Automatisation des tâches robotiques : insertion

Programmation/instruction simple et souplesse d'utilisation Automatisation des tâches sans description analytique Fiabilité et efficacité

Assemblage robotisé

Le cas décrit ici est une étape courante dans les processus d'assemblage dans l'industrie manufacturière et comprend l'appariement et la connexion correcte de deux pièces lorsqu'une doit être insérée dans une autre. Une insertion réussie et efficace nécessite généralement une action qui implique de sentir les parties. Ceci est difficile à décrire en termes d'algorithmes mathématiques et donc difficile à programmer. La complexité de la programmation ou un degré élevé d'échec opérationnel rendent l'utilisation de robots ou d'automatisation peu attrayante. L'utilisation de l'apprentissage automatique et de l'intelligence artificielle est l'une des méthodes prometteuses pour surmonter ces difficultés. Comme décrit ci-dessous, il existe plusieurs phases différentes dans le processus, où différentes méthodologies peuvent et doivent être utilisées. Pour rendre la méthodologie utilisable dans un cas pratique, on s'attend à ce qu'elle soit utilisable par des opérateurs sans connaissances techniques approfondies à un niveau d'effort acceptable sur une chaîne de production. En fin de compte, de telles méthodes sont nécessaires pour éliminer complètement le besoin de programmation. L'hypothèse ici est que les pièces à assembler sont correctement localisées, de sorte qu'elles peuvent être manipulées par un robot de la manière souhaitée. La partie problématique du procédé concerne les étapes suivantes : identification et prélèvement de la première pièce (A) ; déplacer A au voisinage de la seconde partie (B); alignement des deux parties ; effort de force avec mouvement simultané pour une insertion en douceur; arrêt de la tâche lorsque l'insertion est terminée. La tâche ci-dessus, avec tous les défis possibles, peut facilement être effectuée par un opérateur humain. Un opérateur dans la majorité des cas a besoin d'une quantité très limitée d'informations. En utilisant les connaissances préalables, les expériences et le système sensoriel, un opérateur humain peut accomplir la tâche et gérer toutes les exceptions possibles. Avec le temps, un opérateur humain devient constamment plus efficace et exécute la tâche plus rapidement et de manière plus fiable. Les sujets à traiter dans ce cas d'utilisation sont la façon dont une machine peut être instruite et formée, pour effectuer la tâche et s'améliorer à un niveau élevé de fiabilité et d'efficacité. Le processus peut être divisé en les étapes suivantes. Localisation de pièces : Traitement d'images, identification d'objets, classification et localisation. Alignement des pièces : contrôle et optimisation avec (principalement) des entrées de vision. Insertion par l'exercice de la force : contrôle et optimisation avec (au moins) vision et retour d'information du capteur de force . Détection de la fin du processus : reconnaissance de formes dans les séries temporelles. Amélioration continue : Apprentissage par renforcement. Les capteurs de vision et de force sont les capteurs les plus couramment utilisés dans de tels processus. Les objets et l'environnement devraient être observés à des distances modérées ainsi qu'à des distances très proches. Des capteurs de force sont nécessaires mais ont la faiblesse de ne pas être actifs avant le contact complet. Par conséquent, l'utilisation d'autres capteurs peut être utile. Cette méthode est utilisée pour les tâches d'assemblage, dans le but de réduire l'effort de programmation et d'augmenter la flexibilité. Pour que cela soit réalisé, l'effort nécessaire pour enseigner, former et utiliser le système doit être minimal et une haute fiabilité doit être atteinte en peu de temps. Cela signifie implicitement que le système doit être utile avec une quantité limitée de données et après un temps limité. Une fois qu'un état initial relativement stable est atteint, le renforcement peut être utilisé pour améliorer l'efficacité du système. La solution deviendrait plus attractive si l'apprentissage par transfert était utilisé pour réduire davantage le temps de formation initiale. À des fins d'analyse comparative, il est nécessaire de définir l'ensemble spécifique d'objets à assembler, et la performance de la méthode peut être mesurée par le temps de formation nécessaire, le besoin de puissance de calcul et de mémoire, ainsi que le temps coûté pour l'achèvement. de la tâche. Les objets dans les tests peuvent être géométriquement relativement simples. Des caractéristiques spéciales telles que des surfaces rugueuses, un ajustement serré ou la flexibilité des objets peuvent être prises en compte pour différentes classes de problèmes.