Sinergi Penglihatan Mesin dan Robotika untuk Otomasi Generasi Depan
Pasangan "dinamis" berikutnya mungkin tidak melibatkan manusia sama sekali. "Penglihatan mesin dan robot membuat pernikahan yang sempurna," kata Klas Bengtsson, global product manager, vision systems untuk ABB Robotics (Auburn Hills, MI). Ini tidak baru. Penglihatan dan robotika telah berjalan bersama selama bertahun-tahun. Tetapi tidak seperti pernikahan lain, ini berkembang seiring penglihatan mesin memperluas kemampuan dan menemukan aplikasi baru. Pernikahan "sempurna" di masa lalu melibatkan pengarahan robot. Namun aplikasi baru—seperti anak-anak dari pernikahan yang baik—sekarang mencakup pemeriksaan bagian, membaca kode batang atau QR untuk pelacakan, dan menemukan cara baru untuk memasukkan dan mengeluarkan bagian.
Semua kembali pada fleksibilitas yang disediakan penglihatan mesin. "Penglihatan telah membantu ABB meningkatkan kemampuan banyak aplikasi robotik," katanya.
Kebutuhan untuk mengarahkan robot dengan fleksibilitas didorong oleh keragaman produk yang meningkat dan kebutuhan untuk memperpendek waktu tunggu di banyak industri. Mengapa fleksibilitas sangat penting? "Jika Anda mengkode otomatisasi robot secara keras, saat Anda mengubah produk atau sesuatu di lini produksi Anda Anda harus mengubah program," kata Bengtsson. Ini juga berarti mengubah presisi fixturing atau cara menempatkan bagian sehingga program pengarahan robot yang dienkode keras dapat dengan andal mengambil, memoles, atau beroperasi pada bagian. Biaya menumpuk.
Penglihatan mesin membantu mengontrol biaya tersebut dengan memungkinkan robot untuk "melihat" variasi dalam bagian dan orientasi. Sensor pemindaian 3-D membuka aplikasi baru yang lebih banyak. Kata Bengtsson, "Pertanyaan 15 tahun yang lalu adalah 'Mengapa menggunakan penglihatan mesin.' Pertanyaan hari ini adalah: 'mengapa tidak?'"
Manusia dan Robot Bekerja Sama
Rethink Robotics (Boston), yang didirikan pada 2008, membangun robot kolaboratif, atau cobot. Produk flagship-nya adalah Sawyer. "Sebuah cobot seperti robot Sawyer kami paling baik digunakan untuk melakukan tugas-tugas repetitif, rutin yang berukuran manusia," kata Mike Fair, product manager. Ini berarti bekerja dengan produk atau gerakan yang mereplikasi apa yang dilakukan manusia yang juga repetitif dan rutin membosankan.
"Aplikasi seperti ini mencakup pengemasan, perawatan mesin, pemuatan dan pengosongan lini, inspeksi, dan pengujian papan sirkuit cetak," katanya. Pemindahan bahan untuk mesin CNC adalah aplikasi lain, menggantikan manusia yang memuat mesin CNC, menyiklusnya, menunggu tugas pemesinan selesai, dan kemudian membongkar mesin.
Rethink sangat yakin dengan penglihatan mesin sehingga ia menanamkan kamera di pergelangan tangan setiap Sawyer. "Sistem penglihatan yang tertanam [membuat] cobot kami lebih cepat dan lebih mudah untuk digunakan, menghilangkan keribetan dan waktu integrasi yang mahal dari sistem penglihatan mesin typis. Kami menambahkan perangkat lunak untuk memudahkan penerapan [sistem] penglihatan ini," kata Fair. Di pameran perdagangan ATX West 2018, ia memberikan demonstrasi yang membuktikan bahkan seorang wartawan dapat memprogram tugas sederhana dalam beberapa menit. Dalam kombinasi dengan stiker yang dikodekan yang terlihat seperti kode QR, perangkat lunak mereka membantu robot menempatkan dirinya untuk menyesuaikan variabilitas dalam workcell. Ini juga memfasilitasi memindahkan robot Sawyer dari tugas ke tugas dan lokasi ke lokasi.
