محدودیت‌های انتخاب و مکان: چه چیزی عملکرد انتخاب رباتیک را کاهش می‌دهد؟

سیستم های انتخاب و مکان رباتیکمی توانند سرعت و تکرارپذیری بالایی ارائه دهند، اما عملکرد آنها به مقدار بسیار بیشتری از بار ربات، دسترسی و زمان چرخه تبلیغاتی بستگی دارد.

بسیاری از مهمترین آنهامحدودیت انتخاب و مکانزمانی ظاهر می‌شود که محصولات واقعی متفاوت از مدل‌های CAD ایده‌آل، نمایش‌های کنترل‌شده یا نمونه‌های با دقت آماده‌شده رفتار کنند. یک ربات ممکن است روی کاغذ به اندازه کافی سریع باشد، اما همچنان اهداف تولید را از دست بدهد، زیرا سیستم بینایی نمی تواند محصولات را به طور مداوم پیدا کند، گیره نمی تواند یک نگهدارنده قابل اعتماد ایجاد کند، محصولات به طور غیرقابل پیش بینی به دست می آیند، یا تغییرات زمان عملیات زیادی را مصرف می کنند. به همین دلیل، ارزیابی الفبرنامه چیدن رباتیکباید به جای ربات به تنهایی، روی فرآیند کامل تمرکز کند.

رایج ترین محدودیت ها را می توان در چهار حوزه دسته بندی کرد:

دید و تشخیص محصول؛

گرفتن و دسترسی به محصول؛

حرکت ربات و ارائه محصول؛

تنوع تولید و اقتصاد فرآیند

درک این محدودیت‌ها قبل از خرید تجهیزات می‌تواند از تبدیل شدن یک سلول رباتیک چشمگیر به یک سیستم تولید غیرقابل اطمینان جلوگیری کند.

اگر در حال برنامه‌ریزی برای انتخاب{0}}و-اتوماسیون مکان هستید، کاوش کنیدسری ربات‌های RBTIC{0}}و-را انتخاب کنیدبرای بررسی تنظیمات و مشخصات
 

یک ربات نمی تواند به دقت انتخاب کند اگر سیستم حسگر آن نتواند به طور مداوم تعیین کند که محصول کجاست و چگونه جهت گیری می کند. در برنامه‌های روباتیک هدایت{1}}بینایی، سیستم بینایی معمولاً یک قطعه را تشخیص می‌دهد، موقعیت و جهت آن را تعیین می‌کند و اطلاعات تراز را فراهم می‌کند که به ربات اجازه می‌دهد تا موقعیت انتخاب خود را اصلاح کند. این بدان معناست که گرفتن تصویر قابل اعتماد و تشخیص قطعه برای فرآیند انتخاب اساسی است.

چندین ویژگی محصول می تواند این کار را دشوار کند.

چرا یک دوربین{0}}با وضوح بالاتر ممکن است مشکل را حل نکند

یکی از مهم ترین محدودیت های انتخاب و مکان برای درک این است که دید ضعیف همیشه یک مشکل حل نیست. افزایش وضوح دوربین به طور خودکار بازتاب ها، شفافیت، سایه ها، کنتراست ناپایدار، یا هندسه نور نامناسب را از بین نمی برد.

بسته به کاربرد، نتایج بهتر ممکن است از تغییر جهت یا شدت نور، پلاریزاسیون، تنظیمات نوردهی، موقعیت دوربین، نوار نقاله یا رنگ پس‌زمینه، ارائه محصول و خود روش سنجش به دست آید.

در برخی از برنامه ها، تکرارپذیرتر کردن صحنه فیزیکی موثرتر از افزایش مداوم پیچیدگی نرم افزار است.

بنابراین سوال عملی این نیست که:آیا دوربین می تواند محصول را ببیند؟ این است:آیا سیستم چشم انداز می تواند هر گونه محصول نماینده را به طور قابل اعتماد تحت شرایط تولید واقعی تعیین کند؟

این تمایز باید قبل از انتخاب معماری چشم انداز نهایی آزمایش شود.

تشخیص دقیق محصول تضمین کننده انتخاب موفق نیست. ربات انتخاب و مکان همچنان به مکانی قابل تکرار نیاز دارد که در آن انتهای{{1}-ابزار بازو بتواند بدون آسیب غیرقابل قبول محصول را با آن تماس بگیرد، ایمن کند، حرکت دهد و رها کند.

