Välj och placera begränsningar: nyckelfaktorer att veta|RBTIC

What Reduces Robotic Picking Performance?

Robotic pick and place systemkan leverera hög hastighet och repeterbarhet, men deras prestanda beror på mycket mer än robotens nyttolast, räckvidd och annonserad cykeltid.

Många av de viktigastevälj och placera begränsningarvisas när riktiga produkter beter sig annorlunda än ideala CAD-modeller, kontrollerade demonstrationer eller noggrant förberedda prover. En robot kan vara tillräckligt snabb på papper men ändå missa produktionsmål eftersom visionsystemet inte kan lokalisera produkter konsekvent, griparen inte kan etablera ett tillförlitligt grepp, produkterna kommer oförutsägbart eller omställningar tar för mycket drifttid. Av denna anledning utvärderar enrobotplockapplikationbör fokusera på hela processen snarare än roboten ensam.

De vanligaste begränsningarna kan grupperas i fyra områden:

vision och produktdetektering;

grepp och produktåtkomst;

robotrörelse och produktpresentation;

produktionsvariabilitet och processekonomi.

Att förstå dessa begränsningar innan utrustning köps kan förhindra att en tekniskt imponerande robotisk plock- och platscell blir ett opålitligt produktionssystem.

Om du planerar att välja-och-platsautomatisera, utforskaRBTIC plocka-och-robotserierför att granska konfigurationer och specifikationer.

En robot kan inte plocka exakt om dess avkänningssystem inte konsekvent kan avgöra var produkten är och hur den är orienterad. I visionstyrda robotapplikationer upptäcker visionsystemet vanligtvis en del, bestämmer dess position och orientering och tillhandahåller inriktningsinformation som gör att roboten kan korrigera sin valposition. Detta innebär att tillförlitlig bildinsamling och detektering av delar är grundläggande för plockningsprocessen.

Flera produktegenskaper kan göra detta svårt.

Vision Limitations In Robotic Pick And Place Systems

Produkttyp	Beskrivning
Reflekterande produkter	Polerad metall, blank plast, folieförpackningar och andra reflekterande ytor kan producera bländning och högdagrar som förändras med betraktningsvinkeln. Problemet är inte bara att bilden ser ljus ut. Att ändra reflektioner kan dölja kanter, ändra uppenbara egenskaper eller få en produkt att se annorlunda ut när dess position ändras. Ett visionsystem som känner igen ett noggrant placerat prov kan därför fungera mindre tillförlitligt när produkter roterar, lutar, blir förorenade eller rör sig genom växlande omgivande ljus.
Transparenta produkter	Klara flaskor, brickor, plastförpackningar, glaskomponenter och transparenta filmer skapar en annan utmaning. Kameran kan fånga särdrag från transportören eller bakgrunden genom produkten istället för att få en stabil representation av själva produktytan. Kantdetektering och segmentering kan därför bli starkt beroende av belysning och bakgrundsförhållanden.
Produkter med låg-kontrast	Produkter kan också bli svåra att lokalisera när deras utseende liknar transportören, brickan, kärlet eller omgivande föremål. Att separera en mörk komponent från en mörk transportör kan till exempel vara mycket mindre tillförlitlig än att detektera samma komponent mot en kontrollerad kontrasterande bakgrund.

En av de viktigaste val- och platsbegränsningarna att förstå är att dålig sikt inte alltid är ett lösningsproblem. Att öka kameraupplösningen eliminerar inte automatiskt reflektioner, transparens, skuggor, instabil kontrast eller olämplig ljusgeometri.

Beroende på applikationen kan bättre resultat komma från att ändra ljusriktning eller intensitet, polarisering, exponeringsinställningar, kameraposition, transportör eller bakgrundsfärg, produktpresentation, själva avkänningsmetoden.

I vissa applikationer är det effektivare att göra den fysiska scenen mer repeterbar än att kontinuerligt öka mjukvarans komplexitet.

Den praktiska frågan är därför inte bara:Kan kameran se produkten? Det är:Kan visionsystemet lokalisera varje representativ produktvariant på ett tillförlitligt sätt under faktiska produktionsförhållanden?

Den distinktionen bör testas innan den slutliga visionarkitekturen väljs.

Gripper Limitations And Difficult-To-Pick Products

Noggrann produktdetektering garanterar inte ett framgångsrikt val. Pick-and-place-roboten behöver fortfarande en repeterbar plats där änden-av-armverktygen kan kontakta, säkra, flytta och släppa produkten utan oacceptabel skada.

