尽管这些锻造铝焊枪主体的排列随意且几何形状复杂，但 FANUC 的 iRVision 系统能够引导机器人从垃圾箱中拾取它们，然后将它们装载到 RoboDrill 中进行加工。 （由 Methods Machine Tools 提供）出于所有显而易见的原因，自动化仍然是制造业的重点，并且机器人供应商继续推出令人印象深刻的新功能。许多人会赞同马萨诸塞州萨德伯里 Methods Machine Tools Inc. 的机器人自动化经理 Zach Spencer 所说的“现在最重要、最令人兴奋的事情是协作机器人。协作机器人是创新的自动化系统，可以开辟新的加工选项并增加您的投资回报。一些客户在不到三个月的时间内就为协作机器人付款了。”
Spencer 补充说，协作机器人之所以受欢迎，很大程度上是因为他们可以被编程的直观方式。 “不必通过示教器对机器人进行编程使其移动到特定点，您可以手动拖动机器人并在示教器中创建一个设定点。然后将机器人拖到下一个位置并指定第二个设定点。这是协作机器人更好的技术之一。”
协作机器人制造商还通过促进与第三方配件（包括特殊夹持器、视觉系统、焊接头和操作软件）的集成，彻底改变了自动化。位于密歇根州安阿伯市的 Universal Robots 是该领域的领导者，其 UR+ 计划中有 300 多种产品，还有数百种产品正在筹备中。应用程序高级经理 Joe Campbell 将 UR+ 称为“Universal Robots 的应用程序商店”。我们为开发人员提供 [对我们的操作系统] 的深度访问权限，以便他们可以开发软件。然后我们对其进行验证、测试和认证。”
在这张照片中，箱子上方的 Universal Robots ActiNav 3D 传感器扫描要拾取的零件并将 3D 点云图像发送到控制器，后者计算拾取坐标和机器人路径。（由 Universal Robots 提供）高级箱子拾取
机器人从垃圾箱中拾取零件的能力，即使它们的方向是随机的，也不是什么新鲜事。但是像 Universal Robots 这样的供应商使这种系统更容易实施。Campbell 解释说，从历史上看，你会必须花费数周时间编写代码以涵盖此类情况下出现的所有不同场景。但是 UR 的 ActiNav 解决方案已经包含“大量经过长时间开发的代码，去除了传统上需要定义的所有编程你将如何从上车地点到达放下位置。 ......使用 ActiNav，你教它这个部分......教它下车位置，......定义垃圾箱，它基本上在四个点上接触它，......并定义空间中的任何其他障碍。然后系统将完全规划自己的机器人路径和轨迹，以从它识别的任何拾取点到达放置点，无需自定义编程。”
Campbell 补充说，向 ActiNav“教授零件”是只需导入工件的 CAD 文件，然后指定协作机器人应抓取工件的表面即可。零件不必很简单，它只需要具有“可以让您准确拾取的表面”。这非常简单。我看到有人拿了一个系统以前从未用过的全新零件，并在大约两个小时内完成设置。”更重要的是，Campbell 说，与通常与随机垃圾箱拣选相关的电子商务解决方案不同，ActiNav 是 p精确到足以自动加载机床。
正如您可能已经猜到的那样，ActiNav 需要一个 3D 视觉系统来为每次拾取定位协作机器人。在这种情况下，它是来自斯洛伐克布拉迪斯拉发的 UR+ 合作伙伴 Photoneo 的传感器。 Campbell 说，该装置安装在垃圾箱上方，几乎可以立即生成详细的图像。 （系统每次扫描捕获 320 万个 3D 点。）决策和加载时间同样很快，Campbell 认为周期时间大约为 30 秒的工作最适合该产品。这对于操作员看管多台机器来说太快了，但在 ActiNav 的处理时间内。如果时间比 30 秒快得多，ActiNav 会减慢机器周期。当然，在其他情况下，您会很乐意接受较慢的循环时间，例如将夜班自动化，否则这将是低效的。
智能垃圾箱拣选不仅限于协作机器人，Spencer方法 机床提供了一个真实世界例如，FANUC 机器人从垃圾箱中抓取锻造铝焊炬主体并将其装入 FANUC RoboDrill 进行加工。关键是 FANUC 的 iRVision 系统，它可以创建垃圾箱中物体的 3D 点云。 “而且该信息与机器人相关，因此它知道以哪个角度接近零件才能准确地挑选出来。”