این یک دسته اصلی دیگر را ایجاد می کندمحدودیت انتخاب و مکان رباتیک.

محصولات قابل تغییر شکل و انعطاف پذیر

کیسه‌ها، کیسه‌ها، منسوجات، محصولات غذایی نرم، فیلم‌ها و سایر محصولات انعطاف‌پذیر می‌توانند در بین چرخه‌ها تغییر شکل دهند. یک نقطه گیر که در یک تصویر مناسب به نظر می رسد ممکن است در حالی که گیره به آن نزدیک می شود، چروکیده، جمع شود، تا شود یا حرکت کند. این چالش زمانی دشوارتر می‌شود که شکل محصول تحت‌تاثیر سطح پر شدن، هوای محبوس‌شده، دما، فشار انباشته یا حمل‌ونقل بالادست قرار گیرد. برای این کاربردها، مشکل مهندسی تنها شناسایی محصول نیست. این سیستم همچنین به یک استراتژی گیرا نیاز دارد که تنوع محصول را تحمل کند.

سطوح متخلخل، ناهموار و دارای نشتی

گرفتن خلاء به تعامل بین سیستم مکش و سطح محصول بستگی دارد. محصولات متخلخل یا ناهموار می توانند به استراتژی های خلاء متفاوتی نیاز داشته باشند زیرا رفتار نشتی و آب بندی با سطوح صاف و بدون هوا متفاوت است. سیستم های دستگیره تجاری به طور خاص برای شرایط دشوار مانند مواد متخلخل، سطوح ناهموار و موقعیت های نامشخص طراحی شده اند، که نشان می دهد چرا انتخاب گیره باید به جای تکیه بر مفهوم مکش عمومی، با محصول فیزیکی مطابقت داشته باشد.

محصولاتی که مستحق آزمایش اضافی هستند عبارتند از مواد موجدار یا متخلخل، اجزای خشن یا با بافت سنگین، محصولات روغنی یا مرطوب، بسته بندی ناپایدار، محصولات دارای دهانه یا مسیرهای نشتی، سطوحی که وضعیت آنها در طول تولید تغییر می کند. ممکن است نیاز به مکش-هندسه متفاوت، ناحیه گرفتن بزرگتر، نقاط تماس متعدد، گرفتن مکانیکی، گرفتن سوزن، تطابق، یا طراحی افکتور انتهایی- دیگری باشد.

دسترسی محدود بین محصولات

حتی زمانی که یک نقطه گیر معتبر وجود داشته باشد، گیره همچنان به فاصله فیزیکی کافی برای رسیدن به آن نیاز دارد. محصولات محکم بسته بندی شده، روی هم قرار گرفته اند، تو در تو، یا به صورت تصادفی جهت دار می توانند محدودیت های برخوردی بین گیره و محصولات اطراف ایجاد کنند. این امر به ویژه در برداشت سطل زباله و کاربردهای نوار نقاله متراکم مهم است. یک الگوریتم بینایی ممکن است از نظر تئوری یک سطح محصول قابل دسترسی را شناسایی کند در حالی که عامل نهایی فیزیکی نمی تواند به آن سطح در یک زاویه امن نزدیک شود.

به همین دلیل است که امکان گیر کردن باید همراه با-ترخیص محصول، جهت نزدیک، مسیر استخراج، ابعاد گیره، پیکربندی اتصال ربات، تماس محصول مجاز ارزیابی شود. سوال فقط این نیست که آیا یک محصول را می توان یک بار انتخاب کرد یا خیر. هدف این است که مشخص شود آیا می توان آن را به طور مکرر در محدوده مورد انتظار شرایط محصول انتخاب کرد یا خیر.

بسیاری از مشکلات چیدن رباتیک قبل از شروع حرکت روبات ایجاد می شود. یک ربات انتخاب و مکان و گیره خوب-طراحی شده نمی تواند به طور نامحدود فرآیند ورودی کنترل نشده را جبران کند.

جهت گیری تصادفی محصول

جهت گیری تصادفی تعداد موقعیت های انتخابی ممکن را که سیستم باید انجام دهد را افزایش می دهد. بسته به محصول، برخی از جهت‌ها ممکن است سطح چسبندگی شفافی ایجاد کنند، در حالی که برخی دیگر باعث انسداد، دسترسی ضعیف، بلند کردن ناپایدار یا خطرات برخورد می‌شوند. کنترل جهت گیری محصول در بالادست گاهی می تواند پیچیدگی سیستم را به طور موثرتری نسبت به افزودن قابلیت روباتیک پیچیده در پایین دست کاهش دهد.

