订阅并收听AW的播客!
订阅并收听“自动化世界让你的问题得到解答”播客!
听这里

自动拣箱和放置移动合作机器人到机器看护

万能机器人公司的ActiNav是一个UR+应用套件,不仅可以从箱子中挑选零件,还可以精确地将零件放入机器中进行进一步处理。

特写镜头选择
通用的机器人

对机器人来说,取放应用并不是什么新领域。但是,从任何非结构化的方向挑选零件,然后精确地将零件放入机器中进行进一步加工的能力并不是一项容易实现的任务。一个新的应用程序套件,结合了一个万能机器人协作机器人(cobot)具有三维传感器和自主运动控制,使自动化机器管理快捷方便。

万能机器人的UR+生态系统——第三方供应商获得认证,可以提供抓手、视觉系统和其他与UR的cobots无缝配合的附加组件——最近已经扩展到应用套件。UR战略营销和应用开发高级经理Joe Campbell解释说,这些产品不仅仅是组件,而是将多种元素组合在一起,从而创建一个更加集成的生产系统。“它们加快了工厂自动化部署的速度,”他说。

ActiNav自动拣箱是最新的UR+应用套件,这一个专注于机器照料。典型的拾取和放置应用程序使用机器视觉或其他传感器来让机器人拾取物品,这需要大量的集成和编程工作,而不仅仅是将物品放入盒子。ActiNav结合了实时自主运动控制、协作机器人、视觉和传感器系统,使制造商能够在有限或没有拣箱部署专业知识的情况下,在很少操作员干预的情况下准确放置零件。

ActiNav将UR e系列合作机器人与3D传感器和实时自主运动控制相结合,能够从料仓中挑选精确的零件放置在机器中。 ActiNav将UR e系列合作机器人与3D传感器和实时自主运动控制相结合,能够从料仓中挑选精确的零件放置在机器中。 通用的机器人 ActiNav公司产品经理Eric Andersen表示,ActiNav公司的主要目标是对塑料或金属在制品进行机械加工,这些零件通常经过铸造、冲压、锻造或模压成型,然后转移到机加工站进行进一步加工,然后进入最终组装。他解释说,最佳位置是大约半英寸到4-5英寸的部分,小到足以放入一个垃圾箱,但又不至于小到让碗式喂食器或其他机构更有意义。

机器看护为UR的协作机器人提供了一个重要的市场机会。“有数百万台机器需要管理。照看机器的人甚至比组装产品的人还多。”“找工人来管理这些机器是一个挑战。”

安德森补充说,这项工作不仅属于机器人的三d范畴——肮脏、枯燥和危险——而且10-90秒的典型循环时间要求操作员100%的时间都在一台机器前,同时也没有得到充分利用。

安德森说,协作机器人是机器看护应用的一个很好的选择,因为它们占用更少的空间,在工人周围很安全,而且易于培训和教学。然而,当谈到使用机器人捡垃圾时,它们的历史是复杂和有风险的——尤其是当制造商需要将零件放在一个定向和精确的位置而不是直接扔掉它时。传统上,零件首先需要定位到已知的位置。但是考虑到大多数部件已经在容器中,一个更灵活和可扩展的选择是从容器中挑选这些部件并直接放置在机器中。

“这正是ActiNav正在改变的,”安德森说。“它简化了过程,使零件的可重复、精确放置——从非结构化位置挑选——非常可靠和简单。”

ActiNav自动将零件插入CNC或加工机床,用于钻孔、去毛刺、焊接、修整或攻丝等功能。由ActiNav自主运动模块(AMM)提供的高分辨率3D传感器和CAD匹配实现了高精度的拾取,该模块确定如何拾取零件,然后控制机器人每次拾取零件并将其放置在夹具中。自主运动控制使ActiNav能够在容纳更多部件的深箱内运行- - - - - -这是独立的拣箱视觉系统难以完成的。

安德森说:“现在有了ActiNav,制造商就有可能实现以前从未真正向他们开放的机械加工应用自动化。”“只需大约10万美元,你就可以快速轻松地部署拾取垃圾箱的工作,两个人的投资回报不到18个月。”

ActiNav使用UR的示范教学原理和UR cobot教学吊坠来训练机器人。 ActiNav使用UR的示范教学原理和UR cobot教学吊坠来训练机器人。 通用的机器人 安德森说,理想的客户是拥有一到两名自动化工程师的制造商,他们擅长编写简单的取放应用程序。“ActiNav并没有比这更复杂,”他说,并强调了UR cobot教学吊坠的示范教学原则。理想的客户通常也有20-40个加工站。安德森补充说:“并不是所有的机器站都适合。”“但我们很容易就能找到两到五个ActiNav的候选药物。”

ActiNav套件可以由制造商的内部自动化团队或通过UR分销商或集成商的协助轻松快速地部署。ActiNav与UR的工作UR5e和UR10e e系列协作机器人UR+组件或用户定义的末端执行器,以及特定于应用程序的框架或夹具。

ActiNav是与姐妹公司Energid Technologies密切合作开发的(UR和Energid都被美国自动化测试设备供应商Teradyne收购了)。能量运动计划和运动控制Andersen指出,该项目中包含了专业知识,但它是在UR平台和用户体验上紧密开发的。

工具包的当前迭代使用Photoneo高分辨率3D扫描仪安德森指出,未来UR将引入其他传感器技术。


测试你的机器学习智能
参加自动化世界的机器学习测试来证明你的知识!
需要测试
测试你的机器学习智能
发现新内容
访问自动化世界的免费教育内容库!
点击这里解锁学习
发现新内容