1 i minimalnym = 0.
      UWAGA: Kroki 6.1 i 6.2 muszą być powtarzane dla wszystkich kombinacji kolorystycznych skrzyni ślimakowej.

Rysunek 10
Rysunek 10: Nadmierne narażenie na robaki. System wizji wykrywa wrzeciono. Pomyślny wybór potwierdza się, gdy żółta ramka podkreśla wybrany obszar. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

7. Przygotowanie warunków kamery i oprogramowania do pracy

  1. Włącz interfejs programu CV-X Series Simulation Software z komputera i aktywuj tryb Przełącz na tryb Run. Następnie wybierz ikonę Utility i kliknij opcję I/O Monitor.
  2. Włącz terminale łączące kontroler kamery z kontrolerem cobota. W tym przypadku włącz następujące terminale OUT : F_OUT3 (RUN), OUT3 (CMD_READY), OUT4 (READY1)
  3. W interfejsie oprogramowania wybierz ikonę Output i w sekcji Ogólny Status włącz wszystkie narzędzia ustanowione w sekcjach 4, 5 i 6.

8. Pozyskiwanie wyników symulacji

UWAGA: Gdy czujnik ruchu wykrywa produkt, taśma przenośnika zatrzymuje się, a następnie wykonuje się zdjęcie w celu przeprowadzenia inspekcji przy użyciu parametrów określonych w sekcjach 4, 5 i 6.

  1. Włącz interfejs programowy z komputera i włącz Switch do trybu uruchomienia. Następnie wybierz ikonę Utility i kliknij opcję Statystyki . Wybierz typ grafu do przeglądu, na przykład wykres trendu lub histogram, który umożliwia analizę jakości i wspiera podejmowanie decyzji na podstawie zarządzania danymi przez nowego kierownika procesu (rysunek 11).

Rysunek 11
Rysunek 11: Wybór statystycznej kontroli procesu. Obszar podświetlony na czerwono wskazuje ikonę do wybrania dostępu do Statystycznej Kontroli Procesów po uruchomieniu symulacji. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

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

Results

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

Niniejszy dokument przedstawia protokół półautomatycznej symulacji skalowanego modelu procesu produkcyjnego z użyciem współpracującego ramienia robotycznego. Jakość końcowego produktu jest oceniana za pomocą systemu widzenia komputerowego, który sprawdza kluczowe cechy zespołu.

Kluczowym narzędziem do identyfikacji i analizy potencjalnych awarii w procesie produkcyjnym jest Statystyczna Kontrola Procesów (SPC), oparta na zastosowaniu metod statystycznych mających na celu monitorowanie i kontro...

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

Discussion

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

Na dzisiejszym konkurencyjnym rynku globalnym ciągłe doskonalenie i elastyczność są niezbędne, aby firma mogła utrzymać konkurencyjność i zapewnić sobie przetrwanie. Dlatego kluczowe jest, aby przekraczać oczekiwania klientów, konsekwentnie dostarczając wysokiej jakości produkty na czas i po konkurencyjnych cenach29.

Skalowana symulacja procesów produkcyjnych, wykorzystująca zaawansowane technologie, takie jak współpracujące ramiona robotyczne i systemy sztucznego widze...

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

Disclosures

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

Autorzy nie mają żadnych konfliktów interesów do ujawnienia.

Acknowledgements

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

Artykuł ten jest wspierany przez Narodowy Instytut Politechniczny (Instituto Politécnico Nacional) z Meksyku w ramach projektu nr 20250776, przyznanego przez Sekretariat Badań i Studiów Podyplomowych (Secretaría de Investigación y Posgrado), Secretaría de Ciencia, Humanidades, Tecnología e Innovación (SECIHTI). Dodatkowe wsparcie otrzymano dzięki stypendium przyznanemu przez CVU 1145035 przez Secretaría de Ciencia, Humanidades, Tecnología e Innovación (SECIHTI). Ponadto artykuł ten jest również wspierany przez Metropolitalny Uniwersytet Autonomiczny (Universidad Autónoma Metropolitana) w Meksyku w ramach projektu SI004-20. Ponadto badania te są częścią Konkursu na Międzyinstytucjonalne Projekty Współpracy 2025 IPN-UAM-UAEMÉX, w ramach Projektu 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
Współpracujące ramię robotyczneRobot Uniwersalny UR3 model (CB-3 UR3)
Taśma transportowaGamalier  Taśma transportowa o wymiarach 30 x 150 cm
Czujnik fotoelektrycznyOMRONE3F2-DS10B4-N 
System wizjiKeyenceCV-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