محصولات همپوشانی یا درهم

محصولات همپوشانی باعث ایجاد مشکلات درک و استخراج می شود. سیستم بینایی باید مشخص کند که کدام محصول قابل دسترسی است، در حالی که ربات باید آن را بدون کشیدن، کشیدن یا مزاحمت اشیاء مجاور حذف کند. محصولات انعطاف‌پذیر درهم، مشکل حتی سخت‌تری ایجاد می‌کنند، زیرا حذف یک شی ممکن است موقعیت چندین شی دیگر را تغییر دهد. این برنامه‌ها معمولاً باید به‌عنوان مشکلات آزمایش امکان‌سنجی{3}}در نظر گرفته شوند نه اینکه فرض کنیم برنامه‌نویسی اضافی به تنهایی آنها را حل می‌کند.

فاصله گذاری ناسازگار

فاصله محصول همچنین می تواند تعیین کند که آیا سرعت انتخاب و مکان ربات به توان عملیاتی واقعی تبدیل می شود یا خیر. سیستمی را در نظر بگیرید که برای نرخ متوسط ​​تولید 60 محصول در دقیقه طراحی شده است. این میانگین به تنهایی به مهندس نمی گوید که آیا ربات می تواند جریان محصول واقعی را پردازش کند یا خیر.

اگر محصولات به طور مساوی به یک محصول در ثانیه برسند، برنامه ممکن است با نوار نقاله ای که نرخ متوسط ​​یکسانی را در خوشه های نامنظم ارائه می دهد، بسیار متفاوت عمل کند. در طول یک خوشه، ممکن است محصولات بیشتری وارد پنجره انتخابی ربات شوند که بتواند پردازش کند. سپس محصولات می توانند قبل از اینکه ربات انتخاب های قبلی را انجام دهد به خارج از منطقه ردیابی قابل دسترسی حرکت کنند. بنابراین، متوسط ​​توان عملیاتی ممکن است در یک صفحه گسترده قابل قبول به نظر برسد، در حالی که جریان محصول آنی باعث از دست رفتن انتخاب در تولید می شود.

راه‌حل‌های ممکن در سطح{0}}فرآیند عبارتند از: کنترل فاصله بالادست، سینگلاسیون، تجمع، بافر، مناطق ردیابی بزرگ‌تر، روبات‌های متعدد، تغییرات در فرآیند تغذیه. این یک اصل مهم را نشان می دهد:عملکرد ربات باید بر اساس رفتار جریان واقعی محصول ارزیابی شود، نه تنها با توان متوسط.

یک ربات ممکن است از نظر فنی بتواند بسیاری از محصولات مختلف را انتخاب کند در حالی که هنوز از نظر عملیاتی ناکارآمد است. تنوع بالای SKU بیش از تشخیص بینایی تأثیر می گذارد. محصولات مختلف ممکن است نیاز به تغییر در نقاط چنگ زدن، مکنده یا انگشتان، سرعت ربات، زوایای نزدیک شدن، دستور العمل های دید، الگوهای قرارگیری، وسایل، تنظیمات بار، قوانین کیفیت خاص محصول- داشته باشند.

بنابراین سوال اصلی این نیست که:آیا ربات می تواند هر SKU را انتخاب کند؟

یک سوال بهتر این است:آیا سیستم کامل می تواند ترکیب SKU مورد نیاز را بدون زمان تغییر بیش از حد، پیچیدگی ابزار، یا مداخله اپراتور مدیریت کند؟

برای مثال، یک سلول خودکار ممکن است از نظر فنی قادر به مدیریت ده خانواده محصول باشد. اما اگر تغییر از یک خانواده به خانواده دیگر مستلزم تغییرات دستی ابزار، تنظیم فیکسچر، پیکربندی مجدد دید، انتخاب برنامه و اعتبار سنجی باشد، بار کلی تغییر ممکن است ارزش اتوماسیون را کاهش دهد. هنگامی که تنوع SKU زیاد است، محاسبات امکان سنجی باید شامل شرایط عملیاتی به جای در نظر گرفتن آزمایش های محصول فردی به صورت مجزا باشد.