Universal Robots USA Inc. (UR; Ann Arbor, MI) juga berdedikasi pada robot kolaboratif. Tiga robotnya, yang berkisar payload dari 3 hingga 10 kg, beroperasi dalam "ekosistem" penyedia pihak ketiga. Ia menawarkan program developer gratis yang disebut Universal Robots+ untuk memungkinkan penyedia pihak ketiga dari end effector, sistem penglihatan, dan periferal lain untuk mengembangkan add-on yang plug-and-play dengan cobot-nya.
Situs web perusahaan menunjukkan opsi penglihatan enam yang berbeda dalam ekosistem ini yang cocok untuk pick and place, otomatisasi mesin CNC, pengemasan dan paletizing, perakitan, pengemasan skrup, dan perawatan mesin. Kedua scanner 2D dan 3D tersedia. Beberapa paket perangkat lunak kontrol gerakan dan simulasi robot tersedia.
Integrasi, Kemudahan Penggunaan
Agar penglihatan mesin berguna, ia harus dapat diakses, elemen penting dari ekosistem UR. Sebagai contoh, salah satu paket pihak ketiga mereka disebut Universal Metrology Automation, ditawarkan oleh 3D Infotech. Ia menyediakan integrasi sistem kontrol gerakan, scanner 3D, dan perangkat lunak inspeksi untuk menciptakan solusi metrologi otomatis yang dapat dikonfigurasi. Program lain menyediakan pemrograman online atau offline, perangkat lunak simulasi robotik, dan kemampuan pemantauan.
"Hari ini ada integrasi yang jauh lebih baik dengan robot dan sistem penglihatan," kata Rob Antonides, president dari Apex Motion Control (Surrey, BC). Apex adalah integrator yang telah memanfaatkan pendekatan ekosistem UR secara maksimal. "Dulu kami harus menggabungkan sistem penglihatan dengan kontrol robot, tetapi hari ini mereka lebih seamless plug-and-play, melalui Ethernet IP atau jaringan apa pun. Dua puluh tahun yang lalu, dulu memakan waktu seminggu bagi saya untuk menyiapkan sistem robotik yang dipandu penglihatan dan komunikasi; hari ini adalah 15–20 menit."
Penglihatan mesin telah terbukti sangat berguna bagi Apex. Tugas yang telah diotomasi meliputi berbagai operasi pemanggang, termasuk menghias kue. "Sistem penglihatan memungkinkan Anda untuk menangani inkonsistensi dan presentasi serta penempatan produk yang tidak sempurna. Kami memetakan permukaan kue dengan sensor 3D sehingga kami dapat menghiasnya dengan cepat dan mudah," kata Antonides.
FANUC juga menekankan integrasi yang mudah. "Kami merilis controller baru pada akhir tahun lalu, dengan fitur unggulan untuk penglihatan robotik terintegrasi," jelas David Dechow, staff engineer-intelligent robotics/machine vision untuk FANUC America Corp. (Rochester Hills, MI). "Di FANUC, semua sistem penglihatan kami kini tertanam dalam controller." FANUC adalah salah satu perusahaan robot pertama yang menyertakan penglihatan untuk mengarahkan robotik, menawarkannya 30 tahun yang lalu sebagai opsi dalam sistem pengarahan robotiknya.
