高速機器在切削孔時會遇到很大的公差，因為在資本的整個生命周期中都會出現(xiàn)刀具磨損。這種公差會影響下游制造步驟，導(dǎo)致 15% 的廢品率。這一速度減少了機器一天內(nèi)生產(chǎn)的零件數(shù)量，因此工程師將其關(guān)閉以重新編程。下一次迭代更好，但廢品率仍然是 8.5%。為了彌補停機時間和報廢，團隊決定接受報廢率以提高制造速度，以避免進一步停機重新編程。提高的速度提高了吞吐量，但高容差將廢品率提高到 12%。產(chǎn)能繼續(xù)滯后。很快，生產(chǎn)遠遠落后于管理層必須批準另一個班次和加班。

停機、重新編程、運行、檢查、重復(fù)。

這個周期現(xiàn)在似乎陷入了死亡漩渦，無可救藥地無法趕上生產(chǎn)進度。高速機器人技術(shù)取決于準確性，錯誤的尺寸讀取成本可能是災(zāi)難性的。3D 機器視覺通過提高大規(guī)模制造的質(zhì)量、產(chǎn)量和成本，顛覆了智能機器人技術(shù)。該技術(shù)能夠?qū)崟r做出反應(yīng)，自動糾正并同時向操作員提供反饋，在保持生產(chǎn)運行的同時主動提醒機器人的人類同行該問題。

3D 機器視覺在操作過程中接收、處理和響應(yīng)意外事件，并在不重新編程的情況下完成其任務(wù)，以創(chuàng)建完全自動化的體驗。在下文中，我們將探討機器人處理的三個制造任務(wù)——拾取和放置、輸出尺寸檢查和缺陷識別——以及 3D 視覺如何解決每個過程中發(fā)生的已知過程錯誤。

拾取和放置

由于自動輸出尺寸檢測受益于 3D 機器視覺的準確性，機器人技術(shù)的靈活性有利于拾取和放置，這是一個關(guān)鍵的流程步驟，尤其是在各地供應(yīng)鏈緊張的氣候下。軟件工程師開發(fā)算法來檢測、到達、抓取、移動和放置物品以完成訂單。企業(yè)資源計劃 (ERP) 系統(tǒng)從系統(tǒng)接收訂單并將其傳輸給機器人進行產(chǎn)品拉取。

隨著訂單的涌入，浪費的時間就是收入的損失。如果機器的抓取力不合適，機器人可能會損壞產(chǎn)品，在此過程中浪費時間和銷售商品。3D 成像拍攝產(chǎn)品的整體照片，并將強度信息實時反饋給處理器，為下一個取放動作發(fā)出動態(tài)響應(yīng)。機器人不再熟悉 2D 繪圖，而是校準到 CAD 模型并實時三角測量物品的位置。智能機器人通過多次重復(fù)拿起產(chǎn)品來學(xué)習和優(yōu)化抓取物品的最佳方式。圖像在空間中的定位精度與產(chǎn)品結(jié)構(gòu)完整性的視圖使機器人能夠不斷改進（并加快）訂單履行。

出庫尺寸檢驗

3D 機器視覺是測量和尺寸檢測的理想選擇。它使用圖像傳感器記錄高度、寬度和深度維度的數(shù)據(jù)，并根據(jù)偏航、俯仰和滾動軸上的剩余自由度定位位置。這種方法產(chǎn)生了嚴格公差控制計劃尺寸所需的增強精度。2D 檢測將零件的平面圖像與 2D 工程圖或已知的一組測量值進行比較。通過 3D 成像，對象或特征的形狀、體積或深度位置的圖片增強了 2D 的優(yōu)勢。

二維檢測中的一個常見挑戰(zhàn)是在垂直于觀察表面的深度或旋轉(zhuǎn)位置上不符合規(guī)范的特征。平面視圖可能無法捕捉到尺寸公差的過度偏差，通過了一個應(yīng)該被拒絕并標記為操作員檢查過程或設(shè)備的零件。3D 機器視覺沿所有六個自由度收集位置數(shù)據(jù)并構(gòu)建圖像以應(yīng)對這一挑戰(zhàn)。隨著機器人比較圖片的多個版本，分析的數(shù)據(jù)量增加，檢查員的信心更高。

缺陷識別

如果取放需要宏觀級別的精度，而尺寸檢測需要微觀級別，那么零件缺陷識別需要納米級別的精度。吞吐率和適合/形式/功能是必不可少的，但有缺陷的產(chǎn)品會損害您公司的聲譽和形象。如果產(chǎn)品有缺陷，消費者和客戶很樂意留下負面評價。市場太先進了，無法在產(chǎn)品完整性上妥協(xié)，而質(zhì)量工程師無法檢測到的產(chǎn)品缺陷會帶來失去份額的巨大風險。

收集零件 3D 圖像的多種方法還可以描述產(chǎn)品缺陷的幾何形狀和位置。由于材料不均勻、內(nèi)部特征損壞或殘留在增材制造零件中的支撐材料或介于兩者之間的任何原因，這些缺陷可以表示為意外的密度不一致。除了尺寸精度之外，質(zhì)量保證工程師還可以定義一組成功標準來批準零件。如果工程師不解決問題，有缺陷的零件可能會增加廢品率、降低產(chǎn)量，并可能導(dǎo)致現(xiàn)場故障。3D 機器成像收集、分析信息并將信息傳輸給操作員，操作員會立即提醒他們注意問題。機器人收集的數(shù)據(jù)為工程師提供了有價值的，他們可以使用實時數(shù)據(jù)來總結(jié)缺陷的頻率、一致性和位置，以進行根本原因分析。早期識別產(chǎn)品缺陷對于降低生產(chǎn)風險和維持制造時間表至關(guān)重要。

與任何大批量、資本密集型流程一樣，機器會隨著時間的推移而磨損。這一現(xiàn)實意味著您需要針對影響生產(chǎn)的意外過程變量進行計劃。使用這種顛覆性技術(shù)的機器可以吸收不可預(yù)見的變量和障礙，在不重新編程的情況下導(dǎo)航并完成任務(wù)。您在操作過程中獲得的信息越多，您就越有可能更快地找到解決方案。

3D 機器視覺是尋求更明智的工藝條件的強大盟友。它收集的數(shù)據(jù)比其 2D 對應(yīng)物多得多，并在大規(guī)模制造過程中使用它來創(chuàng)建和實施完整圖像。這些圖像可以幫助引導(dǎo)機器收斂取放應(yīng)用位置，并通過增加對深度和旋轉(zhuǎn)軸方向的洞察力來改進輸出尺寸檢測。他們還可以識別可能導(dǎo)致召回或安全問題的大量有害產(chǎn)品缺陷。

作為物聯(lián)網(wǎng) (IoT) 的一部分，3D 機器視覺通過執(zhí)行動態(tài)響應(yīng)而無需重新編程而越來越受歡迎。該技術(shù)尚未完全成為主流，它將迅速從新穎的創(chuàng)新轉(zhuǎn)變?yōu)樯唐奉A(yù)期。企業(yè)將繼續(xù)推動機器和過程控制之間的反饋循環(huán)變得更短。由于越來越多的行業(yè)和大規(guī)模制造流程相互連接，這項技術(shù)的力量將繼續(xù)增長。

審核編輯：符乾江