Kokeilun alkutilanne
Tuotannossa kalustelevyt tulevat usein edellisestä työvaiheesta (esimerkiksi sahauksesta) pinottuina lavalle. Pinolla voi olla samanaikaisesti useita erikokoisia levyjä, eikä lavan sijaintia välttämättä ole kohdistettu sentintarkasti robottia varten. Tämän kokeilun tavoitteena oli selvittää, miten levyt voitaisiin poimia yhteistyörobotilla suoraan lavalta ja kuljettaa ne seuraavalle työstökoneelle (kuten reunanauhoitukseen tai poraukseen) ilman ylimääräistä manuaalista järjestelyä. Lisäksi haluttiin tutkia, onko mahdollista myös lavata levyt takaisin pinolle siten, että pienemmät levyt saataisiin rinnakkain, mikäli ne mahtuvat vierekkäin.
Miksi kokeilu tehtiin?
Koska levyt voivat olla keskenään hyvin erilaisia, robotin on kyettävä tunnistamaan yksittäisen levyn sijainti, koko ja paino. Tämä tieto on oleellista, jotta robotin tarttuja voi tukeutua oikeaan poimintakohtaan ja varmistaa levyn turvallisen käsittelyn. Myös rinnakkaisen lavaamisen kannalta robottiohjelman on ymmärrettävä, mahtuuko uusi levy jo lavatun levyn viereen. Tällaista automaattista joustavuutta tarvitaan, jotta kalustelevyjen käsittely pysyisi tehokkaana, vaikka materiaalivirta vaihtelisi tuotantoerien välillä.
Millaisia kokeiluja tehtiin
Kokeiluissa hyödynnettiin konenäköjärjestelmää, joka tunnisti lavalla olevan levyn sijainnin ja mitat reaaliaikaisesti. Testeissä todettiin, että kamerakuvan perusteella on vaikea erottaa samanvärisiä levyjä toisistaan, joten avuksi otettiin QR-koodit. QR-koodi kiinnitettiin levyn kulmaan, minkä ansiosta jokainen levy näkyi erillisenä kappaleena ja samalla koodista pystyi lukemaan levyn erä-, pituus-, leveys- ja painotiedot. Näiden tietojen avulla simulaatiossa kehitetty robottiohjelma valitsi oikean tartuntapisteen ja laski, miten kaksi levyä voidaan asettaa lavalle vierekkäin. Kuvassa 1 oikealla on näkymä kameraohjelmasta, missä tunnistetaan lavalta korkeimmalla oleva QR-koodi ja siitä luettujen tietojen avulla lasketaan levyn keskipiste poimintapaikaksi robotille.
Konenäöllä kokeiltiin myös levyjen ja niiden keskipisteiden löytämistä segmentoinnin avulla, missä konenäköohjelma pyrkii erottelemaan samaan “kappaleeseen” kuuluvat alueet kuvasta. Kuvassa 2 on yksi esimerkki segmentointityökaluilla saaduista tuloksista.
Simulaatiota käytettiin robotin liikkeiden suunnitteluun ja tarttujaratkaisun ensimmäiseen arviointiin. Ohjelmointi tapahtui Python-kielellä, ja siinä huomioitiin seuraavan levyn ja jo lavattujen levyjen mitat. Kun robotilla oli kuljetettavana yksi levy, se saattoi samalla “kysyä” konenäöltä, mitkä mitat seuraavalla poimittavalla levyllä on. Näin määritettiin, onko rinnakkainen asettelu mahdollista edellisen lavatun levyn päälle vai lavataanko levy uuden kerroksen keskelle.
Lopputulokset
Kokeilu vahvisti, että QR-koodien avulla levyt voidaan tunnistaa luotettavasti, ja näin robotin ohjelmointi helpottuu merkittävästi. Tietoon perustuva lavaaminen – missä robotti tietää aina vähintään kolmen levyn mitat ja lavan koon – avaa mahdollisuuden rinnakkaiseen levyjen pinoamiseen. Tämä joustava lavaaminen toki vaatii riittävän ulottuvuuden robotilta ja käytettävältä tarttujalta sekä tarkkaan suunnitellun kameran kuva-alan, jotta jokaisen levyn koodi tallentuu näkymään.
Simulaatiossa havaitut periaatteet siirrettiin käytännön kokeiluun, eli Proof of Concept -pilottiin, jossa oikea robotti toteutti vastaavia poiminta- ja lavaustehtäviä pienimuotoisessa testausympäristössä. Tulokset osoittivat, että tällainen ratkaisu on varsin toteuttamiskelpoinen esimerkiksi puu- ja kalusteteollisuudessa, kunhan robottisolun tekniset vaatimukset (kuten tarttujan koko tai robotin ulottuma) on huomioitu.
Kiitos Piir-Groupille hyvästä kokeilun aiheesta!
Simulaatio kalustelevyjen poiminnasta ja pinoamisesta:
