Method Article

Robotik Bir Kolun İşbirliği ile Ölçekli Bir Montaj Sürecinin Simülasyonu ve Kalite Kontrol için Bir Görüş Sistemi Aracılığıyla İzleme

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

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

Burada, işbirlikçi bir robotun işbirliği ve kalite kontrol için bir bilgisayarlı görme sistemi aracılığıyla doğrulama yoluyla ölçeklendirilmiş yarı otomatik bir montaj sürecinin simülasyonu ve izlenmesi için bir protokol sunuyoruz.

Abstract

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

Bu protokol, iki ana kriteri değerlendirerek ürün kalitesini izlemek için işbirlikçi bir robotik kol ve bir bilgisayarlı görme sistemi kullanarak, eğitici bir sonsuz dişli setinin montajı için ölçekli bir üretim hattının yarı otomatik simülasyonunu açıklar: şekil ve renk. Bu çalışmanın amacı, müşteri spesifikasyonlarına göre sürecin kabiliyetini, kararlılığını ve uygunluğunu değerlendirmek için tutarlı ve güvenilir veriler üretmektir. Protokol, süreç yeteneği (Cp), merkezleme için ayarlanmış süreç yetenek indeksi (Cpk), üst işlem yeteneği (Cpu) ve alt süreç yeteneği (Cpl) gibi yetenek indekslerini ve histogramlar ve kontrol çizelgeleri gibi grafik araçları kullanarak İstatistiksel Süreç Kontrolü (SPC) aracılığıyla temel göstergeleri toplamak ve analiz etmek için net bir metodolojik çerçeve sağlar. Bunlar, kritik ürün özelliklerindeki sapmaların ve eğilimlerin belirlenmesini sağlar. Şekil değerlendirmesinin sonuçları, üst spesifikasyon sınırına doğru bir eğilim olmasına rağmen, otomatik sürecin istatistiksel kontrol altında olduğunu gösterir ve bu da süreç ortalamasının ayarlanması ihtiyacını düşündürür. Buna karşılık, renk değerlendirmesi daha fazla değişkenlik, düşük kapasite (Cpk = 0.539) ve kontrolün dışındaki noktaları ortaya çıkarır, bu da acil düzeltici eylemler gerektiren kararsızlığı gösterir. Bu bulgulara dayanarak, renk değişkenliğini azaltmak için girdilerin daha sıkı kontrolü, aydınlatma koşullarının standardizasyonu ve operasyonel yöntemlerin gözden geçirilmesi gibi düzeltici eylemlerin uygulanması önerilir. Genel olarak sonuçlar, kritik sapmaları belirlemek, süreçleri optimize etmek ve ürün uygunluğunu sağlamak için otomatik teknolojilerin SPC gibi istatistiksel araçlarla entegre edilmesinin önemini pekiştirmektedir. Otomasyon ve istatistiksel analiz arasındaki bu sinerji, giderek daha zorlu hale gelen endüstriyel ortamlarda rekabet gücünü korumak için önemli bir dayanak oluşturur. Ek olarak, bu protokol gerçek üretim hatlarında iyileştirmeler uygulamak için sağlam bir temel sağlar.

Introduction

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

Endüstriyel süreçlerde otomasyonun hızla ilerlemesi, üretim sistemlerinde önemli bir dönüşüme yol açmıştır. Bu evrim, operasyonel verimlilik, maliyet tasarrufu, süreç standardizasyonu ve ürün kalitesi optimizasyonu dahil olmak üzere kritik alanları önemli ölçüde iyileştirmiştir1. Bu bağlamda, teknolojik gelişmeler, giderek daha çevik, hassas ve uyarlanabilir üretim taleplerini karşılayabilen daha karmaşık ve özel çözümlerin uygulanmasını sağlamıştır2.

