Vive le pendentif Robot Teach

Bien que beaucoup Les technologies de programmation et de contrôle des robots industriels ont évolué au cours des dernières années, un composant est resté assez constant : le pendentif d'apprentissage du robot. Aujourd'hui, la plupart des pendentifs sont spécifiques à une marque, difficiles à utiliser et ne disposent pas des fonctions et fonctionnalités de base que nous attendons de nos appareils de tous les jours. Même une simple fonction comme copier-coller est une impossibilité sur de nombreux modèles actuels.

Par conséquent, il est temps de transformer le pendentif d'apprentissage en quelque chose qui convienne aux capacités de la technologie moderne, car le contrôle direct d'un robot par l'utilisateur reste un élément essentiel des opérations robotiques. Ce fait est vrai même à la lumière d'outils tels que le logiciel de programmation robotique hors ligne (OLRP).

Le pendentif d'apprentissage transformé offre de nombreux avantages. Il réduit ou élimine la formation nécessaire pour travailler avec des systèmes robotiques, ainsi que les temps d'arrêt des robots en simplifiant l'analyse et la résolution des problèmes. De plus, il permet de déployer plus de systèmes robotisés et de les programmer plus rapidement, y compris dans les industries où ils ne sont pas présents.

Avec un logiciel de programmation visuel, tel que le Task Canvass (qui fonctionne sur l'interface Forge/Os de READY Robotics), ce pendentif devient suffisamment polyvalent pour contrôler toutes les marques de robots industriels. Comparez cela avec aujourd'hui, où il existe plus de 70 marques de robots, et chacun a son propre pendentif d'apprentissage et son propre logiciel de contrôle. De plus, presque chaque robot possède un langage de programmation ou de script unique qui nécessite une formation approfondie pour garantir une utilisation correcte.

Un pendentif transformé élimine également le besoin de langages de programmation de robot complexes, et il dispose d'une interface intuitive à écran tactile plutôt que de menus textuels complexes auxquels l'opérateur doit accéder via un clavier. Cette dernière caractéristique est peut-être la plus importante de toutes, car elle rend le pendentif d'apprentissage aussi facile à utiliser qu'un smartphone.

Le pourcentage de fabricants qui utilisent un robot pendentif d'apprentissage avancé est encore relativement faible. Cependant, ce fait ne doit pas être déploré, car il existe de nombreuses raisons - 10, en fait - pour lesquelles le pendentif d'enseignement traditionnel est toujours une nécessité.

La première raison est la sécurité. Pour programmer un robot industriel non collaboratif, un interrupteur à trois positions (appelé aussi interrupteur homme mort) est nécessaire. Le pendentif d'apprentissage permet à l'utilisateur, à l'aide d'une clé, de changer le mode de fonctionnement du robot d'un mode d'apprentissage à un fonctionnement sans restriction.

Même avec l'essor des robots collaboratifs, il y a encore des moments où un robot doit s'arrêter. Les butées de protection qui assurent cette sécurité doivent être dégagées par le pupitre d'apprentissage. Étant donné que chaque système est sujet aux pannes, un opérateur doit être en mesure de prendre le contrôle du robot et de le déplacer dans une position sûre afin qu'il puisse entrer dans la cage de la cellule de travail ou déplacer le robot à l'emplacement souhaité. Un pendentif d'apprentissage reste le moyen le plus efficace d'effectuer ces opérations.

Une autre raison de la nécessité d'un pendentif est de surveiller le robot et tous les équipements de la cellule de travail pour détecter toute erreur et tendance négative entraînant des alarmes sonores. Lorsqu'un programme est en cours d'exécution, le pendentif d'apprentissage est la fenêtre sur le fonctionnement du robot et où il en est en termes de contrôle global du programme.

Le pendentif est également un excellent moyen de tester un nouveau programme pour un robot. Qu'il soit effectué sur le pendentif d'apprentissage ou via un outil tiers tel qu'une application OLRP, un programme doit être testé à une vitesse lente sous la supervision d'un opérateur. Au cours de ce test, l'opérateur vérifie le jeu entre le robot et le matériel (comme les machines-outils) dans la cellule de travail.

