در تولید مدرن، جوشکاری یکی از مهمترین روشهای فرآیندی است که به طور گسترده در ساخت ماشینآلات، صنعت هستهای، صنعت نفت و شیمی، فضایی و بسیاری از حوزههای دیگر استفاده میشود. زیرا جوشکاری به عنوان یک "درازی" صنعتی، یکی از ابزارهای بسیار مهم پردازش در تولید صنعتی است؛ همچنین، به علت وجود دود جوش، قوس الکتریکی و پاشیده شدن فلزات، محیط کار جوشکاری بسیار بد است و کیفیت جوشکاری تأثیر تصمیمگیرندهای بر کیفیت محصول دارد.
با توسعه رباتهای صنعتی، حسگرهای هوشمند و فناوری هوش مصنوعی، رباتهای جوشکاری صنعتی به تدریج کارگران را از مکانهای عملیاتی پیچیده، سخت و حتی خطرناک جوشکاری آزاد میکند. بر اساس اطلاعات منتشر شده در IFR 2021، تعداد رباتهای صنعتی فعال در کارخانههای جهان به رکورد 3 میلیون رسیده است، که 10 درصد نسبت به سال قبل افزایش یافته است. بر اساس دادههای IFR 2018، 40 درصد از رباتهای صنعتی در صنعت جوشکاری و برش استفاده میشوند.
روبروی گیر از تولد تاکنون، تقریباً سه نسل را تجربه کرده است: نسل اول، حالت کاری «آموزش-تکرار» (Teaching and playing) ربات است که به دلیل عملکرد ساده، نیازی به مدل محیط ندارد و آموزش میتواند اشتباهات ناشی از ساختار مکانیکی را اصلاح کند و با توجه به ویژگیهای دیگر، در تولید کاربردی گیر وصل صنعتی گسترده استفاده شده است. نسل دوم، نوعی ربات گیر وصل با برنامهریزی خارج از خط (Off-line programming) بر پایه محیط ساختاری است که اطلاعات محیط گیر وصل و دادههای CAD/CAM قطعه را ترکیب میکند و با استفاده از تکنیکهای گرافیک کامپیوتری، برنامهریزی خارج از خط و شبیهسازی دینامیکی سه بعدی وظایف گیر وصل را انجام میدهد. این نوع از رباتهای گیر وصل معمولاً به صورت «робот صنعتی + برنامهریزی خارج از خط» در ایستگاه کار ظاهر میشود. به عنوان مثال، نرمافزارهای متداول برنامهریزی خارج از خط سومی که در بازار وجود دارند مانند RobotMaster، Sprutcam، RobotSmart و همچنین نرمافزارهای خارج از خط RobotStudio و Roboguide تولیدکنندگان بدن ربات هستند. نسل سوم به یک ربات گیر وصل هوشمند (Intelligent) اشاره دارد که با دسترسی به انواع سنسورها، میتواند مستقل از محیط گیر وصل، برنامهریزی و طراحی کند. به دلیل پیچیدگی فناوری آن و تعامل کمتر هوش مصنوعی، این نسل از رباتهای گیر وصل در مرحله تحقیق تجربی قرار دارد. در حال حاضر، تعدادی از تولیدکنندگان داخلی و خارجی محصولات مرتبط دارند. نویسنده به نسل دوم نرمافزارهای برنامهریزی خارج از خط که به آن «برنامهریزی روبات مبتنی بر مدل» میگوید و نسل سوم برنامهریزی خودکار مبتنی بر بینایی اشاره میکند.
محتوای زیر شامل کالای خشک است، که نظر نویسنده به صورت شخصی میباشد و به طور کامل نمیتواند نماینده فناوری مین یو باشد. در فرآیند تولید کارخانه، اتصال و برش دقت و مقررات فرآیند بالایی دارند. راهحلهای برش و اتصال مبتنی بر دید بصری محض مناسب پژوهشهای آکادمیک هستند، اما در حال حاضر محلهای صنعتی قابل استفاده نیستند یا فقط برای صحنههای مشخصی از زیربخشها قابل استفاده هستند. دلایل در ادامه آمده است. ابتدا، پس از جمعآوری دادههای محیط (قطعه کار)، ربات اتصال نیاز به تعیین و محاسبه موقعیت اتصال یا برش قطعه دارد که مشکلی شبیه به فناوری رانندگی خودکار سطح 4 است. دشواریها شامل موارد زیر میشود: ۱. دادههای جمعآوری شده ناقص هستند یا دقیق کافی نیستند؛ ۲. حتی اگر دادهها معیارها را برآورده کنند، چگونگی استخراج خودکار و قابل اعتماد خط اتصال از دادههای ابر نقطه یا تصاویر پیچیده؛ ۳. استخراج مسیر پردازش و تعیین فرآیند اتصال و برش که دشوارتر از دو مورد قبلی است.
