EN
Зошто влечното обучување ја менува економијата на роботите за заварување
А робот со повлечено учење отстранува бариерата од програмирање која традиционално ограничува роботското заварување само на линии за производство со висок капацитет. Наместо да се бара инженер за роботика да пишува G-код или да учи точки преку тач-панел, операторот физички го фрла раката на роботот, го движи низ патеката на заварувањето, а системот го запишува траекторијата. Ова го намалува времето за програмирање од часови на минути и прави економски исплатливо роботската автоматизација за единечни серии и мали партии.
Пресметката за вкупна рентабилност на инвестицијата се менува фундаментално кога цените за програмирање ќе паднат. Конвенционален заварочен робот кој бара четири часа инженерски труд по секоја нова конфигурација на дел, со ставка од 75$/час, има трошок за програмирање од 300$. Драг-тиминг робот кој го завршува истиот процес на учење за 15 минути, според платите на операторите, има трошок за програмирање од околу 5$. Разликата од 295$ по секоја промена брзо се зголемува кога една работилница произведува 15–30 различни конфигурации на делови месечно.
Една метална работилница во Југоисточна Азија што произведува специјални конструктивни носачи вовела колаборативен драг-тиминг заварочен робот откако имала проблеми со достапноста на квалификувани заварувачи. Работилницата порано вработувала три сертифицирани заварувачи. По инсталирањето на роботот заедно со двата останати заварувачи, производството се зголемило за 40%, додека поправките поради непоследователното рачно качество на заварениот шав се намалиле за приближно 70%. Конфигурацијата со носечка способност од 10 kg и распон на раката од 1,8 m можела да обработи целиот опсег на големини на носачите без потреба од повторно позиционирање на делот.
Основи на технологијата за предавање со влечење
Како функционира директното предавање
А робот со повлечено учење користи сензори за сила и момент интегрирани во секој зглоб, кои го детектираат интензитетот и насоката на силата што ја применува операторовата рака. Кога операторот го фиксира манипулаторот и го движи, контролниот систем влегува во режим на контрола со нулта сила — моторите активно компензираат гравитацијата и триењето, додека следат векторот на силата што ја применува операторот. Резултатот е како движење низ вода: постои отпор, но насоката на намерата гладко се пренесува во движење.
Процесот на учење ги запишува точките на патеката — позициите и ориентациите низ кои мора да помине заварувачкиот торез — заедно со параметрите на процесот, вклучувајќи брзина на движење, шарка на движење и карактеристики на лакот. Роботот интерполира помеѓу точките на патеката користејќи ги истите алгоритми за планирање на движење што ги извршуваат програмираните патеки, па така запишаната траекторија се повторува со вродената повторливост на роботот од ±0,03–0,05 мм, а не со точноста на рачно позиционирање од страна на операторот од ±1–2 мм.
Соопштени безбедносни функции
Роботите за учење со повлекување, дизајнирани за соопштено работа, вградуваат безбедносно сертифицирани надзор на сила и брзина, што елиминира потребата од физички заштитни прегради во многу примени. Рамото на роботот се спира за неколку милисекунди кога силата на допир ќе ги надмине програмираните граници, што овозможува на операторот да работи заедно со роботот без безбедносни огради кои заземаат простор на подот и попречуваат текот на материјалите.
Оваа колаборативна можност ја менува економијата на работното место. Една оградена конвенционална роботска ќелија бара приближно 3×3 метри посветена подна површина која не може да се користи за други операции. Една колаборативна станција за влечно учење зазема простор што одговара на големината на роботот плус работниот простор за операторот — обично 2×2 метри — и може да се премести кога ќе се променат распоредите на производството.
Максимизирање на ROI преку избор на примена
Карактеристики на деловите за висок принос
Влечното учење дава највисок ROI на делови што ги исполнуваат следниве три критериуми: чести промени во конфигурацијата што прават конвенционалното програмирање неисплатливо, баранja за квалитет на заварувањето што надминуваат рачната конзистентност, и геометрија на деловите што се во доseg на роботот. Деловите што остануваат непроменети во производствените серии со повеќе од 500 единици можеби ќе имаат подобар ROI со роботи што се конвенционално програмирани и оптимизирани за времето на циклусот наместо за ефикасноста на програмирањето.