Bu yeni endüstriyel çağdaki en önemli gelişmelerden biri, cobot olarak bilinen işbirlikçi robotların dahil edilmesidir. Bu cihazlar, paylaşılan ortamlarda insan operatörlerle birlikte güvenli ve verimli bir şekilde çalışmak üzere tasarlandıkları için geleneksel endüstriyel robotiğin bir evrimini temsil eder 3,4,5. İşbirlikçi yapıları, yalnızca üretim süreçlerinin esnekliğini artırmakla kalmaz, aynı zamanda kontrollü etkileşim veçevre bilinci sağlayan gelişmiş sensörlerle donatıldıkları için operasyonlardaki güvenlik seviyelerini de artırır6.

Akıllı otomasyon ve insan katkısının uyumlu bir karışımını teşvik eden Endüstri 5.0 çerçevesinde, cobot'lar insan merkezli üretimi ilerletmek için temel araçlar haline geliyor7. Bu sistemler, çalışanların yerini almak yerine, tekrarlayan görevleri yüksek hassasiyetle verimli bir şekilde ele alarak ve üretim ortamındaki değişimlere esnek bir şekilde uyum sağlayarak becerilerini artırmak içintasarlanmıştır8 ve böylece daha entegre ve etkili bir çalışma modelini teşvik eder.

Çok yönlülükleri, otomotiv montajı, lojistik, ayakkabı üretimi, tıbbi cihazlar ve daha fazlası gibi çeşitli endüstrilerde uygulanmalarına olanak tanırve burada üretkenliğin ve süreç kalitesinin iyileştirilmesine katkıda bulunurlar 9,10. Bu işbirlikçi dinamik, üretim sistemlerini yeniden tanımladı ve eğitim, teknolojik adaptasyon ve sürecinyeniden tasarımı açısından yeni zorluklar ortaya çıkardı7.

Bu bağlamda, bu makale, bir eğitim tipi sonsuz dişli seti etrafında geliştirilen, küçültülmüş bir montaj hattının tasarımını ve uygulanmasını açıklamaktadır. Bu tür bir hat, gerçek bir üretim ortamına özgü süreçleri, akışları ve işlemleri kontrollü bir şekilde simüle etmek için didaktik amaçlarla tasarlanmış, endüstriyel bir üretim hattının küçültülmüş ve işlevsel bir versiyonunu temsil eder11.

Endüstriyel tesislerde doğrudan deney ile ilişkili riskleri ve maliyetleri en aza indirirken, üretim dinamiklerinin net bir şekilde gözlemlenmesine, otomatik teknolojilerin test edilmesine ve kalite güvence metodolojilerinin uygulanmasına olanak tanıyan fiziksel ve operasyonel bir kurulumdur. Bu yaklaşım, otomasyonda stratejik karar vermeyi, sürekli iyileştirmeyi ve operasyonel verimliliği destekleyen işbirlikçi robotlar ve görüş sistemleri gibi çözümler için değerli bir eğitim aracı ve ön doğrulama platformu sağlar11.

Cobot'ların başarılı bir şekilde otomasyonu ve entegrasyonu için kilit bir faktör, vizyon tabanlı kalite kontrol sistemlerinin uygulanmasıdır. Yüksek çözünürlüklü kameralarla donatılan görüş sistemleri, işbirlikçi robotların çevrelerini doğru bir şekilde algılamasına ve yorumlamasına olanak tanıyarak nesne tanıma, anormallik algılama ve otonom navigasyon için ayrıntılı görsel veriler sunar12. Bazı durumlarda, bu sistemler eksiksiz çözümler olarak işlev görürken, diğerlerinde kombinasyon halinde çalışacak şekilde özelleştirilebilir.

Bu tip kolaboratif robotların en önemli uygulamalarından biri, bu sistemlerin üretim hatlarındaki kusurların erken tespit edilmesini sağladığı kalite kontroldür. Gerçek zamanlı anormallik tespiti, kusurlu parçaların zamanında çıkarılmasına olanak tanır, böylece yeniden işleme, malzeme israfı veya müşteri şikayetleri ile ilgili maliyetlerden kaçınır13. Sürekli ve non-invaziv denetime yönelik bu yetenek, ürün kalitesinde daha fazla tutarlılık sağlar ve proses izlenebilirliğini güçlendirir.