مقایسه برنامه آموزشی بدون امتحان نسل سوم و چهارم
طرح | رانندگی بدون مدل | مبتنی بر راندمان مدل و بینایی |
روش برنامهریزی مسیر رباتیک | برنامهریزی ربات با استفاده از محیط دادههایی که توسط حسگرهای تشخیص داده شده و ترکیب شده با الگوریتم کینматیک ربات انجام میشود. | استفاده از مدل ربات، ایستگاه کاری و قطعه کاری، بر اساس موقعیت در قطعه کاری مدل، ترکیب شده با الگوریتم کینماتیک ربات. |
آیا لازم است قبل از تولید، مشارکت در نظر گرفته شود | نیاز به دستورات دستی یا رویههای اسکن بینایی وجود دارد | مسیر پردازش باید از قبل از ماژول شماره قطعه کاری مشخص شده باشد |
داخل شدن؛ مداخله کردن؛ دخالت کردن | مسیری که باید پردازش شود را از ابر نقطه اسکن یا به طور خودکار بر اساس قوانین پیشفرض محاسبه کنید. | بیمداخله |
دادههای کامل چشمانداز | نیاز | غیرضروری |
محلیابی دقیق | نیاز | نیاز |
قابلیت اعتماد | عمومی | قوي |
ویژگی عمومی | بیعمومیت | قوي |
در این حالت، فناوری حساس در CAD/CAM، رباتیک و دید سه بعدی، هوش مصنوعی، سالها تجمع، در نرمافزار برنامهریزی هوشمند ربات موجود و حسگر بصری سه بعدی، بر اساس مزیتهای دو نسل دوم و سوم برنامهنویسی، روش برنامهنویسی خودکار نسل چهارم آزاد آموزش — یعنی برنامهنویسی خودکار مبتنی بر مدل رانده و حسگر بصری — ارائه داده شده است.
همانطور که در شکل بالا نشان داده شده است، قبل از تولید، مسیر ربات برای برنامهریزی ماژول شماره قطعه کاربردی استفاده میشود. فرآیند متناظر هر قطعه از طریق نشانهگذاری مدل و استخراج خودکار تعیین میشود. با این حال، تفاوتها بین نرمافزار آفلاین رقمی و ایستگاه واقعی وجود دارد، شامل انحراف مدل و قطعه واقعی و تغییر شکل در طول فرآیندهای گچکاری و برش است. برای این مشکل، حسگرهای بینایی سه بعدی به مقیاسهای مختلف برای موقعیتیابی خشن و پیوسته مسیرها استفاده میشوند. از طریق ترکیب حسگرهای مختلف، میتوان نیازهای برنامهریزی در دامنه گسترده (بیش از 100 میلیمتر) و جبران مسیر با دقت بالا (کمتر از 0.1 میلیمتر) را برآورده کرد. این روش بسیار عمومی است، هیچ مداخله انسانی در فرآیند تولید وجود ندارد و ترکیب دادههای شبیهسازی رقمی و اندازهگیری حسگر قابلیت اطمینان را افزایش میدهد.
عملکرد نرمافزار برنامهریزی آفلاین RobotSmart به طور جزئی در زیر توضیح داده شده است. با استفاده از مثال آموزش رایگان گلفتن فلزی قائم جلویی بخشی از سه چرخه الکتریکی کم سرعت، فرآیند عملیات توضیح داده میشود.
مرحله اول، نرمافزار را باز کنید و به ماژول گلفت وارد شوید. بر اساس قطعه کاری، انتخاب این است که قبل از گلفتن از اسکن اولیه، موقعیت یابی یا ردیابی استفاده کنید. مرحله دوم انتخاب قطعه کاری و لبه گلفت برای برنامهریزی مسیر و محاسبه فرآیند خودکار است.
اهمیت دارد ذکر شود که در حال حاضر، RobotSmart پشتیبانی از چهار خانواده ربات و رباتهای گسترده دارد. حسگر لیزر خطی فقط مدلهای HA، WR و LDW فناوری Minyue را پشتیبانی میکند و حسگرهای نور ساختاری دوچشمی شامل SmartEye Vision WR Yue و سری R/HA خود توسعهیافته پشتیبانی میکند.