智能制造中柔性生產(chǎn)的七大方面和兩個(gè)要素

   2022-07-14 11460
核心提示:柔性制造系統(tǒng)則是建立在成組技術(shù)的基礎(chǔ)上,由計(jì)算機(jī)控制的自動(dòng)化生產(chǎn)系統(tǒng),可同時(shí)加工形狀相近的一組或一類(lèi)產(chǎn)品。適合多品種、小批量的高效制造模式,減少毛坯和在制品的庫(kù)存量,減少直接勞動(dòng)力。

根據(jù)國(guó)標(biāo)定義,柔性制造系統(tǒng)是數(shù)控加工設(shè)備、物料運(yùn)儲(chǔ)裝置和計(jì)算機(jī)控制系統(tǒng)等組成的自動(dòng)化制造系統(tǒng)。它包括多個(gè)柔性制造單元,能根據(jù)制造任務(wù)或生產(chǎn)環(huán)境的變化。

剛性生產(chǎn)系統(tǒng)是用于工件輸送系統(tǒng)將各種剛性自動(dòng)化加工設(shè)備和輔助設(shè)備按一定的順序鏈接起來(lái),在控制系統(tǒng)的作用下完成單個(gè)零件加工的復(fù)雜大系統(tǒng)。適合進(jìn)行大批量生產(chǎn),效率高、成本低、質(zhì)量穩(wěn)定、程序固化。

柔性制造系統(tǒng)則是建立在成組技術(shù)的基礎(chǔ)上,由計(jì)算機(jī)控制的自動(dòng)化生產(chǎn)系統(tǒng),可同時(shí)加工形狀相近的一組或一類(lèi)產(chǎn)品。適合多品種、小批量的高效制造模式,減少毛坯和在制品的庫(kù)存量,減少直接勞動(dòng)力。

柔性生產(chǎn)的要求涉及七大方面

第一,機(jī)器柔性。當(dāng)要求生產(chǎn)一系列不同類(lèi)型的產(chǎn)品時(shí),機(jī)器隨產(chǎn)品變化而加工不同零件的難易程度。譬如,非標(biāo)終端設(shè)施的切換、控制程序自動(dòng)下載更換。

第二,工藝柔性。工藝流程不變時(shí)自身適應(yīng)產(chǎn)品或原材料變化的能力,譬如,基于強(qiáng)化學(xué)習(xí)的協(xié)作機(jī)器人、機(jī)器人夾爪力度傳感器;制造系統(tǒng)內(nèi)為適應(yīng)產(chǎn)品或原材料變化而改變相應(yīng)工藝的難易程度,譬如通過(guò)神經(jīng)網(wǎng)絡(luò)擬合原材料、工藝和質(zhì)量之間的關(guān)聯(lián)關(guān)系并確定最優(yōu)解。

第三,產(chǎn)品柔性。產(chǎn)品更新或完全轉(zhuǎn)向后,系統(tǒng)能夠非常經(jīng)濟(jì)和迅速地生產(chǎn)出新產(chǎn)品的能力;產(chǎn)品更新后,對(duì)老產(chǎn)品有用特性的繼承能力和兼容能力。譬如,模塊化設(shè)計(jì)和裝配

第四,維護(hù)柔性。采用多種方式查詢(xún)、處理故障,保障生產(chǎn)正常進(jìn)行的能力。譬如,知識(shí)庫(kù)的建立、預(yù)測(cè)性維護(hù)

第五,生產(chǎn)能力柔性。當(dāng)生產(chǎn)量改變、系統(tǒng)也能經(jīng)濟(jì)地運(yùn)行的能力。對(duì)于根據(jù)訂貨而組織生產(chǎn)的制造系統(tǒng), 這一點(diǎn)尤為重要。譬如,預(yù)留工位,循環(huán)流轉(zhuǎn)工位和緩存工位

第六,擴(kuò)展柔性。當(dāng)生產(chǎn)需要的時(shí)候, 可以很容易地?cái)U(kuò)展系統(tǒng)結(jié)構(gòu),增加模塊,構(gòu)成一個(gè)更大系統(tǒng)的能力。譬如,根據(jù)工藝流程,將生產(chǎn)流程分成不同的工位,在瓶頸工位處并行擴(kuò)充才能。

第七,運(yùn)行柔性。利用不同的機(jī)器、材料、工藝流程來(lái)生產(chǎn)一系列產(chǎn)品的能力和同樣的產(chǎn)品, 換用不同工序加工的能力。

“什么系統(tǒng)柔性是最高的?”是“人”,所有的柔性都是在模仿“人”。“如果自動(dòng)化可以做到跟人一樣的兼容性,那么這條產(chǎn)線的柔性就意味著非常高了。

如何滿(mǎn)足各個(gè)環(huán)節(jié)的柔性?

首先是“感知”,這是人可以獲取各種信息做判斷的基礎(chǔ),集成各類(lèi)傳感器、機(jī)器視覺(jué)、測(cè)量設(shè)備等,產(chǎn)線有望獲得感知。

其次是“分析”,對(duì)采集的數(shù)據(jù)實(shí)時(shí)處理,分析挖掘后形成知識(shí)。

再次是“決策”,所謂決策就是基于“知識(shí)”的生產(chǎn)管理對(duì)新的數(shù)據(jù)進(jìn)行推理應(yīng)用,產(chǎn)生相應(yīng)生產(chǎn)決策數(shù)據(jù)或指令。

最后是“執(zhí)行”,就是用工業(yè)機(jī)器人、數(shù)控機(jī)床、各種專(zhuān)有設(shè)備完成生產(chǎn)的要求。

柔性制造兩個(gè)核心要素

“機(jī)器視覺(jué)”和“定位精度”是影響智能制造中柔性生產(chǎn)的兩大方面。

機(jī)器視覺(jué)賦予柔性生產(chǎn)感知的能力

實(shí)踐中可以發(fā)現(xiàn),機(jī)器視覺(jué)是在產(chǎn)品的自動(dòng)化產(chǎn)線中實(shí)現(xiàn)“感知”的重要一環(huán),機(jī)器視覺(jué)就是用機(jī)器代替人眼來(lái)做識(shí)別、測(cè)量、檢測(cè)和語(yǔ)義理解。隨著人工智能技術(shù)的發(fā)展,機(jī)器視覺(jué)在工廠的應(yīng)用增多,解決許多傳統(tǒng)機(jī)器視覺(jué)無(wú)法處理的問(wèn)題。

圖像識(shí)別主要包含特征提取和分類(lèi)識(shí)別。傳統(tǒng)提取的特征都是圖像底層的視覺(jué)特征,并且需要具備一定專(zhuān)業(yè)知識(shí)人員進(jìn)行特征的設(shè)計(jì)與選擇,這種人工設(shè)計(jì)的特征需要經(jīng)過(guò)大量的驗(yàn)證后才能證明其對(duì)某一種識(shí)別任務(wù)的有效性,這也在一定程度上限制了圖像識(shí)別技術(shù)的應(yīng)用。

針對(duì)傳統(tǒng)圖像處理算法遇到的局限,譬如以前在做一個(gè)二維碼時(shí),首先要知道二維碼的特征,然后做圖像預(yù)處理,找到二維碼的問(wèn)題,再解算二維碼的數(shù)據(jù),這種方式存在很多缺陷。

基于二維碼特征的定位流程,背景雜亂、光照不均、透視形變、印刷質(zhì)量差的二維碼則難以識(shí)別。因?yàn)楸尘半s亂無(wú)規(guī)律,無(wú)法有效區(qū)分檢測(cè)目標(biāo)特征,此外在特定場(chǎng)景下目標(biāo)特征發(fā)生明顯變化。

因此,需要提高特征提取能力和泛化能力。深度學(xué)習(xí)應(yīng)用于機(jī)器視覺(jué)時(shí),采用深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行二維碼識(shí)別,深度神經(jīng)網(wǎng)絡(luò)模擬人的視覺(jué)過(guò)程,前段層僅僅感知邊緣輪廓,后端不同的層不同神經(jīng)元局部“興奮”生成局部特征,再到生成全景圖像。這種自動(dòng)提取圖像特征的機(jī)制和類(lèi)似人腦的處理過(guò)程大大改進(jìn)了效果,后均能對(duì)二維碼進(jìn)行正確識(shí)別,從而大大提高了機(jī)器視覺(jué)識(shí)別成功率和提高了效率。