Bu teknolojilerin sistematik entegrasyonu, işbirlikçi robotların çevrelerini etkili bir şekilde algılamalarını, anlamalarını ve tepki vermelerini sağlayarak özerkliklerini ve operasyonel performanslarını artırır14.

Son zamanlarda yapılan çalışmalar, kameralar ve işbirlikçi robotlar kullanılarak yapılan kalite kontrol kombinasyonunun yalnızca insan hatalarını azaltmakla kalmayıp, aynı zamanda süreç güvenilirliğini de iyileştirdiğini, kritik montaj ve doğrulama görevlerinde hassasiyeti artırdığını göstermiştir15. Bu sinerji, kitlesel özelleştirme ve talep üzerine üretim ile karakterize edilen modern endüstriyel ortamlarda gerekli olan daha yüksek düzeyde kontrol, uyarlanabilirlik ve verimlilik sağlar16.

Bu teknolojilerin kullanımı, bilinçli karar vermeyi sağlamak için sürekli gerçek zamanlı veri izleme ve kalite endekslerinin kullanımını içeren kapsamlı bir yaklaşım gerektirir. İstatistiksel süreç analizi gibi araçlar, sürekli iyileştirme için sağlam bir platform sağlayarak şirketlerin pazar değişikliklerine uyum sağlayabilmelerini ve uzun vadede yüksek rekabet güçlerini koruyabilmelerini sağlar16.

Ölçekli bir montaj hattında yarı otomatik bir cobot ve bilgisayarlı görü sisteminin uygulanması, hem manuel hem de tam otomatik geleneksel kalite kontrol yöntemlerine göre önemli avantajlar sunar. Yorgunluk veya uzun süreli çalışma koşulları17 nedeniyle hatalara yol açabilecek operatörün algı, deneyim ve fiziksel durum faktörlerine büyük ölçüde bağlı olan manuel denetimin aksine, bu yaklaşım insan değişkenliğini ortadan kaldırarak tutarlı, objektif ve kesin bir değerlendirme sağlar18.

Genellikle katı ve uyarlanması pahalı olan tam otomatik robotik denetim sistemlerinin aksine, cobot'lar, özellikle ürün değişkenliğinin yüksek olduğu ortamlarda yararlı olan, gösteri yoluyla öğrenme yetenekleri ve yeniden programlama kolaylığı19 sayesinde daha fazla esneklik sağlar. Ayrıca, bilgisayar görüşünü entegre ederek, sistem görsel inceleme doğruluğunu önemli ölçüde artırır ve manuel incelemelerde fark edilmeyebilecek kusurların tespit edilmesini sağlar10. İzole çözümlerin aksine, cobot tespit edilen sapmalara gerçek zamanlı olarak yanıt verdiği için algı ve eylemi birleştirir.

Bir diğer önemli fark, bu ölçekli montaj hattının sunduğu pedagojik ve eğitim yaklaşımıdır: teknik bir süreci doğrulamanın ötesinde, operatörleri dijital ve endüstriyel beceriler konusunda eğitmeye de yardımcı olur ve çalışanları Endüstri 5.0'ın zorluklarıyla yüzleşmeye hazırlar20,21.

Bu makalede, bir CV-X görüntü sistemi23 ile birlikte kolaboratif bir robot UR322 kullanılarak otomatik bir montaj sürecinin entegrasyonu incelenmektedir. Montajı yapılan ürün, Şekil 1'de gösterildiği gibi hız düşürücü olarak da bilinen, bir sonsuz ve bir sonsuz dişliden oluşan bir iletim sistemini temsil eden bir "sonsuz dişli eğitim seti" olan KanbUAMito adlı ölçekli bir endüstriyel modeldir. Bu model, Tablo 1'de ayrıntıları verilen altı farklı konfigürasyona sahiptir.

