Ve výzkumném projektu FabOS Fraunhoferův institut IPA spolupracuje s partnery mj. na vývoji aplikace bin-picking, která umožňuje rozpoznávání, odebírání a pokládání plechových dílů definovaným způsobem.
Bin-picking, tedy výběr plochých plechových neuspořádaných polotovarů libovolných tvarů robotem, je považován za nejvyšší disciplínu robotiky. Jde o výzvu natolik náročnou, že aplikace v mnoha provozech nakonec ani není implementována. Jsou pro to dva typické důvody:
Polotovary v přepravce bývají výchozím článkem navázaným na výrobní nebo montážní linky, a musí proto garantovat její určitý pracovní cyklus. Často však robotický systém nerozpozná všechny díly, takže zaměstnanci musejí zasahovat a napravovat situaci ručně. Tím linka vypadává ze synchronizace a proces výroby či montáže nabírá zpoždění.
Kromě toho, čím je přepravka prázdnější, tím déle obvykle trvá robotickému systému její správné uchopení. Změny doby cyklu je tedy nutné kompenzovat pomocí „vyrovnávací paměti“, v horším případě ještě složitějšími konstrukčními řešeními. Ani jedno není ideální.
Za účelem vyřešení těchto problémů vyvíjí Fraunhoferův institut IPA (Fraunhofer Institut für Produktionstechnik und Automatisierung) již mnoho let technologie sběru plechových dílců. Výzkumníci se zaměřují zejména na řešení pro součásti, které jsou metodou zpracování obrazu robotického systému obtížně rozpoznatelné.
Nově vytvořený demonstrátor proto implementuje aplikaci Pick-in-the-box s plechovými díly. Definována byla společně s partnerem z praxe společností Trumpf, která zároveň poskytuje komponenty. Na vývoji spolupracuje také společnost Compaile.
Výsledný demonstrátor je součástí výzkumného projektu FabOS, jehož cílem je vytvořit otevřený, distribuovaný, v reálném čase schopný a bezpečný operační systém pro produkci. S firmou Compaile Solutions spolupracuje IPA na rozpoznávání komponent na základě umělé inteligence (AI), které není založeno na klasickém zpracování obrazu, ale na obsahovém srovnání podobnosti dílů.
Plechové díly v pohledu
Úkolem odborníků IPA je přizpůsobit své algoritmy pro zpracování obrazu výzvám rozpoznávání plechových dílů. K tomu využívají stávající software BP3, jenž se již v některých výrobách používá ve třísměnném provozu a který si firmy mohou pořídit na základě licence.
Aby bylo možné jasně identifikovat ploché plechové díly, jsou nejprve pomocí kamer generována 3D data součástí. Algoritmy se pak zaměřují na povrchy a hrany, aby lépe rozpoznaly komponenty a byly schopny s nimi celkově robustněji a rychleji zacházet. To také zahrnuje definované umístění, takže součást může být lépe uchopena a spolehlivě podávána přímo do dalšího kroku procesu.
Do budoucna se počítá s využitím metod umělé inteligence, které umožní průběžné učení. To například znamená, že by se software měl být schopen učit z vlastních chyb. Pokud je k dispozici několik buněk typu grab-in-the-box, data ze všech buněk by mohla být zpracována centrálně a poznatky by mohly být vráceny zpět do buněk.
Plánuje se také trénování robotického systému pro uchopení pomocí dat komponent v simulačním prostředí.
Správně přiřazené komponenty
Rozpoznávání všech komponent na základě AI je úkolem pro firmu Compaile. Jak už bylo uvedeno, není založeno na klasickém zpracování obrazu, ale na obsahovém srovnání podobnosti komponent. Na základě neuronových sítí lze komponentu přiřadit k dostupným konstrukčním plánům. Neuronové sítě navíc vyhodnocují, do jaké míry jsou jejich informace spolehlivě ověřeny. Tímto způsobem se systém může plně automaticky přizpůsobit aktuální komponentě, aniž obsluha musí tuto komponentu specifikovat. Na rozdíl od obvyklé klasifikace s neuronovými sítěmi nevyžaduje porovnání obsahové podobnosti žádné úpravy pro nové, dříve neznámé komponenty.
Popsaná technologie rozpoznávání komponent na bázi AI byla již předvedena na veletrhu Hannover Messe.
upravil a doplnil Michael Málek