一台发那科机器人相机检查工件上多个位置的焊接螺母。它还会自动检查是否存在来自另一个零件的激光切割操作的废料（确认一张图片中 16 个激光切割特征的质量）。如果需要，机器人也可以配置为处理零件。 （由 FANUC America 提供）Spencer 指出，锻造会在两个模具相交的地方产生一条分型线，而这条线并不总是在同一个地方。零件复杂的轮廓特征提出了另一个挑战。但就像 ActiNav 一样，“你将 3D 模型上传到软件中，然后告诉它这是我们正在寻找的形状，”Spencer 解释道。 “FANUC 的软件考虑了尺寸的变化，它非常擅长让您对这些变化进行限制。”这些火炬主体的中西部制造商从手动装载的巨型旋转传送机转变为由两个机器人提供服务的四个 RoboDrill 的自动化单元。因此，他们现在生产的零件“比在传送机上生产的吞吐量更高，正常运行时间更长，废品率低得多。”
Spencer 最近的一个相关示例是自动装载大轴用于建筑的设备从木橇变成热处理再变成机器。车轴的长度、直径和重量（约 200 到 500 磅）各不相同，而且批量很小。就连身高斯宾塞补充说，木滑板各不相同。 Methods 创建了一个系统，使操作员能够使用叉车简单地将一个 4 × 4' (1.22 × 1.22-m) 不同轴的托盘移动到单元中，所有轴都垂直放置，法兰面朝下。然后，面向侧视图的 FANUC 软件和 2D 视觉相机确定夹具需要向下放置多远才能抓取每个零件，而高架相机则确定地板上的正确位置（X 和 Y 方向）。斯宾塞表示，垂直定位是“重大的技术进步。 ......实际上能够用机器人拍照并对该照片进行测量[是一个很大的改进。]”
其他视觉系统改进
从 Campbell 的角度来看，ActiNav 是当今机器人技术如何向用户“隐藏难以置信的复杂”技术的示例。同样，芬兰坦佩雷和西切斯特 Fastems Oy AB 解决方案销售总监 Mika Laitinen俄亥俄州的 r 谈到用相机拍摄 X 和 Y 坐标的任务看似简单，但实际上可能需要高级成像算法。例如，他指出美国相机制造商康耐视，其最新发布的智能相机使用“某些成像算法的神经网络计算”。他补充说，这样的系统将以前困难的任务（如光学字符读取）变成了通用的、强大的功能。这些系统的计算能力正在提高，以至于“人工智能不再是与机器人技术分开的主题。 ……如今，人工智能越来越多地嵌入到智能传感器和智能摄像头系统中。”
密歇根州罗切斯特山发那科美国公司一般工业和汽车部门的工程经理 David Bruce 说，公司的 iRVision 系统具有内置人工智能 (AI) 防错功能，“无需任何额外硬件”。 iRVision 功能基于 2D 或 3D 机器视觉的 es 机器人引导和“FANUC 高可靠性机器人控制器”处理机器人运动和“视觉处理，包括 AI 防错功能”。
Fastems 的控制软件可以兼顾多项工作并适应质量检查，根据需要重新安排零件路线而无需停止生产。 （由 Fastems 提供）“由于 iRVision 不使用 PC 或智能相机，因此不会对工作单元的可靠性产生负面影响，”Bruce 继续说道。 “通过提供好零件和坏零件的多个示例，AI 防错工具在生产运行期间区分了两者。在设置过程中，操作员可以展示多个工件示例并将它们分为两类——好的和坏的。一旦操作员分类图像，AI 防错功能会在生产运行期间自动对零件进行分类。”
Fastems 的 Laitinen 推测 LiDAR（光检测和测距）技术最终将取代立体视觉系统（即使用多个摄像头来测量在 X、Y 和 Z 中）。 “2D 相机小巧、方便，而且很容易放在任何你想放的地方。您可以将它们隐藏在机器人手腕中并获取所有信息。但如果你想使用 3D 视觉，设备要大得多，并且可能包括额外的激光轮廓扫描仪或用于测量第三坐标的任何技术。”