Şekil 1
Şekil 1: Kanbuamito cihazının bileşenleri. Montajı yapılacak nihai ürünü oluşturan farklı bileşenler. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Nihai ürünSolucanSonsuz dişliKutu (kapak ve taban)
CE1 SertifikasıGriKırmızıKırmızı
CE2BeyazGriKırmızı
CE3 SerisiKırmızıBeyazKırmızı
CE4 SerisiKırmızıGriKırmızı
CE5 SerisiGriBeyazKırmızı
CE6 SerisiBeyazKırmızıKırmızı

Tablo 1: Montajı yapılacak ürünün olası kombinasyonları. Nihai ürünün, onu oluşturan çeşitli bileşenlerde kullanılan renklere göre değişen farklı kombinasyonları.

Bu çalışma, bu teknolojik entegrasyonun operasyonel verimliliği, erken kusur tespitini ve ürün kalitesi tutarlılığını artırma üzerindeki etkisini vurgulamaktadır. Buna ek olarak, Endüstri 5.0 çerçevesi içinde uygulanmasının stratejik sonuçlarını analiz ederek, insanlar, işbirlikçi robotlar ve akıllı sistemler arasındaki işbirliğinin, üretim süreçlerinin esnekliğine, özelleştirilmesine ve sürdürülebilirliğine odaklanan sürekli iyileştirme stratejilerinin geliştirilmesini nasıl geliştirebileceğini vurguluyor.

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

Protocol

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

Bu belge, işbirlikçi bir robotik kol kullanarak ölçeklendirilmiş bir üretim sürecini yarı otomatik olarak çoğaltmak için tasarlanmış simülasyon protokolünü özetlemektedir. İşlem, montajın doğru şekilde tamamlanıp tamamlanmadığını veya hatalar içerip içermediğini doğrulamak için izlenir. Protokol iki ana aşamada yapılandırılmıştır: i) robotik kolun desteğiyle montajı gerçekleştirmek için gerekli işlemlerin yürütülmesi (Bölüm 1-3); ii) monte edilen bileşeni izlemek ve doğrulamak için kullanılan bilgisayarlı görü sisteminin konfigürasyonu (Bölüm 4-8).

1. İlk montaj koşulu

  1. Malzeme Tablosunda ayrıntılı olarak açıklanan protokolün yürütülmesi için gerekli ekipmanı etkinleştirin.
    NOT: Protokol, Şekil 2'de gösterildiği gibi dağıtılmış bir montaj hattında gerçekleştirilir.
  2. Şekil 3'te gösterilen düzeni izleyerek ikmal tepsisi üzerinde montaj için gerekli parçaları düzenleyin.

Şekil 2
Şekil 2: Montaj hattı düzeni. Montaj hattı dört ana bölümden oluşur: (A) ürün montaj işleminin gerçekleştiği alan; (B) Montaj tamamlandıktan sonra parçayı taşıyan konveyör bandı, (c) Nihai ürünlerin kalitesini denetlemekten sorumlu görüş sisteminin kurulu olduğu bölge, ve (D) analistin görüş sistemi aracılığıyla elde edilen sonuçları yorumlaması için belirlenen alan. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 3
Şekil 3: Montaj için parçaların ilk yerleşimi. Ürünü oluşturan bileşenlerin montaj işlemine başlamadan önce yerleştirilmesi gereken ilk düzenleme. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

