Моделирование масштабного процесса сборки с помощью роботизированной руки и мониторинга с помощью системы машинного зрения для контроля качества

В ходе исследования разрабатывается масштабированная модель полуавтоматической сборки с использованием кобота и системы зрения, оценивая качество, репрезентативность процесса, а также преимущества и ограничения этой симуляции. Недавние разработки включают полуавтоматическую сборку с помощью систем Cobot и Vision, позволяющую обнаруживать аномалии в реальном времени, улучшая качество, отслеживаемость и эффективность в промышленных процессах. Масштабная полуавтоматическая модель сборки с видением Cobot демонстрирует интеграцию в современную образовательную производственную среду, повышая эффективность, точность и применимость в реальных промышленных процессах.

Наш протокол объединяет коботов и визуализацию в масштабной модели, что позволяет практически оценивать эффективность, точность и согласованность в образовательных условиях, превосходя ограничения традиционного моделирования или ручной практики. Наша лаборатория будет сосредоточена на оптимизации взаимодействия между людьми с коботами и разработке системы зрения с нейронной сетью для решения проблем освещения, улучшения обнаружения дефектов и масштабируемости промышленных процессов. Для начала организуйте все необходимые компоненты для сборки на лотке для пополнения, выровняя их по заданной схеме.

Введите последовательность программирования в интерфейс. Затем дождитесь, пока совместный робот начнёт процесс сборки, подняв нижнюю часть коробки и перенеся её в точку сборки. Позвольте роботу поднять червяка и поместить его в назначенный слот внутри сборки.

Затем робот поднимает червячную шестерню и собирает его на коробке. После завершения роботизированной сборки дождитесь, пока роботизированная рука перенесёт его в зону ручной сборки для дальнейшей обработки оператором. В области ручной сборки пусть оператор поднимет подсборку и продолжит сборку, следуя назначенному порядку сборки.

После завершения ручной сборки положите полностью собранную деталь вертикально на лоток, убедившись, что червяк ориентирован сзади. После закрепления попросите совместного робота разместить продукт рядом с датчиком на конвейере для инспекции камеры. Для оценки формы червяка, после выбора инструмента инспекции, зарегистрируйте эталонное изображение.

Нажмите на значок изображения в правом верхнем углу. Выберите «регистрировать изображение» и нажмите «выполнить», чтобы захватить изображение. Для настройки параметров червячной шестерни выберите опцию региона паттерна, чтобы регулировать область обнаружения.

Выберите форму полигона, обведите контур детали и нажмите OK для подтверждения. Для обнаружения цветов выберите опцию области узора, чтобы уточнить область вокруг червячной шестерни. Выберите форму круга, отметьте периметр червячной шестерни и нажмите OK, чтобы применить изменения.

Затем выберите опцию области маски, чтобы исключить нежелательные области из анализа. Выберите форму прямоугольника, обведите красный край детали и нажмите OK для подтверждения. Теперь включите программный интерфейс с компьютера и активируйте переключатель в режим запуска.

Затем выберите значок утилиты, нажмите на опцию статистики и выберите предпочтительный тип графа, например график тренда или гистограмму, чтобы поддерживать анализ качества на основе данных новым менеджером процессов. Гистограмма формы показала нормальное распределение, центрированное чуть выше номинального значения, что указывало на статистический контроль процесса, хотя большинство частей были ближе к верхнему пределу спецификации. Индексы технологических возможностей показали сильное соответствие с нижним пределом спецификации, но значительно меньшую мощность близко к верхней, что приводит к низкой общей производительности процесса.

Контрольная диаграмма показала, что начальные показания были нестабильными из-за корректировки системы измерения, затем следовал средний выброс, вероятно, вызванный дефектной деталью, и завершился стабильной тенденцией в пределах верхних контрольных пределов. Цветная гистограмма показала, что измерения сгруппировались близко к пределам допуска, что указывало лишь на предельное соответствие спецификациям, а наличие двух искажённых распределений указывало на нестабильность процесса. Анализ возможностей цвета показал, что процесс был центрирован, поскольку значения CPU и CPL были схожи, но высокая вариабельность снижала общую мощность до 0,539.

Схема управления цветом показала крайнюю нестабильность с большими вариациями и частыми сбоями управления на протяжении всего производственного цикла.