D'autres activités de test effectuées avec le pendentif incluent l'enseignement des cadres de base et des cadres d'outils, et la marche à travers les lignes ou les sections de programme une étape à la fois. L'opérateur peut faire fonctionner le robot lentement pour confirmer comment il navigue dans la cellule de travail. De plus, il peut valider toutes les sections de la cellule de travail sur lesquelles le robot et ses outils agissent.

Une quatrième raison pour laquelle les pendentifs sont nécessaires est de retoucher ou de faire des ajustements à un programme de robot. Ce processus est nécessaire lorsque le robot commence à dériver par erreur dans une direction (ce qui entraîne une précision moindre) ou lorsque la simulation ne correspond pas exactement au monde réel. Gardez à l'esprit que des variations inférieures à 1 millimètre peuvent souvent faire toute la différence entre un robot exécutant avec succès une soudure et une panne.

Un problème courant qui nécessite une retouche est l'outillage d'extrémité de bras du robot (EOAT) qui est mal aligné ou incapable d'atteindre la pièce. D'autres problèmes incluent ceux liés à la simulation de la cellule de travail. Par exemple, il peut ne pas correspondre aux dimensions réelles de la machine ou au modèle CAO d'une pièce. Des imperfections dans la cellule de travail physique peuvent également se produire. Un bon exemple est lorsque le robot bouge légèrement (c'est-à-dire qu'il est déplacé manuellement via le pendentif d'apprentissage) sur le rail du septième axe, alors que la simulation s'attend à ce que le mouvement soit parfait.

Plusieurs tâches de programmation sont effectuées plus rapidement dans le pendentif d'apprentissage que dans OLRP. Les outils logiciels de ce dernier sont bien adaptés aux applications comportant des centaines ou des milliers de points, tels que les trajets complexes nécessaires au soudage ou à la distribution. Ces types d'applications justifient l'investissement initial dans un logiciel qui utilise des modèles CAO pour configurer la cellule de travail avant de simuler entièrement son fonctionnement.

Cependant, de nombreuses tâches n'impliquent pas des mouvements aussi complexes. Par exemple, l'entretien de la machine, le pick and place, le soudage en ligne droite et la distribution peuvent souvent être programmés plus facilement via le pendentif d'apprentissage. Ces opérations doivent également être effectuées rapidement, en particulier dans les environnements à forte mixité et à faible volume afin de réduire l'impact du temps de changement.

La sixième raison est que le pendentif d'apprentissage demande de manière fiable à l'opérateur une entrée. En particulier lors du démarrage d'une nouvelle tâche, l'opérateur peut vouloir interrompre le programme pour vérifier les pièces ou pour inspecter d'autres zones de l'application. Il peut également utiliser le pendentif d'apprentissage pour interagir avec la tâche lorsque l'application est en cours d'exécution. Les invites de saisie ne sont pas programmées dans le logiciel OLRP.

Le pendentif d'apprentissage permet l'intégration de nombreux composants tels que des scanners laser, des colonnes lumineuses et des dispositifs de serrage automatisés dans une cellule de travail. Par conséquent, une fois le programme chargé sur le robot, des sous-programmes sont écrits qui coordonnent les mouvements du robot avec d'autres activités dans la cellule de travail.

Le codage de ces sous-programmes est également effectué par le pendentif d'apprentissage. De nombreux magasins ont développé des sous-programmes spécifiques, comme pour le dépôt de pièces, qu'ils maintiennent facilement dans le pendentif.

Dans OLRP, il n'est pas pratique d'effectuer tous les aspects de la programmation de robots ; par exemple, déterminer les étapes de manutention du robot avant et après sa trajectoire de mouvement complexe.