برخی از کاربردهای رباتیک را می توان با محاسبات مهندسی و ترکیبات اثبات شده مؤلفه ارزیابی کرد. برخی دیگر مستحق آزمایش فیزیکی قبل از مشخص شدن ربات نهایی، گیره، سیستم بینایی یا معماری سلولی هستند.

آزمایش امکان‌سنجی به‌ویژه برای محصولات شفاف یا بسیار بازتاب‌پذیر، کیسه‌های انعطاف‌پذیر، کیسه‌ها، منسوجات، یا محصولات نرم، سطوح متخلخل، ناهموار، روغنی، مرطوب یا با بافت سنگین، محصولات محکم بسته‌بندی شده یا همپوشانی، انتخاب تصادفی-سطل زباله، محصولات با ابعاد قابل‌توجه یا بسته‌بندی با کاربردهای مختلف SKU، بسیار ارزشمند است. آسیب-محصولات حساس،-انتخاب نوار نقاله با سرعت بالا، محصولات با جهت یا نمایش غیرقابل پیش بینی. یک آزمایش امکان سنجی مفید باید بیشتر از نشان دادن این که یک ربات می تواند یک نمونه ایده آل را انتخاب کند، انجام دهد.

هیچ نرخ موفقیت قابل قبول جهانی یا حاشیه زمانی چرخه ای برای هر برنامه انتخاب رباتیک وجود ندارد. آستانه صحیح به الزامات تولید، پیامدهای پایین دستی، اقتصاد نیروی کار، الزامات کیفیت، بافر موجود و هزینه شکست بستگی دارد. بنابراین، این آستانه باید قبل از شروع آزمایش تعریف شود نه اینکه پس از مشخص شدن نتایج انتخاب شود.

هر فرآیند دشواری را نباید با افزودن یک ربات پیشرفته‌تر حل کرد. گاهی اوقات محدودیت خود فرآیند است.

موثرترین راه حل همیشه ربات قدرتمندتر نیست. بسیاری از مشکلات چیدن رباتیک را می توان با بهبود فرآیند اطراف ربات انتخاب و مکان کاهش داد.

قبل از افزایش سرعت ربات یا پیچیدگی بینایی، ارزیابی کنید که آیا می‌توان برنامه را از طریق فاصله کنترل‌شده محصول، روشنایی بهبودیافته، پس‌زمینه‌های ثابت، جهت‌گیری بهتر محصول، یکپارچه‌سازی، سطوح دردسترس‌تر در دست گرفتن، انتهای مناسب--ابزار بازو، کاهش تغییر SKU-، بافر و کنترل بهتر نوار نقاله ساده کرد.

هدف باید ایجاد یک فرآیند تکرارپذیر باشد که ربات انتخاب و مکان بتواند به طور قابل اعتماد آن را اجرا کند. یک فرآیند فیزیکی ساده‌تر و کنترل‌شده‌تر اغلب یک سیستم اتوماسیون قوی‌تر از درخواست از ربات، سیستم بینایی و نرم‌افزار برای جبران تنوع نامحدود ایجاد می‌کند.

مهمترینمحدودیت انتخاب و مکانبه ندرت با مشخصات ربات انتخاب و مکان به تنهایی تعریف می شوند. انتخاب موفقیت آمیز رباتیک به تعامل کامل بین محصول، سیستم بینایی، گیره، حرکت ربات، نوار نقاله، نمایش بالادست، تنوع تولید، و الزامات عملیاتی بستگی دارد. یک ربات با بار کافی، دسترسی و سرعت نامی هنوز هم می تواند عملکرد ضعیفی داشته باشد، زمانی که محصولات به طور مداوم دیده نمی شوند، سطوح چسبنده غیرقابل اعتماد هستند، دسترسی محدود است، محصولات به طور غیرقابل پیش بینی وارد می شوند یا تغییرات SKU پیچیدگی عملیاتی بیش از حد ایجاد می کند.

برای کاربردهای دشوار، بهترین رویکرد شناسایی زودهنگام این محدودیت ها و آزمایش محصولات نماینده قبل از خرید سیستم کامل است.

هدف صرفاً اثبات این نیست که یک ربات می تواند انتخاب موفقی داشته باشد. تعیین این است که آیا فرآیند کامل می تواند آن انتخاب را به طور قابل اعتماد، با نرخ تولید مورد نیاز، تحت شرایطی که در واقع در کف کارخانه وجود دارد، تکرار کند.