车间里,一台高速钻孔机出现了不小的公差——因为它的刀具已经在使用过程中发生了磨损。这样的公差影响了下游各个制造步骤,致使报废率高达15%,拖累了零部件产品的日产量。于是,工程师不得不关掉这台机器,重新编程。一番折腾过后,他们确实看到了改善,但报废率仍然达到了8.5%。为了弥补停机和报废的损失,生产团队决定接受8.5%的报废率,好让生产速度提上来,避免进一步的停机和重新编程。速度快了,产能自然是高了,然而由于公差太大,致使报废率提高到了12%,因而实际产量并没有多大改观,没过多久就已经远远落后于生产计划。管理层见此情景,只好批准了更多的轮班和加班。

 

停机、重新编程、运行、检查,反反复复没完没了。


这看起来就好似一个恶性循环,让生产计划越来越遥不可及。对于高速机器人而言,准确性是至关重要的,一个错误的尺寸读数就可能导致灾难性后果。不过,借助三维机器视觉技术,就可以提高大规模生产的质量和产量并降低成本,这对智能机器人而言无疑是一大革新。这项技术可以让机器人实时做出反应、自动纠正错误,同时向操作人员提供反馈,在不中断生产运行的情况下,主动提醒机器人的人类同行注意到存在的问题。


三维机器视觉技术可以接收、处理和应对操作过程中的意外事件,并在无需重新编程的情况下完成其任务,从而创造出一种完全自动化的体验。

 

本文中,我们将探讨由机器人处理的三项制造任务(拾放、出厂尺寸检测和缺陷识别),以及三维视觉如何解决这三项任务中出现的已知问题。

 

拾放

 

借助三维机器视觉技术带来的准确性,出厂尺寸自动检测可以做得更加精确,而拾放的工作也能得益于机器人技术的灵活性。拾放是一个至关重要的制造步骤,尤其是在供应链的各个环节都很紧张的情况下。软件工程师为拾放工作开发算法,以检测、触及物品,并对其进行拾取、移动和放置,以便订单能够顺利完成。企业资源计划(ERP)系统从系统中接收订单,并将其传输到机器人以便获取产品。

 

随着订单大量涌入,浪费时间就意味着损失收入。如果机器人拾取装置设置的抓力不合适,就可能损坏产品,让时间和可销售的商品双双蒙受损失。借助三维成像技术,可以得到全面的产品图像,还可以将其强度信息实时反馈给处理器,为下一步的拾放动作确定动态响应。在这一过程中,机器人无需熟悉二维图纸,而是根据CAD模型进行校准,并实时对物体的位置进行三角测量。同时,智能机器人技术会在多次重复拾取产品的过程中学习并优化最佳的拾取方式。图像在空间位置的准确性加上对产品结构完整性的了解,使机器人技术能够不断改善(并加快)订单执行速度。


出厂尺寸检测

 

三维机器视觉非常适合用于测量和尺寸检测。它使用图像传感器记录高度、宽度和深度维度的数据,并根据偏航轴、俯仰轴和侧倾轴上剩余的自由度来定位位置。在需要严控公差的情况下,这种方法可以提供所需的高精度。在二维检测中,会使用零部件的平面图像与二维工程图纸或一系列已知测量结果进行比较,而采用三维成像,便可借助展现出物体或特征的形状、体积或深度图像,使二维的优势得到增强。二维检测中的一个常见挑战是垂直于观察面方向上的深度或旋转度不符合规范的特征。通过一张平面图,可能无法捕捉到这些超出尺寸公差的偏差,导致这些本应被拒绝并打上标记以供操作员检查流程或设备的零部件,在检测过程中被放行。三维机器视觉技术会在所有六个自由度上收集定位数据并构建出图像,从而应对这一挑战。采用三维机器视觉的检测机器人会对多个视角的图像进行比较,从而收集到更多可供分析的数据,增强检测人员的信心。随后,软件会将这些信息叠加起来,通过智能机器人技术在无需人工干预的情况下实时输出相关零部件或特征的单独视图。


缺陷识别

 

如果说拾放需要的精度是宏观级别,尺寸检测需要的精度是微观级别,那么零部件缺陷检测所需的精度就是纳米级别。对于一家企业而言,产量以及装配/型式/功能固然很重要,可一旦出现缺陷产品,就会严重损害声誉和形象,毕竟在发现产品有问题时,消费者和客户必然会留下差评。在激烈竞争的市场中,产品质量是无法妥协的,如果存在质保工程师无法检测出来的产品缺陷,便会带来失去市场份额的巨大风险。收集零部件三维图像的方法有很多,这些方法也可以用来描述产品缺陷的形状和位置。这些缺陷有多种多样的表现形式,可以是由于材料非均质性而导致意外的密度不一致,可以是破碎的内部特征,也可以是增材制造的零部件中残留的支撑材料,或者介于任何两种情况之间。除了尺寸精度外,质保工程师还可以定义一套标准来放行零部件。如果该工程师无法解决漏检问题,报废率就会因缺陷零部件而提高,从而降低产量,并带来现场故障的风险。三维机器成像技术可以收集、分析信息并将其传输给操作员,此时操作员便可立即提醒质控工程师注意产品缺陷问题。机器人收集的数据为工程师提供了宝贵的实时数据,他们可以用这些数据来总结缺陷的频率、一致性和位置,以便分析出根本原因。及早发现产品缺陷,对降低生产风险、维持生产进度而言至关重要。

 

总结

 

与任何大批量、资本密集型的过程一样,机器会随着时间的流逝而磨损,因而您需要在生产过程中采用不同于以往的开创性技术。采用了这些技术的机器可以化解不可预见的变化和障碍,无需重新编程即可驾驭它们并完成任务。您在操作过程中可获得的信息越多,就越有可能更快找到解决方案。要追求信息更加丰富的生产过程,三维机器视觉技术是一大得力助手。与二维的同类技术相比,它收集的数据要多得多,并且可以在大规模制造中使用这些数据来描绘物体的完整图像。这些图像有助于引导机器缩小拾放应用涉及的位置,并通过增加对深度和旋转轴方向的感知来改善出厂尺寸检测,还可以识别可能导致召回或安全问题的重大有害产品缺陷。由于可以执行动态响应而无需重新编程,三维机器视觉技术正作为物联网的一部分而变得越来越普及。虽然该项技术尚未完全成为主流,但可以预见的是,它将会迅速从新颖的创新走向商用。企业将会继续推动机器和流程控制之间的反馈回路进一步缩短。这项技术的能力将会持续增长,因为越来越多的行业和大规模制造过程将会连接到一起。

 


Adam Kimmel作者介绍

Adam Kimmel拥有近20年执业工程师、研发经理和工程内容撰稿人经验,编写过白皮书、网站副本、案例研究以及博客文章,涉及汽车、工业/制造业、科技和电子等垂直细分领域。Adam拥有化学和机械工程学位,并且是工程和技术内容写作公司ASK Consulting Solutions,LLC的创始人兼总负责人。