Dechow juga mengamati bahwa perusahaan penglihatan mesin telah berkonsentrasi pada mengembangkan antarmuka yang lebih mudah dengan robot. "Penyedia penglihatan secara terlihat mendukung pasar ini," katanya. "Penggunaan berat dalam membuat kolaborasi bekerja ada di sisi penglihatan. Robot mengharapkan sebuah titik. Triknya adalah menggunakan penglihatan mesin untuk menemukan titik yang tepat, menggabungkan sistem koordinat sistem penglihatan dengan sistem koordinat robot." Ia setuju dengan wawancara lain untuk artikel ini bahwa penglihatan mesin memberikan fleksibilitas yang tidak dapat dibandingkan dalam banyak tugas otomatisasi. Hari ini, rasio biaya/manfaat mulai mendukung penglihatan atas fixtiring presisi dan pengkodean keras, katanya.
AI: Pose dan Diskriminasi
Diskusi tentang penglihatan, data, dan robot secara alami mengarah pada pertanyaan seberapa berguna Kecerdasan Buatan (AI) untuk robot yang dapat melihat. Dechow mencatat sebuah tangkapan—AI tidak begitu berlaku untuk pengarahan robotik. "Pembelajaran AI sangat baik dalam kategorisasi dan diferensiasi. Apa yang tidak baiknya adalah analisis diskrit," jelasnya. Robot perlu bergerak ke titik diskrit. Ketika digabungkan dengan sistem metrologi, ia mengukur kuantitas geometris diskrit. "Tidak ada yang harus dipelajari," katanya.
Tetapi itu belum berakhir di sana. Jika tidak berlaku untuk pengarahan, ada tugas robotik di mana AI menawarkan nilai. "Misalnya, mengidentifikasi dan mengklasifikasikan objek terhadap latar belakangnya untuk menentukan objek yang akan dioperasikan robot, digabungkan dengan pengarahan robotik, akan menjadi aplikasi hibrid yang baik," katanya. Yang lain adalah dalam optimasi pick and grip. "Menemukan orientasi ideal lengan di ruang dan jalur pendekatan jatuh ke domain pembelajaran daripada [digunakan] deterministik. Ada banyak orientasi yang baik dan buruk," jelasnya. "AI sangat berguna di mana bagian acak dan tidak homogen dalam penempatan dan ukuran."
Peter Cavallo dari Denso Products and Services Americas Inc. (Long Beach, CA) setuju bahwa peningkatan kemampuan sistem penglihatan yang substansial nyata dan telah membuka peluang baru untuk aplikasi robotik. "Dalam bentuk paling sederhana, [penglihatan] menemukan bagian atau objek dan mengoperasikannya. Dalam bentuk paling kompleks, yang kita lihat sekarang, ia dapat melihat hal-hal, menafsirkan, mengenali, dan melihat bagian apa adanya—bahkan dalam konfigurasi atau posisi yang berbeda—tanpa memindahkan bagian atau robot."
Ia melihat pemindaian 3D sebagai perkembangan yang sangat penting, membuat tugas yang sebelumnya sulit seperti bin picking menjadi mudah. Sistem terbaru Denso menggunakan sistem penglihatan cahaya terstruktur untuk melihat dalam 3D dengan detektor CMOS.
Pandangannya tentang penerapan AI pada robotika didasarkan pada konteks sistem yang lebih luas. "Saat kita melangkah ke generasi robot berikutnya, kita mulai masuk ke hal-hal seperti deep learning, di mana penglihatan menjadi bagian dari seluruh sistem," jelasnya. "Kami menampilkan sesuatu di pameran robot Tokyo yang menunjukkan deep learning dalam sistem dengan 28 derajat kebebasan yang mencakup dua robot dengan tangan yang membuat salad. Mengapa pengguna industri harus terkesan? Robot memilih selada, buah, dan sayuran hanya menggunakan pengetahuan yang disediakan sebelumnya. "Kami tidak memprogram robot; sebagai gantinya, kami memberitahunya apa yang kami inginkan," katanya. Pikirkanlah jumlah tugas terstruktur yang ada di lantai bengkel yang akan ideal untuk otomasi seperti itu."