Detta skapar en annan stor kategori avrobotic val och plats begränsningar.

Påsar, påsar, textilier, mjuka livsmedelsprodukter, filmer och andra flexibla produkter kan ändra form mellan cyklerna. En grepppunkt som verkar lämplig i en bild kan skrynklas, kollapsa, vikas eller flyttas medan griparen närmar sig den. Utmaningen blir svårare när produktformen påverkas av fyllnadsnivå, instängd luft, temperatur, staplingstryck eller uppströmshantering. För dessa applikationer är det tekniska problemet inte bara att identifiera produkten. Systemet behöver också en gripande strategi som tolererar produktvariation.

Vakuumgreppet beror på samspelet mellan sugsystemet och produktytan. Porösa eller grova produkter kan kräva olika vakuumstrategier eftersom läckage och tätning skiljer sig från släta, lufttäta ytor. Kommersiella gripsystem är speciellt utformade för svåra förhållanden som porösa material, ojämna ytor och odefinierade upptagningspositioner, vilket illustrerar varför valet av gripdon måste matcha den fysiska produkten snarare än att förlita sig på ett generiskt sugkoncept.

Produkter som förtjänar ytterligare testning inkluderar korrugerade eller porösa material, grova eller kraftigt strukturerade komponenter, oljiga eller våta produkter, instabila förpackningar, produkter med öppningar eller läckagevägar, ytor vars tillstånd förändras under produktionen. En annan sugkoppsgeometri, större greppyta, flera kontaktpunkter, mekaniskt grepp, nålgrepp, följsamhet eller annan änd-effektordesign kan krävas.

Även när det finns en giltig grippunkt behöver griparen fortfarande tillräckligt med fysiskt spelrum för att nå den. Tätt packade, överlappande, kapslade eller slumpmässigt orienterade produkter kan skapa kollisionsbegränsningar mellan griparen och omgivande produkter. Detta är särskilt viktigt vid plockning av soptunnor och täta transportörer. En visionalgoritm kan teoretiskt identifiera en tillgänglig produktyta medan den fysiska sluteffektorn inte kan närma sig den ytan i en säker vinkel.

Det är därför gripbarheten bör utvärderas tillsammans med angränsande-produktfrigång, inflygningsriktning, utsugningsväg, gripdonsdimensioner, robotskarvkonfiguration, tillåten produktkontakt. Frågan är inte bara om en produkt kan plockas en gång. Målet är att fastställa om det kan plockas upprepade gånger över det förväntade utbudet av produktförhållanden.

Product Presentation Can Limit Pick And Place Performance

Många robotplockproblem uppstår innan roboten börjar sin rörelse. En väl-designad plockningsrobot och gripare kan inte på obestämd tid kompensera för en okontrollerad inkommande process.

Slumpmässig orientering ökar antalet möjliga valpositioner som systemet måste hantera. Beroende på produkten kan vissa orienteringar ge en tydlig greppyta medan andra skapar ocklusion, dålig åtkomst, instabila lyft eller kollisionsrisker. Att kontrollera produktorienteringen uppströms kan ibland minska systemets komplexitet mer effektivt än att lägga till allt mer sofistikerad robotkapacitet nedströms.

Överlappande produkter skapar både uppfattnings- och utvinningsproblem. Synsystemet måste avgöra vilken produkt som är tillgänglig, medan roboten måste ta bort den utan att dra, dra eller störa närliggande föremål. Trassliga flexibla produkter skapar ett ännu svårare problem eftersom att ta bort ett objekt kan ändra positionen för flera andra. Dessa applikationer bör vanligtvis behandlas som genomförbarhets-testproblem snarare än att anta att ytterligare programmering ensam löser dem.

Produktavstånd kan också avgöra om teoretisk plocknings- och platsrobothastighet översätts till faktisk genomströmning. Tänk på ett system utformat för en genomsnittlig produktionshastighet på 60 produkter per minut. Det genomsnittet i sig talar inte om för ingenjören om roboten kan bearbeta den verkliga produktströmmen.