2. İşbirlikçi robotun programlanması ve çalıştırılması

  1. İşbirlikçi bir robotun programlanması
    1. Robotik kolu ilk konumuna yerleştirin. Şu koordinatları kullanın: X = 465,84 mm, Y = 71,87 mm ve Z =-308,31 mm.
    2. Şekil 4'te gösterilen ağaç diyagramına göre programlama sırasını girin.
  2. Otomatik montaj
    1. Cobot'un kutunun alt kısmını alıp montaj noktasına hareket ettirerek montaj sırasına başlamasını bekleyin.
      NOT: Robotik kolun maksimum taşıma kapasitesi 3 kg'dır ve 0,03 mm'lik tutarlı bir hassasiyet sağlar. Uygulanan kuvvetin ve kapanma mesafesinin ayarlanmasına izin veren, montaj işleminde yer alan her bir bileşenin boyutuna göre özel olarak yapılmış işbirlikçi bir tutucu kullanılır.
    2. Daha sonra, işbirlikçi robot solucanı alır ve montaj içinde ilgili konuma yerleştirir.
    3. Robot daha sonra sonsuz dişliyi alır ve kutunun üstüne monte eder.
      NOT: Bu montaj yöntemi, sonsuz dişlinin kırılmasını veya hasar görmesini önlemek için tasarlanmıştır. Operatör tarafından elleçlemeyi kolaylaştırır ve montaj sürecinde daha yüksek kaliteye katkıda bulunur.
    4. Bu alt montajlar tamamlandıktan sonra, robotik kolun bunları bir operatörün işleme devam edeceği manuel montaj alanına aktarmasını bekleyin (Şekil 5).
  3. Manuel montaj
    1. Manuel montaj alanında, operatörün Şekil 6'da gösterildiği gibi yerleştirilmiş alt montajı almasını ve Şekil 7'de ayrıntıları verilen işlem sırasını takip ederek montajı gerçekleştirmesini sağlayın.
    2. Manuel montajın tamamlanmasının ardından, monte edilen parçanın tepsiye dikey olarak yerleştirildiğinden ve solucanın arkaya doğru yönlendirildiğinden emin olun (Şekil 8).

Şekil 4
Şekil 4: Cobot programlama dizisi. İşbirlikçi robota yüklenmesi gereken talimatların sırası. (A,B) Programlama dizisinin sırasıyla birinci ve ikinci bölümleri. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 5
Şekil 5: Otomatik montajdaki işbirlikçi robotun hareket sırası. Cobot aşağıdaki bir dizi eylemi gerçekleştirir: (A) tabanı alır ve jig üzerine yerleştirir; (B) daha sonra mili alır ve tabana yerleştirir; (C) kapağı jig ve ardından dişli üzerine yerleştirir; ve (D) son olarak, sonraki manuel montaj için monte edilmiş tabanı ve dişliyi mastarın üzerine bırakır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 6
Şekil 6: Manuel montaj için operatör alma noktası. Operatör manuel montaja başlamadan önce tamamlanan alt montajların yerleştirilmesi gereken düzen. (A) Alt montaj 1 bu alana yerleştirilir ve (B) bu bölgede, alt montaj 2 konumlandırılır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 7
Şekil 7: Manuel montaj işlem sırası. Operatör aşağıdaki işlem sırasını gerçekleştirir: (A) alt montaj 2'yi alır, (B) alt montaj 1'i alır, (C) alt montaj 2'yi alt montaj 1'in üzerine yerleştirir, (D) cihazı kapatmak için her iki bileşene de basar ve (E) nihai ürünü mastarın üzerine yerleştirir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 8
Şekil 8: Jig üzerindeki nihai ürün. Nihai ürünün konveyör bandına taşınmadan önce jig üzerine yerleştirilmesi gereken doğru konum. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

3. Konveyör bandına taşıma

  1. Bitmiş montajı kavramak için cobot'u konumlandırın.
  2. Sabitlendikten sonra, cobot'un nihai ürünü sensöre mümkün olduğunca yakın bir şekilde konveyör bandına aktarmasına izin verin ve görüş kamerası tarafından incelenmesine izin verin.
    NOT: Montaj adımları 3.1-3.4, Şekil 4'te kırmızı ile vurgulanan programlama sırasına karşılık gelir.