Bukan Hanya untuk Pemain Besar
Penglihatan mesin, integrasi, perangkat lunak, bahkan AI mungkin membuat seseorang berpikir bahwa tingkat otomasi robotik ini hanya untuk perusahaan Fortune 500. Itu bukan kasusnya. "Ini sangat berlaku untuk bisnis kecil dan menengah karena penglihatan hari ini terjangkau biayanya. Apa yang dulunya $50.000–$100.000 kini kurang dari $5000. Tidak ada alasan untuk ragu," kata Cavallo.
Rick Brookshire, product manager untuk Epson America Inc. (Carson, CA), setuju bahwa otomasi robotik ideal untuk perusahaan kecil dan menengah (SMEs). "Selain pelanggan besar yang membeli 50, 100 atau bahkan 1000 robot, kami memiliki banyak pelanggan kecil yang membeli satu, dua, atau tiga robot," katanya. Epson mengkhususkan diri pada robot kecil yang dioptimalkan untuk tugas presisi tinggi, mengembangkan bisnis robotnya dari kebutuhan sendiri dalam membangun jam presisi tinggi. "Semua robot kami tersedia dengan pengarahan penglihatan terintegrasi, fitur yang semakin diterima. Ini juga semakin andal. Orang lebih ingin menggunakannya," katanya.
Seperti orang lain yang diwawancarai untuk cerita ini, ia percaya kesederhanaan adalah kunci—terutama dalam memenuhi kebutuhan SMEs. Program Epson Vision Guide menggunakan antarmuka GUI berbasis objek, point-and-click, yang memungkinkan pengembang untuk mengembangkan aplikasi dengan cepat, menurut perusahaan. Sementara aplikasi robot yang dipandu penglihatan ideal adalah sesuatu di mana bagian tidak diposisikan dengan baik dalam tingkat toleransi yang wajar, atau tidak dapat disajikan dengan cara yang konsisten, presisi yang disediakan robot Epson membuka domain penggunaan lain.
Toleransi semakin ketat. Bagian semakin kecil. Penempatan presisi semakin sulit. "Itu di mana robot presisi seperti Epson dapat membantu," katanya. "Ini terjadi di perusahaan kecil lebih dan lebih. Dan robot ini semakin mudah digunakan sehingga banyak pelanggan kami melakukan integrasi sendiri." Robot bahkan memasang skrup dengan diameter kurang dari 0,7 mm. Saat tenaga kerja semakin tua, ini mungkin menjadi faktor kritis.
James Cooper, vice president penjualan untuk Applied Manufacturing Technologies (AMT; Orion, MI), memiliki perspektif unik berdasarkan pengalamannya di industri manufaktur otomotif. AMT adalah integrator sistem yang spesialis pada sistem robot yang dipandu penglihatan. Beberapa nomor bagian dengan sistem yang kompleks, seperti dalam kasus transmisi, semakin prevalen. Kasus transmisi adalah objek besar dengan banyak lubang dan permukaan kompleks—ideal untuk penglihatan tetapi mahal untuk fixtiring presisi keras. "Ukuran lot juga semakin kecil dengan pergantian yang lebih sering. Itulah sebabnya sistem penglihatan yang dipandu robot semakin kritis dalam banyak aplikasi." Ia juga mengamati pertumbuhan sistem penglihatan 3D, terutama dalam aplikasi pemilihan bin dan tote.
Ini melebihi pengarahan. "Inspeksi kualitas adalah aplikasi yang ideal, mencari kehadiran dan ketiadaan lubang dan fitur lainnya atau menentukan apakah komponen telah dirancang dengan benar," katanya. Area kaya lainnya adalah inspeksi metrologi. "Kami membangun sistem dengan mitra kami Hexagon yang didasarkan pada robot kolaboratif yang memeriksa produk pelanggan. Ini dulunya dilakukan pada CMM di ruang terkontrol suhu terpisah. Selama bertahun-tahun produsen ingin melakukannya di lantai produksi. Sekarang mungkin untuk memiliki sistem yang sepenuhnya portabel, tanpa pengaman, ideal untuk aplikasi inspeksi artikel pertama, tepat di mesin produksi," katanya.