Un autre avantage du pendentif d'apprentissage est qu'il permet aux utilisateurs d'ajouter une logique de contrôle. Une fois qu'un opérateur a créé et testé son programme, il doit exécuter des dizaines de pièces. Avec le pendentif d'apprentissage, il peut ajouter la logique de contrôle qui permet à l'application d'être exécutée sans surveillance, souvent en coordination avec d'autres robots ou équipements dans la cellule de travail. En revanche, la plupart des logiciels OLRP n'ont pas de constructions logiques de contrôle intégrées, ni ne permettent de les ajouter.

Enfin, le pendentif d'apprentissage offre un degré élevé d'interaction entre la configuration d'une application et son exécution. Comme il n'est pas nécessaire de transférer des programmes depuis un autre appareil, l'opérateur peut mettre en œuvre la tâche rapidement et efficacement.

Le pendentif d'apprentissage a été et reste un élément clé de l'écosystème robotique. Mais nous pensons que ses capacités peuvent être étendues, de sorte qu'il puisse être utilisé avec et contrôler tous les types de robots industriels.

Pour atteindre cet objectif, nous avons développé la Forge/Station, qui comprend un dessus de table de montage de planche à pain, un bras de robot, un pendentif équipé du logiciel de programmation visuelle Task Canvas et l'interface Forge/OS, qui contrôle le bras et tous les pneumatiques .

Le logiciel fonctionne avec n'importe quel pendentif d'apprentissage à écran tactile et supprime l'obstacle d'avoir besoin d'un opérateur qualifié dans une marque de robot particulière. Tout aussi important, cela permet à plus de personnes d'utiliser des robots, augmente le nombre de robots pouvant être déployés et élimine les goulots d'étranglement dus à la main-d'œuvre qualifiée limitée qui existent aujourd'hui.

Pour plus d'informations, appelez READY Robotics au 833-732-3967 ou visitez www.ready-robotics.com.

Lorsque la pandémie de COVID-19 a frappé plus tôt cette année, Alicat Scientific était déjà en train d'automatiser l'entretien de ses tours qui usinent des pièces pour les débitmètres et contrôleurs de débit massique et les contrôleurs de pression de l'entreprise. Les trois composants sont des éléments clés des ventilateurs, qui sont très demandés par les hôpitaux du pays.

Alicat s'est tourné vers l'automatisation pour raccourcir le temps de cycle de 45 minutes dont ses ouvriers avaient besoin pour usiner des composants sur leurs tours. Cette longue durée de cycle était devenue un point d'étranglement dans les opérations de fabrication de l'entreprise et l'empêchait de répondre à la demande croissante due au COVID-19.

Après des recherches approfondies, Alicat a acheté et installé la Forge/Station de READY Robotics. La station comprend un dessus de table de fixation de planche à pain, un pendentif équipé du logiciel de programmation visuelle Task Canvas, un bras robot et l'interface Forge/OS, qui contrôle le bras et tous les pneumatiques.

Greg Camron, responsable de l'atelier d'usinage chez Alicat Scientific, explique que, bien que les machinistes de l'entreprise n'aient jamais programmé de robot industriel auparavant, ils ont pu le faire en une journée sans même suivre de cours de formation. De plus, ils ont pu déployer entièrement leurs tâches d'automatisation en seulement trois jours, sans aucune assistance extérieure.

Selon Camron, la Forge/Station a permis à Alicat d'augmenter de 74 % la sortie de son compteur et de son contrôleur. L'entreprise a également ajouté un troisième quart de travail "lumières éteintes" les jours de semaine et deux autres quarts de travail "lumières éteintes" le week-end.

"Cette offre groupée d'automatisation a dépassé nos attentes", déclare Camron. "Cela nous a permis de répondre à la demande liée au COVID-19 qui aurait été impossible auparavant. Nous ne pouvions pas être plus motivés et nous recherchons la prochaine tâche à automatiser."

LUKE TUTTLE — COO // READY ROBOTICS // COLUMBUS, OH

BEN GIBBS — PDG ET COFONDATEUR // READY ROBOTICS // COLUMBUS, OH