Дебелината на материјалот помеѓу 1–6 мм претставува оптималниот интервал за заварување со колаборативни роботи, бидејќи параметрите на лакот остануваат стабилни при патните брзини што можат да се постигнат со горници монтирани на рамото. Помешките материјали кои бараат повеќепасно заварување имаат предност од конзистентното поставување на врвовите од страна на роботот помеѓу минувањата — задача каде што рачните заварувачи натрупуваат грешки во позиционирањето чија големина се зголемува со секое следно минување.
Преод од рачно заварување кон работа со робот
Преодот од рачно заварување кон работа со робот бара друг пристап кон вештините од конвенционалното програмирање на роботи. Интерфејсот за учење со влечење им овозможува на искуствените заварувачи интуитивен премин: тие демонстрираат техниката која сакаат роботот да ја повтори, а потоа точни ги подесуваат параметрите наместо да учат програмски јазик од основа.
Рејман ЦНЦ го демонстрирал овој пристап на Светската конференција за интелигентно производство во декември 2024 година, прикажувајќи интелигентна работна станција за заварување што интегрира соработувачки роботи со повлечено учење. Демонстрацијата се фокусирала врз тоа како операторите со стручност во заварувањето, но без програмерско искуство, можат да научат комплексни заварувачки патеки за неколку минути.
Оптимизација на распоредот за производство
Повлечното учење овозможува распоредување кое би било неекономично со конвенционални роботи. Производствена работилница што произведува 20 различни делови неделно, секој од нив во количина од 10 до 50 единици, може да научи секоја конфигурација за 10–20 минути наместо да потроши 2–4 часа за програмирање по дел. Кумулативната штедња од програмирање го вратува инвестицијата побргу од подобренијата во пропусниот капацитет.
Корист од брзите порачки исто така имаат. Кога клиентот има потреба од 30 спојници до утре пред обед, времето од 15 минути за учење значи дека роботот ќе започне да заварува веднаш — наместо ден или повеќе што е потребно за распоредување, програмирање и верификација на конвенционален робот.
Често поставувани прашања
Кој е типичниот временски период за програмирање на робот за влечно учење?
Едноставното линеарно заварување на рамна плоча трае 2–5 минути за учење. Комплексната мулти-шевска сборка со промени на позицијата трае 10–20 минути. Истите задачи на конвенционален робот со тач-пандела траат од 30 минути до 4 часа, во зависност од искуството на програмерот.
Дали влечното учење го намалува точноста на заварувањето?
Не. Роботот го запишува научениот пат и го повторува со механичката повторливост на роботот (±0,03–0,05 мм), што надминува точноста на рачно позиционирање. Демонстрацијата при учење го определува обликот на патот; прецизноста на роботот го одредува извршувањето.
Која носечка способност и достапност се достапни за роботите за влечно учење за заварување?
Честите конфигурации за совместно варење вклучуваат носечка способност од 10 кг со распон на раката од 1,8 м, што е погодно за повеќето мали и средни задачи во изработка. Поголемите носечки способности овозможуваат потежоки горелици и управување со кабли. Rayman CNC нуди роботи со повлекувачко учење во повеќе класи на носечка способност за да се прилагодат на барањата на апликацијата.
Како се споредува ROI помеѓу повлекувачкото учење и конвенционалното програмирање на роботи?
Предностите на ROI кај повлекувачкото учење се најизразени кај производство со голем број различни производи и ниски количини. Трошоците за програмирање по промена на делот паднаат од 150–400 (конвенционално) на 3–10 (повлекувачко учење). Производствените работилници кои менуваат конфигурации над 100 пати месечно го враќаат инвестицијата во роботот само преку штедењето на трошоците за програмирање за 12–18 месеци.
Кои безбедносни сертификати се примениви за колаборативните роботи со повлекувачко учење?
ISO 10218-1 и ISO/TS 15066 ги дефинираат бараните за безбедност на колаборативните роботи, вклучувајќи ги ограничувањата за сила и брзина при контакт помеѓу човек и робот. Роботите за влечно учење кои ги исполнуваат овие стандарди можат да работат без физички заштитни мерки кога проценките на ризик ќе потврдат безбедни параметри за интеракција.
Дали постојните заварувачи можат да преминат на работа со роботи за влечно учење?
Да. Физичкиот интерфејс за демонстрација е во согласност со постојните вештини на заварувачот — тој му покажува на роботот техниката наместо да учи код. Rayman CNC обезбедува обука за оператори која ги опфаќа техниките за учење, прилагодувањето на параметрите и основното одржување во текот на пуштањето во експлоатација на опремата.