Ia setuju bahwa aplikasi ini berkembang di SMEs. Ia juga mencatat bahwa operasi ini kesulitan menemukan tenaga kerja terampil, yang mendorong kebutuhan akan lebih banyak otomasi.
ABB juga telah mengembangkan sistem inspeksi robotik melalui kolaborasi dengan NUB3D (yang kemudian diakuisisi), inovator terkemuka solusi inspeksi dan kontrol kualitas digital, 3D. Sistem turnkey terdiri dari sensor pemindaian cahaya putih 3D yang dipasang pada lengan robot ABB.
Stäubli Corp. (Duncan, SC) adalah perusahaan robot yang menggunakan berbagai penglihatan mesin dari vendor pihak ketiga untuk membangun aplikasi untuk pengarahan penglihatan robot. Tetapi ia juga menawarkan penggunaan lain sistem penglihatan dengan robot industri yang memerlukan interaksi manusia: pagar virtual di sekitar robot.
Seperti yang dijelaskan oleh Olivier Cremoux, business development manager, robotika Amerika Utara untuk Stäubli, kolaborasi manusia/robot dapat dibagi menjadi lima tahap yang berbeda. Tahap terendah 1, yang umum di sebagian besar robot industri, adalah tanpa kontak langsung, di mana interaksi apakah antara manusia dan mesin berbahaya. "Robot dan operator dipisahkan oleh pagar keras," katanya. Tertinggi, tahap 5, adalah di mana kontak diinginkan dan diperlukan, misalnya saat robot dipandu tangan oleh operator untuk melakukan atau merakit alat berat atau gerakan simultan lainnya dengan robot. Ada tahap di antaranya di mana beberapa kontak diinginkan pada tingkat yang berbeda, dan di mana robot sering perlu berhenti dan membiarkan manusia melakukan sesuatu. "Ini di antaranya mewakili 95% aplikasi kolaboratif," katanya.
Di tahap menengah ini, sistem penglihatan pemindaian 3D yang memindai keluar dari workcell dapat mendeteksi manusia yang mendekati. Dalam jarak tertentu, ia memberi sinyal pada workcell untuk memperlambat robot untuk mencegah kontak dan cedera yang mungkin. Saat manusia mendekati lebih dekat, ia menghentikan sel sepenuhnya. Ini memungkinkan manusia untuk melakukan tindakan, seperti inspeksi atau penempatan, kemudian bergerak pergi, memungkinkan sel untuk secara otomatis mulai ulang.
HNJ Solutions Inc. (Carson, CA) adalah perusahaan integrasi yang didirikan untuk menyediakan sistem penglihatan untuk manufaktur, termasuk dengan robot, menurut President Greg McEntyre. Sementara mengakui bahwa sistem penglihatan memang semakin mudah digunakan dan dipasang, katanya masih ada kelas aplikasi di mana integrator seperti HNJ dibutuhkan. "Dalam aplikasi kompleks dengan beberapa warna, ukuran, orientasi, dan ketidakpastian umum, penting untuk tahu cara kamera bekerja dan mengapa mereka bekerja untuk memasang sistem yang baik," katanya.
Ia menekankan bagaimana kamera 3D memperluas aplikasi yang relevan, seperti bin picking. "Hari ini kami bahkan mengimpor model CAD objek kami sehingga sistem penglihatan dapat memahami dalam 3D objek yang perlu diambil atau dioperasikan," katanya. "Kamera memberikan kebebasan penuh."
Nasehat apa yang mungkin ia berikan, sebagai integrator penglihatan dan robotika yang kompleks? "Sementara mungkin tidak mudah seperti yang terlihat, saya akan bilang langsung terjun saja," katanya. "Ada banyak perangkat keras yang berguna sehingga pengarahan penglihatan dan aplikasi penglihatan semakin berguna." Dengan kata lain, lakukan saja.