4. Kamera ve yazılımın başlangıç koşulları

  1. Bilgisayar CV-X serisi simülasyon yazılımının arayüzünü etkinleştirin ve inceleme araçlarını düzenlemek için Yapılandırma modunu etkinleştirin.
  2. Sol üst köşede, Kamera kurulumu seçeneğine tıklayın ve aşamalı modda 640 x 418 çözünürlüğe, hassasiyet 2,4/1 ms'ye ayarlanmış deklanşör hızına sahip CA-035C modelini seçin, Flaş 1'i etkinleştirin, DC40E aydınlatma modelini seçin ve son olarak Tamam'a tıklayın (Şekil 9).
    NOT: Fotoğraf makinesi iki aşamalı tarama çözünürlüğü sunar: 512 x 418 ve 640 x 418 piksel. Daha iyi adaptasyon ve görüntü kalitesi için daha yüksek çözünürlük seçildi. Hassasiyet, iyi görüntü kalitesini korumak ve daha yüksek hassasiyetle netlikte düşüşleri önlemek için 2,4'e (1 ila 7 arasında bir ölçekte) ayarlandı. Deklanşör hızı 1/15 ms'dir, ışığın girmesine izin vermek için yavaştır, bu da düşük ışık koşulları için idealdir.

Şekil 9
Şekil 9: Görüş sisteminin başlangıç koşulları. Görüş sisteminde yapılandırılması gereken ilk parametreler. Bu ayarların her biri, kolay tanımlama için kırmızı renkle vurgulanmıştır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

5. Özelliklerin değerlendirilmesi

  1. Solucan şekli özelliklerinin değerlendirilmesi
    1. Araç kurulumu ve görüntü kayıt referansı
      1. Arayüzden, Araç Ekle seçeneğini etkinleştirin ve İşlev Listesi kategorisinden ShapeTrax3 işlevini seçin, ardından Ekle'ye tıklayın.
      2. Araç seçildikten sonra, bir referans görüntünün kaydedilmesi istenir (bir referans görüntü, iyi oluşturulmuş bir görüntüye karşılık gelir). Bunu yapmak için sağ üst köşedeki Ref. Image simgesine tıklayın, ardından Görüntüyü Kaydet'i seçin ve görüntüyü yakalamak için Yürüt'e tıklayın. Ardından, BMP görüntü formatını seçin ve Kaydet'i tıklayın.
        NOT: Bu noktada, iyi bir parça, kutu monte edildikten sonra solucanın kutunun sol üst tarafından çıkıntı yaptığı bir parça olarak tanımlanır.
    2. Solucan parametre yapılandırması
      1. Arama Bölgesi seçeneğini seçin; Arama alanını tanımlayan mavi bir kutu görünecektir. Tamam'ı seçin. Bu mavi kutunun Adım 5.1.1.2'de seçilen parçanın görüntüsünü kapladığını onaylayın.
      2. Desen bölgesini ayarlamak ve referansa mümkün olan en büyük benzerliği elde etmek için Desen Bölgesi seçeneğini belirleyin. Bunu yapmak için Çokgen şeklini seçin, parçanın çevresini çizin ve Tamam'ı seçin.
    3. Solucan için yargı koşulları
      1. Karar Koşulları seçeneğinde, eşleşme yüzdesini maksimum sınır = %99,99 ve minimum sınır = %70 olacak şekilde ayarlayın ve ardından Tamam'ı seçin.
  2. Sonsuz dişli şekil özelliklerinin değerlendirilmesi
    NOT: Sonsuz dişlinin şekil özelliklerini değerlendirmek için Adım 5.1 ve 5.1.2.1'i tekrarlayın.
    1. Sonsuz dişli parametre konfigürasyonu
      1. Desen bölgesini ayarlamak ve referans görüntüye en büyük benzerliği elde etmek için Desen Bölgesi seçeneğini belirleyin. Bunu yapmak için, Daire şeklini seçin, sonsuz dişlinin çevresini işaretleyin ve Tamam'ı seçin.
    2. Sonsuz dişli için yargılama koşulları
      1. Yargılama Koşulları seçeneğinde, Sayım modunu seçin ve minimum ve maksimum değerlerin sınırlarını 1 olarak ayarlayın, ardından Tamam'a tıklayın.
  3. Sonsuz ve sonsuz dişli pozisyon özelliklerinin değerlendirilmesi
    NOT: Konum özelliklerini değerlendirmek için 5.1.1 adımını tekrarlayın ve Konum Ayarı kategorisinde Profil Konumu işlevini seçin.
    1. Ürün parametrelerinin yapılandırılması
      1. Adım 5.2.1.1'i izleyin, ancak bu kez Dikdörtgen şeklini seçin.
    2. Ürün için yargılama koşulları
      1. Maksimum sınırı %99,99 ve minimum sınırı %60 olarak ayarlayın.