Om produkterna kommer jämnt till en produkt per sekund, kan applikationen bete sig mycket annorlunda än en transportör som levererar samma genomsnittliga hastighet i oregelbundna kluster. Under ett kluster kan fler produkter komma in i robotens tillgängliga plockfönster än vad den kan bearbeta. Produkter kan sedan flytta utanför det nåbara spårningsområdet innan roboten slutför de tidigare valen. Den genomsnittliga genomströmningen kan därför se acceptabel ut på ett kalkylblad medan det momentana produktflödet orsakar missade val i produktionen.

Möjliga lösningar på -processnivå inkluderar avståndskontroll uppströms, singulering, ackumulering, buffring, större spårningszoner, flera robotar, ändringar av matningsprocessen. Detta illustrerar en viktig princip:robotens prestanda bör utvärderas mot faktiska produkt-flödesbeteende, inte enbart genomsnittlig genomströmning.

Flytta-produktapplikationer lägger till ytterligare ett lager av komplexitet eftersom målet fortsätter att ändra position medan pick-and-place-roboten planerar och utför sin rörelse.

Spårningssystem för industriella-transportörer är speciellt utformade för att koordinera robotrörelser med rörliga produkter. ABB, till exempel, dokumenterar transportbandsspårningsfunktioner och nåbar-målförutsägelse för hög-transportörapplikationer. Transportbandsspårning eliminerar dock inte alla rörelsebegränsningar.

Nåbart spårningsfönster

Varje robotcell har ett praktiskt område där ett rörligt mål kan detekteras, närma sig, plockas och avlägsnas. Om en produkt når slutet av det tillgängliga fönstret innan roboten slutför valet, kan möjligheten gå förlorad.

Den tillgängliga tiden blir mindre när transportörens hastighet ökar, produkterna kommer närmare varandra, robotens färdavstånd ökar, plockrörelsen blir mer komplex, visionen eller kommunikationslatens ökar, svårt grepp kräver långsammare närmande eller sättning. Av denna anledning bör maximal robotcykelhastighet inte behandlas som samma sak som produktionsgenomströmning.

Acceleration spelar lika stor roll som toppfart

En plockningsrobot kan ha en hög specificerad maxhastighet utan att uppnå den hastigheten under korta plocknings--och-placeringsrörelser. Verkliga cykler inkluderar acceleration, retardation, närmande rörelser, grepptid, släpptid, vägbegränsningar och kontrolllogik. Applikationer för korta-höghastigheter måste därför utvärderas med hjälp av representativa rörelsebanor snarare än att endast förlita sig på hastighetsspecifikationer för rubriker.

Återhämtningsbeteendet påverkar också genomströmningen

Nominell cykeltid beskriver framgångsrika cykler.

Produktionsgenomströmningen beror också på vad som händer efter en misslyckad.

Till exempel:

Försöker systemet samma val igen?

Väljer den en annan produkt?

Stoppar ett misslyckat grepp linan?

Kan systemet återställas automatiskt?

Behöver en operatör ta bort en problemprodukt?

Ett system med en snabb nominell cykel men frekvent manuellt ingrepp kan ge lägre effektiv produktivitet än ett något långsammare pick and place-system med stabil autonom återhämtning.

En robot kan tekniskt sett kunna välja många olika produkter samtidigt som den fortfarande är operativt ineffektiv. Hög SKU-variabilitet påverkar mer än synigenkänning. Olika produkter kan kräva ändringar av grepppunkter, sugkoppar eller fingrar, robothastighet, inflygningsvinklar, synrecept, placeringsmönster, fixturer, nyttolastinställningar, produktspecifika-kvalitetsregler.

Nyckelfrågan är därför inte bara:Kan roboten välja varje SKU?

En bättre fråga är:Kan hela systemet hantera den nödvändiga SKU-mixen utan överdriven övergångstid, verktygskomplexitet eller operatörsingripande?

Till exempel kan en automatiserad cell vara tekniskt kapabel att hantera tio produktfamiljer. Men om byte från en familj till en annan kräver manuella verktygsbyten, fixturjustering, visionomkonfiguration, programval och validering, kan den totala omställningsbördan minska värdet av automatiseringen. När SKU-variationen är stor, bör genomförbarhetsberäkningar inkludera driftsförhållanden snarare än att betrakta individuella produkttester isolerat.

Vissa robotapplikationer kan utvärderas med tekniska beräkningar och beprövade komponentkombinationer. Andra förtjänar fysisk testning innan den slutliga roboten, griparen, synsystemet eller cellarkitekturen specificeras.