定位精度大幅提升產(chǎn)線柔性的指標(biāo)

可以說(shuō),機(jī)器人的絕對(duì)定位精度是其能大幅提升產(chǎn)線柔性的指標(biāo)。人在操作時(shí),一般是通過(guò)眼睛看到一個(gè)東西,通過(guò)大腦感知并去控制,然后用手執(zhí)行動(dòng)作。所以,在提高生產(chǎn)線柔性時(shí)也遵循這樣的思路,即加上眼睛、執(zhí)行機(jī)構(gòu),兩者的精度結(jié)合來(lái)達(dá)到更好的精度。

而絕對(duì)定位精度決定了機(jī)器人能不能達(dá)到柔性生產(chǎn)所需達(dá)到的要求。由于每臺(tái)機(jī)器人的參數(shù)不一樣,即使是同一型號(hào)的工業(yè)機(jī)器人在加工出來(lái)后的精度也會(huì)不一樣,而在機(jī)械臂上可能存在零點(diǎn)零幾毫米的偏差,累計(jì)下來(lái)整臺(tái)機(jī)器人的誤差就比較大了,所以要精確知道機(jī)械臂上每一個(gè)機(jī)械零部件的精確尺寸。

如何提高機(jī)器人的絕對(duì)定位精度?

1,控制算法中可以加入重力補(bǔ)償和DH參數(shù)補(bǔ)償。

從測(cè)試立方體內(nèi)選取若干個(gè)標(biāo)定點(diǎn),通過(guò)激光跟蹤儀獲取這若干個(gè)點(diǎn)的絕對(duì)位置,用以上數(shù)據(jù)計(jì)算標(biāo)定后的6組 (α,a,d,θ),24個(gè)DH參數(shù),標(biāo)定后的DH參數(shù)不再滿(mǎn)足pieper法則( 4,5,6軸軸線交于一點(diǎn)),使用特有的逆解算法進(jìn)行逆解運(yùn)算,在DH參數(shù)標(biāo)定以及插補(bǔ)流程中對(duì)重力進(jìn)行補(bǔ)償,進(jìn)一步提高全空間內(nèi)的絕對(duì)定位精度。

2,強(qiáng)化學(xué)習(xí)算法中自己領(lǐng)悟出完成任務(wù)的訣竅

事實(shí)上機(jī)器人控制器算法國(guó)外廠商一直不對(duì)外開(kāi)放,優(yōu)化控制器算法幾乎不可能。同時(shí)國(guó)內(nèi)生產(chǎn)的伺服電機(jī)和變速器精度不夠,短時(shí)間內(nèi)大幅度提升精度不現(xiàn)實(shí)。但是,人工智能大家都在同一起跑線上,所以“產(chǎn)業(yè)智能官”大膽地提出一種想法:強(qiáng)化學(xué)習(xí)方案。即,使用的強(qiáng)化學(xué)習(xí)算法,讓機(jī)器在虛擬環(huán)境中自我學(xué)習(xí),在訓(xùn)練過(guò)程中增加大量隨機(jī)事件,讓AI在這個(gè)過(guò)程中自己領(lǐng)悟出完成任務(wù)的訣竅,從而避免或改善由于機(jī)器精度不夠帶來(lái)的柔性化生產(chǎn)過(guò)程中的性能問(wèn)題。

 
0
反對(duì) 0舉報(bào) 0 收藏 0 打賞 0評(píng)論 0
 
更多>同類(lèi)智能輸送新聞
推薦圖文
推薦智能輸送新聞
點(diǎn)擊排行
網(wǎng)站首頁(yè)  |  關(guān)于怡鵬達(dá)  |  聯(lián)系方式  |  使用協(xié)議  |  版權(quán)隱私  |  粵ICP備2023057463號(hào)  |  粵ICP備2023057463號(hào)-1