6. Renklerin algılanması

  1. Solucan için yargı koşulları
    NOT: Solucanın renk algılama özelliğini değerlendirmek için, 5.1.1.1 adımındaki adımları tekrarlamak ve Sayı kategorisi içinde Küme işlevini seçmek gerekir. 5.1.1.2 adımı kullanılarak, özellikle aracın algılayacağı renkler de dahil olmak üzere yeni bir referans görüntü de kaydedilmelidir. Ardından, 5.1.2.1 ve 5.1.2.2 adımlarını yineleyin, ancak kutudan çıkıntı yapan solucan parçasını ayırmak için Dikdörtgen şeklini seçin.
    1. Maske Bölgesi seçeneğini belirleyin, Dikdörtgen şeklini seçin, seçim sırasında bu rengi dışlamak için parçanın kırmızı kenarının çerçevesini çizin ve Tamam'ı tıklatın.
    2. Renkleri Ayıkla |'e tıklayın Renkten İkiliye. Açılır menü simgesini kullanırken Seç'i tıklayın.
    3. Rengi çıkarmak için solucan alanına birkaç kez tıklayın. Şekil 10'da gösterildiği gibi, seçilen alanda sarı bir vurgu göründüğünde başarılı seçim onaylanır.
    4. Yargılama koşullarını maksimum limit = 1 ve minimum limit = 0 ile ayarlayın.
  2. Sonsuz dişli için yargılama koşulları
    NOT: Sonsuz dişlinin renk algılama özelliğini değerlendirmek için, adım 5.1.1.1'deki adımların tekrarlanması ve Sayı kategorisi altında Küme işlevinin seçilmesi gerekir. Adım 5.1.1.2'de açıklandığı gibi, aracın algılamayı amaçladığı renklerle yeni bir referans görüntü kaydedilmelidir. Ardından, 5.1.2.1 ve 5.1.2.2 adımlarını, kutudan çıkıntı yapan sonsuz dişli segmentini izole etmek için Daire şeklinin seçilmesi gerektiği farkıyla tekrarlayın.
    1. Maske Bölgesi seçeneğini belirleyin, Dikdörtgen şeklini seçin ve seçim sırasında bu rengi dışlamak için parçanın kırmızı kenarını çizin. Tamam'a tıklayın.
    2. Renkleri Ayıkla |'e tıklayın Renkten İkiliye. Damlalık simgesine tıklayın ve Seç seçeneğini seçin.
    3. Sonsuz dişli şeklinde, istenen rengi çıkarmak için birkaç kez tıklayın. Seçilen alanın üzerinde sarı bir kaplama göründüğünde uygun seçim onaylanır.
    4. Yargılama koşullarını maksimum limit = 1 ve minimum limit = 0 ile ayarlayın.
      NOT: Sonsuz dişli kutusunun tüm renk kombinasyonları için 6.1 ve 6.2 adımları tekrarlanmalıdır.

Şekil 10
Şekil 10: Solucan aşırı maruz kalma. Görüş sistemi mili algılar. Sarı bir çerçeve seçilen alanı vurguladığında başarılı seçim onaylanır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

7. Operasyon için kamera ve yazılım şartlarının hazırlanması

  1. Bilgisayardan CV-X Serisi Simülasyon Yazılımı programının arayüzünü etkinleştirin ve Çalıştırma Moduna Geç modunu etkinleştirin. Ardından, Yardımcı Program simgesini seçin ve G/Ç Monitörü seçeneğine tıklayın.
  2. Kamera denetleyicisini cobot denetleyicisine bağlayan terminalleri etkinleştirin. Bu durumda, aşağıdaki OUT terminallerini etkinleştirin: F_OUT3 (RUN), OUT3 (CMD_READY), OUT4 (READY1)
  3. Yazılım arayüzünden Çıktı simgesini seçin ve Genel Durum bölümünde, bölüm 4, 5 ve 6'da oluşturulan tüm araçları etkinleştirin.