Genomförbarhetstestning är särskilt värdefull för genomskinliga eller starkt reflekterande produkter, flexibla påsar, påsar, textilier eller mjuka produkter, porösa, grova, oljiga, våta eller kraftigt strukturerade ytor, tätt packade eller överlappande produkter, slumpmässigt-plockning av soptunnor, produkter med stora dimensioner eller förpackningsvariationer, applikationer med många SKU- eller känsliga verktyg, applikationer med många SKU} produkter, snabb-transportörsplockning, produkter med oförutsägbar orientering eller presentation. Ett användbart genomförbarhetstest borde göra mer än att visa att en robot kan välja ett perfekt prov.

Testprincip	Beskrivning
Använd representativa produkter	Testningen bör inkludera den variation som förväntas under produktionen. Beroende på applikation kan det inkludera skillnader i dimensioner, färg, ytfinish, fyllnadsnivå, förpackningsskick, orientering, kontaminering, fukt, tillverkningstolerans. Att bara testa det enklaste provet kan skapa falskt förtroende.
Testa upprepade cykler	Ett framgångsrikt val bevisar att ett val är fysiskt möjligt. Det bevisar inte att processen är produktionsklar-. Upprepade försök krävs för att avslöja intermittenta fel och avgöra om problem uppstår under specifika produkt- eller presentationsförhållanden.
Mät mer än att välja framgång	Ett genomförbarhetstest bör utvärdera mätvärden som är relevanta för det faktiska produktionskravet, inklusive:- framgångsrik plockfrekvens, cykeltid, missade plockningar, greppfel, tappade produkter, produktskador, synfel, återhämtningstid, operatörsingripanden, prestanda över representativa SKU:er.

Det finns ingen universell acceptabel framgångsfrekvens eller cykel-tidsmarginal för varje robotplockapplikation. Rätt tröskel beror på produktionskrav, nedströmskonsekvenser, arbetsekonomi, kvalitetskrav, tillgänglig buffring och kostnaden för fel. Detta tröskelvärde bör därför definieras innan testningen börjar snarare än väljas efter att resultaten är kända.

Inte alla svåra hanteringsprocesser bör lösas genom att lägga till en mer avancerad robot. Ibland är begränsningen själva processen.

Begränsande skick	Beskrivning
Mycket låg produktionsvolym	Lågvolymproduktion utesluter inte automatiskt automatisering, men omfattande ingenjörskonst och integration kan vara svårt att motivera när den befintliga manuella uppgiften är enkel, säker och snabb. Beslutet bör baseras på det fullständiga affärsfallet snarare än enbart robotkapacitet.
Ingen repeterbar greppmetod	Automatisering blir svårt när produkten inte erbjuder något stabilt sätt att lokaliseras, komma åt, gripas, flyttas och släppas. Om yttillståndet och produktformen varierar så mycket att ingen gripande metod förblir tillförlitlig, kan projektet kräva en förändring av produktpresentationen eller förpackningen innan ytterligare robotoptimering är meningsfull.
Överdrivet mänskligt omdöme	Vissa uppgifter är mycket beroende av mänsklig tolkning och manipulation. Mycket trassliga, instabila, slumpmässigt sammankopplade eller oförutsägbara föremål kan kräva att operatören fattar ett nytt manipulationsbeslut på nästan varje cykel. Sådana applikationer är inte automatiskt omöjliga att automatisera, men den ökande tekniska komplexiteten måste motiveras av det värde automatiseringen skapar.
Överdrivna övergångskrav	En tekniskt flexibel robot garanterar inte ett flexibelt produktionssystem. Om varje SKU-ändring kräver betydande manuell justering, verktygsbyten, fixturbyte, omprogrammering eller validering, kan en manuell eller delvis automatiserad process förbli mer praktisk.
Dålig automationsekonomi	Teknisk genomförbarhet och kommersiell genomförbarhet är olika frågor. Ett system kan framgångsrikt välja produkten samtidigt som det fortfarande är olämpligt när totala implementeringskostnader, underhåll, stillestånd, övergångskrav, personalbehov och förväntad återbetalning ingår. I dessa fall kan den bättre tekniska lösningen vara att förbättra produktpresentationen uppströms, designa om det gripande gränssnittet, automatisera endast den mest repetitiva delen av processen, kombinera manuella och robotiserade operationer, behålla den befintliga manuella processen.

Den mest effektiva lösningen är inte alltid en kraftfullare robot. Många robotplockproblem kan minskas genom att förbättra processen kring plockningsroboten.

