조립 및 마무리 분야의 AI 및 로봇 공학

힘 감지는 관련된 AI가 가장 단순한 설계에서 훨씬 더 복잡한 설계로 바뀔 수 있는 한 가지 예입니다. 일반적으로 더 얇고 강하며 용접하기 어려운 고강도 재료가 포함된 자동차 응용 분야의 경우 힘은 용접의 정확성을 보장하는 데 중요한 구성 요소가 됩니다. FANUC 캐나다

현재 인공지능(AI)에 대한 논의는 자율적으로 업무를 관리하는 능력을 갖게 될 것이라는 점을 암시한다. ChatGPT와 같은 AI 챗봇과 예술 작품을 만들 수 있는 기타 앱은 많은 기능에서 사람이 방정식에서 제외될 수 있음을 시사합니다. 하지만 산업용 애플리케이션에는 그렇지 않습니다. 예를 들어, 기술이 매년 더욱 정교해지고 가치가 높아지는 조립 및 마무리 작업은 여전히 ​​숙련된 작업자가 관리하는 이점을 누리고 있습니다.

FANUC Canada(온타리오 주 미시소거)의 엔지니어링 및 통합 담당 이사인 Dale Arndt는 "AI에는 여러 가지 수준이 있으며 대부분의 산업 응용 프로그램은 '좁은 지능'으로 설명되는 수준에 속합니다."라고 말했습니다. “이 경우 당신이 하려는 것은 한 가지 작업을 수행하고 개선하는 방법을 배우는 것입니다. 이는 알고리즘을 기반으로 하며 많은 머신러닝이 좁은 AI 범주에 속합니다.”

기계 학습의 한 가지 정의는 컴퓨터 시스템이 알고리즘과 모델을 사용하여 명시적인 지시를 따르지 않고 학습하고 적응하고 데이터의 패턴을 추론하는 능력입니다. 코봇을 사용한 단순화된 용접 경로는 기본 적용의 좋은 예입니다. Arndt는 로봇을 사용하면 MIG 용접이나 스폿 용접을 수행할 수 있으며 비전 입력, 용접 기계 데이터 및 힘 감지를 사용하여 각 프로세스가 올바르게 수행되는지 확인할 수 있다고 말했습니다. 힘 감지는 리벳 및 기타 패스너를 고정하는 데에도 사용할 수 있습니다.

“우리는 더 나은 프로세스를 만들기 위해 이러한 프로세스를 계속해서 수행하고 알고리즘을 점진적으로 개선하고 있습니다.”라고 그는 말했습니다.

힘 감지는 관련된 AI가 가장 단순한 설계에서 훨씬 더 복잡한 설계로 바뀔 수 있는 한 가지 예입니다.

Arndt는 "비교적 간단한 측면에서는 자동차 제조에서 너트나 리벳의 힘 감지를 고려할 수 있습니다."라고 말했습니다. “패스너를 올바르게 설치하는 데 필요한 토크의 양을 설정할 수 있습니다. 해당 트립 포인트가 충족되지 않으면 해당 부품이 사양에 포함되지 않은 것입니다. 이렇게 하면 엄청난 양의 재작업을 줄일 수 있지만 여전히 상대적으로 간단합니다.”

이 경우 로봇은 힘 센서가 내장된 자동 너트 드라이버를 운반할 수 있으므로 이 시나리오에서는 외부 연결이 필요하지 않습니다.

그러나 재료 연마 또는 사출 성형 부품 디플래싱과 같은 재료 제거를 고려하기 시작하면 알고리즘이 더욱 복잡해집니다.

"디플래싱을 사용하면 후레싱 도구를 부품을 따라 이동하고 솔기 선과 가장자리에서 여분의 재료를 제거해야 합니다."라고 Arndt는 말했습니다. “재료의 구성, 금형에서 나온 기간, 식물의 온도, 도구의 날카로움에 따라 달라질 수 있기 때문에 이는 상당히 복잡해집니다. 갑자기 데이터 세트가 훨씬 더 커졌습니다.

“재료 마감에도 동일한 문제가 있습니다. 연마 도구는 얼마나 마모되었습니까? 연마하는 부분에 남은 재료가 얼마나 있습니까? 여기에는 모니터링 도구 사용, 힘 감지, 비전 시스템 등 다양한 요소가 포함될 수 있습니다.”

여기에서는 용접 번스루를 경고하는 Xiris Audio AI 도구의 스크린샷을 볼 수 있습니다. 시리스

로봇에 직접 연결된 FANUC 로봇 힘 센서 또는 ATI 힘 센서를 이러한 애플리케이션의 동작 계획의 일부로 사용하여 실시간 힘 벡터를 기반으로 로봇 경로를 즉시 변경할 수 있습니다.

스폿 용접도 똑같이 어려울 수 있습니다.

“현대 차량에 사용되는 대부분의 고강도 재료는 일반적으로 더 얇고 강하며 용접하기가 더 어려울 수 있습니다.”라고 그는 말했습니다. “힘은 용접이 정확한지 확인하는 데 매우 중요한 요소입니다. 너무 세게 쥐면 구멍이 생길 수 있습니다. 충분히 세게 짜지 않으면 용접부가 적절하게 가열되지 않고 너무 약해집니다.