8. Simülasyon sonuçlarının elde edilmesi

NOT: Hareket sensörü ürünü algıladığında, konveyör bandı durur ve bölüm 4, 5 ve 6'da belirlenen parametreler kullanılarak inceleme işlemini gerçekleştirmek için bir fotoğraf çekilir.

  1. Yazılım arayüzünü bilgisayardan etkinleştirin ve Çalıştırma Moduna Geç özelliğini etkinleştirin. Ardından, Yardımcı Program simgesini seçin ve İstatistikler seçeneğine tıklayın. İncelenecek grafik türünü seçin, örneğin, kalite analizine olanak tanıyan ve yeni süreç yöneticisi tarafından veri yönetimine dayalı karar vermeyi destekleyen bir eğilim grafiği veya histogram (Şekil 11).

Şekil 11
Şekil 11: İstatistiksel Proses Kontrolü Seçimi. Kırmızı ile vurgulanan alan, simülasyon çalışmasından sonra İstatistiksel Proses Kontrolüne erişmek için seçilecek simgeyi gösterir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

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

Results

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

Bu belge, işbirlikçi bir robotik kol kullanılarak bir üretim sürecinin ölçekli bir modelinin yarı otomatik simülasyonu için bir protokol sunar. Nihai ürünün kalitesi, montajın kritik özelliklerini denetleyen bir bilgisayarlı görme sistemi aracılığıyla değerlendirilir.

Bir üretim sürecindeki potansiyel arızaları belirlemek ve analiz etmek için önemli bir araç, bir süreci izlemeyi ve kontrol etmeyi amaçlayan istatistiksel yöntemlerin uygulanmasına dayanan ve böylece optimum performans ve ürün uy...

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

Discussion

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

Günümüzün rekabetçi küresel pazarında, bir şirketin rekabet gücünü sürdürmesi ve hayatta kalmasını sağlaması için sürekli iyileştirme ve uyarlanabilirlik şarttır. Bu nedenle, sürekli olarak kaliteli ürünleri zamanında ve rekabetçi maliyetlerle teslim ederek müşteri beklentilerini aşmak çok önemlidir29.

İşbirlikçi robotik kollar ve yapay görme sistemleri gibi gelişmiş teknolojileri kullanan üretim süreçlerinin ölçekli simülasyonu, iyileş...

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

Disclosures

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

Yazarların açıklanacak herhangi bir çıkar çatışması yoktur.

Acknowledgements

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

Bu makale, Meksika Ulusal Politeknik Enstitüsü (Instituto Politécnico Nacional) tarafından, Araştırma ve Lisansüstü Sekreterliği (Secretaría de Investigación y Posgrado), Secretaría de Ciencia, Humanidades, Tecnología e Innovación (SECIHTI) tarafından verilen 20250776 No'lu proje aracılığıyla desteklenmektedir. Secretaría de Ciencia, Humanidades, Tecnología e Innovación (SECIHTI) tarafından CVU 1145035 ile verilen burs aracılığıyla ek destek alınmıştır. Ayrıca, bu makale Meksika Metropolitan Özerk Üniversitesi (Universidad Autónoma Metropolitana) tarafından SI004-20 Projesi aracılığıyla da desteklenmektedir. Ayrıca, bu araştırma, Desarrollo de una Aplicación de Inteligencia Artificial para el seguimiento de contaminantes, salud, y Análisis de Factores Determinantes para el Estado de México Projesi kapsamında 2025 Kurumlar Arası İşbirliği Projeleri Çağrısı IPN-UAM-UAEMÉX'in bir parçasıdır.

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

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
İşbirlikçi robotik kolUniversal Robot UR3 modeli (CB-3 UR3)
Konveyör bandıGamalier 30 x 150 cm ölçülerinde bir konveyör bandı
Fotoelektrik sensörOMRONE3F2-DS10B4-N 
Görüş sistemiKeyenceCV-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