Innan robotens hastighet eller synkomplexitet ökar, utvärdera om applikationen kan förenklas genom kontrollerat produktavstånd, förbättrad belysning, konsekventa bakgrunder, bättre produktorientering, singulation, mer lättillgängliga greppytor, lämpliga-armverktyg, reducerade SKU-specifika byten, bättre buffring och transportörkontroll.

Målet bör vara att skapa en repeterbar process som plockningsroboten kan utföra på ett tillförlitligt sätt. En enklare och mer kontrollerad fysisk process ger ofta ett mer robust automationssystem än att be roboten, visionsystemet och mjukvaran att kompensera för obegränsad variation.

F: Vilka är de huvudsakliga begränsningarna för plockningsrobotar?

S: De huvudsakliga val- och platsbegränsningarna är vanligtvis relaterade till produktdetektering, grepptillförlitlighet, robotåtkomst, produktpresentation, spårning av transportband, cykel-tidsbegränsningar och produktvariabilitet. Projektekonomi och omställningskrav kan också begränsa huruvida robotplockning är praktiskt.

F: Vilka produkter är svåra för robotar att välja?

S: Produkter är i allmänhet svårare att välja när de är transparenta, reflekterande, flexibla, porösa, ömtåliga, tätt packade, överlappande, trassliga eller mycket varierande i form och orientering. Dessa egenskaper kan påverka syndetektering, grepp, kollisionsavstånd eller alla tre.

F: Varför saknar ett robotiskt plock- och platssystem produkter?

S: Missade val kan bero på otillförlitlig syndetektering, otillräcklig åtkomst till gripdon, greppfel, oregelbundet produktavstånd, hög transportörhastighet, begränsad spårningstid, begränsningar för robotens räckvidd eller tillfälliga produkt{0}}ankomsthastigheter som överstiger systemets bearbetningskapacitet.

F: Kan en bättre kamera lösa problem med robotplockning?

A: Inte alltid. Högre kameraupplösning löser inte automatiskt bländning, transparens, låg kontrast, dålig belysning, ocklusion eller instabil produktpresentation. Belysning, kameraplacering, bakgrundskontroll, polarisering, avkänningsmetod och produktpresentation kan vara lika eller viktigare.

F: Hur vet du om en produkt kan plockas automatiskt?

S: Representativ genomförbarhetstestning är ett av de mest tillförlitliga sätten att utvärdera en svår ansökan. Testning bör använda realistisk produktvariation och mäta upprepad plockningsframgång, cykeltid, fellägen, produktskada, återställningsbeteende och operatörsingripande.

F: När ska en robotplockapplikation testas före köp?

S: Testning är särskilt viktigt när produkter är flexibla, transparenta, reflekterande, porösa, ömtåliga, slumpmässigt orienterade, tätt packade, rör sig i hög hastighet eller avsevärt olika mellan SKU:er. Testning är också värdefull när den föreslagna gripprincipen eller visionmetoden inte redan har bevisats på representativa produkter.

Det viktigastevälj och placera begränsningardefinieras sällan av enbart pick and place-robotspecifikationen. Framgångsrik robotplockning beror på den fullständiga interaktionen mellan produkten, visionsystemet, griparen, robotens rörelse, transportören, uppströmspresentationen, produktionsvariationen och driftskraven. En robot med tillräcklig nyttolast, räckvidd och nominell hastighet kan fortfarande prestera dåligt när produkter inte kan ses konsekvent, greppytor är opålitliga, åtkomsten är begränsad, produkterna kommer oförutsägbart eller SKU-ändringar skapar överdriven operationell komplexitet.

För svåra tillämpningar är det bästa sättet att identifiera dessa begränsningar tidigt och testa representativa produkter innan hela systemet köps.

Målet är inte bara att bevisa att en robot kan göra ett framgångsrikt val. Det är för att avgöra om hela processen kan upprepa plockningen på ett tillförlitligt sätt, med den nödvändiga produktionshastigheten, under de förhållanden som faktiskt kommer att finnas på fabriksgolvet.

Är du redo att implementera robotic pick and place?
Oavsett om du uppgraderar din end-of-line automation eller söker efter en pålitlig leverantör av plocka-och-robotar, kontakta RBTIC för kostnadsfria anpassade plocknings--och-placeringslösningar och layoutdesigner, eller för att boka en rundtur i fabriken.