相反，他说，LiDAR 装置看起来不不同于 2D 相机，但可以捕获 3D 数据。 （Laitinen 特别提到了来自 SICK AG、德国瓦尔德基希和明尼苏达州明尼阿波利斯的传感器。）“使用 LiDAR 技术仅用一台相机测量 X、Y 和 Z 坐标将是某种革命，”正如 Laitinen 所说. Fastems 尚未上场这样的系统还没有，但已经与几个客户进行了可行性研究。
新的机器人计量功能
使用机器人照管 CMM 或测量站既不令人惊讶也不新鲜，但是使用实际执行测量的机器人抓手是。 Campbell 说，位于纽约州维克多的 New Scale Robotics 是一家 UR+ 供应商，它开发了一种夹持器，除了具有拾取和放置功能外，还可以用作高精度卡尺。它的精确度在 2.5 µm 以内。
Campbell 说，用户“可以拿起零件并在抓住零件时记录测量结果，或者他们可以使用夹持器在零件上方麦克风，测试多个位置在他们获得它之前，将其捡起并移动。这是将计量过程嵌入制造过程中间的一个很好的例子。”
除了零件处理之外，New Scale Robotics 的这款新型夹持器还可用作高精度卡尺，精确到 2.5 µm 以内，用于过程中测量。 （由 Universal Robots 提供）New Scale Technologies 的一个部门 New Scale Robotics 将高精度夹持器与 Universal Robots 的 UR3e 协作机器人配对，以创建 Q-Span 工作站。纽约州安大略省 OptiPro Systems 的一位客户使用 Q-Span 对其 OptiSonic 磨床生产的光学玻璃圆柱体进行 100% 的过程检测。通过检查的零件将进入 CMM 进行最终验证。据制造商称，这不仅消除了公司之前进行的手动检查的需要，而且 Q-Span 的准确度也比手动卡尺高四倍，从而更严格地控制制造过程并减少了废品。 Campbell 说，New Scale 夹持器还可以在一个周期内完成人类需要六个步骤才能完成的工作。另外，OptiPro 可以使用同一组夹具处理各种零件。
来自机器人的数据
Laitinen 观察到，收集有关机器人运动和健康状况的伺服数据还提供了两个重要的信息好处。首先是研究预测性维护趋势的能力，FANUC 的 ZDT（零停机时间）计划就是一个显着的例子。第二个是 QC 相关的，“收集特定于应用程序的过程数据并将其分发给上层控制软件。”这适用于机器人作用于工件的应用，而不是照料另一台机器。
Laitinen 说，航空航天业提供了以这种方式使用机器人的很好的例子——例如，精加工和抛光（一种使金属）涡轮机部件平滑或变平的精加工技术，以及使用机器人伺服数据来控制该过程的技术。 “航空航天业的人明白，与其制造零件然后再检查质量，不如最好努力控制这个过程，”他说。它有助于了解零件的制造方式和所有关键性能变量，以及这些值在制造过程中如何变化。如果做得好，他们会使用这些数据进行实时修正，或者在必要时自动让机器人离线并将工作重新安排到其他单元，然后再生产任何不良零件。
“这就是航空航天工业中的紧固件。我们的控制软件可以在不停止生产的情况下适应生产线的这些变化。”他补充说，COVID-19 大流行迫使该公司寻找商业航空以外的客户，并将“衡量过程而不是零件”的理念带给新客户。
协作机器人
长期以来，一些自动化生产线需要一个机器人将零件移交给另一个机器人。在焊接中，它&rsq有时会出现这样的情况，一个多轴机器人拿着零件，而另一个移动割炬，两个机器人都在一个控制器的指挥下。但是，多个机器人移动同一个零件的情况相对较少。 Fastems 最近在美国安装了这样一个系统。这些部件是直径达 2.4 m 的巨型环，具有不同的厚度和重量。 Laitinen 解释说，如果用一个机器人抬起它们，就需要一个非常大且昂贵的三点夹持器，更不用说一个非常大的机器人了，“而且很难接近。
“因此，我们改为在同一条长线性轨道上使用两个机器人 [与机床、清洗站等的生产线平行]。这些机器人移动起来就像一个双臂机器人，”他说。 “这是由一个机器人控制器控制的，两个机器人都从一个程序中得到指令。”所有的拾放任务都是用简单的两指夹具完成的，这些夹具可以抓住 t他从两端分开，同时将其提起并移动。
