Endüstriyel robot öğretimi muafiyeti için bağımsız programlama teknolojisi üzerine

Modern üretimde kaynaklama, makine üretimi, nükleer sanayi, petrokimya sanayi, uzay ve havacılık gibi birçok alanda yaygın olarak kullanılan en önemli süreç yöntemlerinden biridir. Çünkü sanayide bir "terzilik" olarak kabul edilen kaynaklama, endüstriyel üretekte çok önemli bir işlemdir; aynı zamanda, kaynak dumanı, ark ve metal sıçramaları nedeniyle kaynaklama iş ortamı çok kötüdür ve ürün kalitesi üzerinde kaynaklama kalitesi kararlı bir etkiye sahiptir.

Endüstri robotlarının, sensörlerin ve yapay zekanın gelişimi ile birlikte, endüstriyel kaynaklama robotları işçileri karmaşık, sert hatta tehlikeli kaynaklama işlem yerlerinden giderek kurtarıyor. IFR 2021'de yayınlanan bilgilere göre, dünyanın fabrikalarında faaliyet gösteren endüstri robotlarının sayısı rekor 3 milyonuna ulaşmıştır ve yıllık bazda %10 artmıştır. IFR 2018 verilerine göre, endüstri robotlarının %40'ı kaynaklama ve kesim endüstrisinde kullanılmaktadır.

Kaynak robotunun doğumu itibarıyla şimdiye kadar yaklaşık üç nesil geçti: İlk nesil, "öğretişim-geri yükleme" (Teaching and playing) çalışma modundaki robotlardır. Basit bir operasyon gerektirir ve çevresel modele ihtiyaç duymaz. Öğretim, mekanik yapı tarafından oluşan hataları düzeltmek için kullanılabilir ve bu özellikler nedeniyle endüstriyel kaynak üretiminde yaygın olarak kullanılmaktadır. İkinci nesil, yapısal çevreye dayalı ve çevrimdışı programlama tipi (Off-line programming) kaynak robotudur. Elde edilen kaynak ortamı bilgisi ve parçanın CAD/CAM verileri birleştirilir ve bilgisayar grafik teknikleri kullanılarak, kaynak görevleri için çevrimdışı planlama ve 3B dinamik simülasyon yapılır. Bu tür kaynak robotları genellikle "endüstri robotu + çevrimdışı programlama" iş istasyonu şeklinde görünür. Örneğin, pazarda yaygın olan üçüncü taraf çevrimdışı programlama yazılımları RobotMaster, Sprutcam, RobotSmart ve robot gövdesi üreticilerinin çevrimdışı yazılımları RobotStudio, Roboguide vb. Üçüncü nesil ise, çeşitli sensörlerle donatılmış ve işletim talimatlarını aldıktan sonra kaynak ortamına göre bağımsız olarak programlayabilecek ve plan yapabilecek akıllı (Intelligent) bir kaynak robotudur. Teknolojisinin karmaşıklığı ve yapay zekanın gecikmesi nedeniyle bu nesil kaynak robotları deneyneli araştırmada bulunmaktadır. Şu anda, hem yerli hem de yabancı birkaç üretici ilgili ürünlerine sahiptir. Yazar, ikinci nesil çevrimdışı programlama yazılımını model tabanlı robot programlaması olarak adlandırır ve üçüncü nesil ise görsel temelli model sürücü otomatik programlamadır.

Aşağıdaki içerik kuru malzeme olup, yazarın kişisel görüşlerinden ibarettir ve Min Yue teknolojisinin resmi temsilcisi değildir. Fabrika üretim sürecinde, kaynaklama ve kesim işlemlerinde yüksek güvenilirlik ve süreç gereksinimleri bulunmaktadır. Sadece görsel tabanlı kaynaklama ve kesim çözümleri akademik araştırmalar için uygun olsa da, şu anki endüstriyel ortamlarda ya uygunsuzdur veya yalnızca belirli bir alt bölüme özel olarak uygundur. Nedenler aşağıda gösterilmiştir. İlk olarak, çevreye (iş parçası) ait veriler toplandıktan sonra, kaynaklama robotu iş parçasının kaynaklama veya kesim konumunu değerlendirmek ve hesaplamak zorunda kalır, bu da LEVEL 4 otomatik sürüş teknolojisine benzer bir problemdir. Zorluklar şunlardır: 1. Toplanan veriler eksik veya yeterince doğru değil; 2. Veriler gereklilikleri karşılasa bile, karmaşık nokta bulutu verileri veya görüntü verilerinden nasıl otomatik ve güvenilir bir şekilde kaynaklama çizgisi çıkarılabilir; 3. İşlem yolunu çıkarmak ve kaynaklama ve kesim işlemini nasıl belirleyeceğiz, bu önceki iki noktadan daha zordur.

Üçüncü nesil ve dördüncü nesil sınavsız öğretim programı karşılaştırması

Bu durumda, CAD\/CAM, robotik ve 3D görsel teknolojilerinde hassas teknoloji kullanımı, yapay zeka, yıllarca birikim, mevcut olgun robot zekası programlama yazılımı ve 3D görsel sensörler, ikinci ve üçüncü jenerasyonların iki programlama avantajını temel alarak, dördüncü jenerasyon serbest öğretim otomatik programlama yöntemini önerdi - yani model sürücü ve görsel sensör tabanlı otonom programlama.

Yukarıdaki şekilde gösterildiği gibi, üretimden önce robot yörüngesi, parça numarası modülü için planlama amaçlı kullanılır. Her bir parçanın karşılık gelen işlemi, model etiketi aracılığıyla ve otomatik çıkarma ile belirlenir. Ancak, dijital çevrimdışı yazılımlar ile gerçek iş istasyonu arasında farklar bulunmaktadır; bu da model ve gerçek parçanın sapması ile kaynaklı ve welding ve kesim sürecindeki deformasyonları içerir. Bu sorun için, farklı ölçeklerde 3B görsel sensörler yörünge konumlandırılması için kabaca ve hassas olarak kullanılır. Farklı sensörlerin kombinasyonu sayesinde geniş bir programlama aralığı (100mm'den fazla) ve yüksek hassasiyet (0.1mm'den daha az) yörünge kompansasyonu gereksinimleri karşılanabilir. Bu çözüm oldukça evrenseldir, üretim sürecinde insan müdah介入ine gerek yoktur ve dijital simülasyon ile sensör ölçümleri verilerinin kombinasyonu güvenilirliği artırır.

Offline programlama yazılımı RobotSmart'ın kullanımı aşağıda ayrıntılı olarak açıklanmıştır. Düşük hızlı bir elektrikli üç tekerlekli bileşenin ön dikey kirişinin serbest öğretim kaynaklı weldingini alarak işlem süreci açıklanmaktadır.

Adım 1, yazılımı açın ve welding modülünü girin. İş parçasına göre, ilk taramadan önce welding kullanıma hazır hale getirme, konumlandırma veya izleme seçeneği vardır. İkinci adım, iş parçasını ve yörünge planlaması ve otomatik süreç hesabı için welding kenarını seçmektir.

Önemlice değinilmesi gereken nokta şu anda RobotSmart'in dört aile robotunu ve geniş kapsamlı robotları destekliyor olmasıdır. Hatt laser sensörü yalnızca Minyue Technology'nin HA, WR ve LDW modellerini destekler ve binokuler yapı ışığı SmartEye Vision WR Yue tarafından geliştirilen R/HA serisini de dahil olmak üzere destekler.