Álláshirdetések
Events / Courses
Legfrissebb híreink
Az EU is büntetővám bevezetését tervezi a kínai elektromos autókra
2024.05.17 08:18Parkolókat bérel a Tesla, hogy eladatlan járműveit ott tárolhassa
2024.05.17 06:21Új budapesti létesítményt avatott a Knorr-Bremse
2024.05.17 04:20Autopro Blog
Autopro a Facebookon
Galériáink
Jelentős áttörést értek el a kollaboratív robotok területén
A brit Manufacturing Technology Centre (MTC) kutatói olyan kollaborítv robotot fejlesztettek ki, ami CAD-adatok vagy pontos leírás nélkül is képes volt biztonsággal megfogni és egy egyik helyről a másikra átrakni eszközöket.
A modern gyárakban fontos szerepet töltenek be a robotikus karok és a kollaboratív robotok (vagy kobotok). Ezek az eszközök például az úgynevezett „bin picking” eljárásokban segítik az emberi munkaerőt, azaz pakolnak az emberek helyett. Ehhez azonban eddig részletes útmutatásra volt szükség arról, hogy mit és hogyan fogjanak meg.
Az MTC szakértői most áttörést értek el a területen. Olyan robotkarokat fejlesztettek ki, amik számukra ismeretlen tárgyakat is megfelelő precizitással fognak meg és pakolnak el. Ezzel alaposan felgyorsítható a tesztelések folyamata.
Olcsóbb megoldás
Eddig komoly költséggel járt a bin picking eljárások során a robotkarok beprogramozása, „tanítása” és tesztelése. Azzal, hogy nem lesz szükség költséges CAD adatbázisokat létrehozni az ilyen feladatokhoz, sokat spórolhatnak a gyártók, ráadásul a folyamatok is gyorsabbá válhatnak.
Alejandra Matamoros, az MTC technológiai menedzsere elmondta, hogy az MTC robotmérnökei bebizonyították, hogy a tervezés és a fejlesztés költséghatékonyabbá válhat intelligens, automatizált megoldásokkal.
Alapos tesztelés
Az MTC által fejlesztett kobotokat tesztelték többek között fémalkatrészek, kozmetikai termékek és gyümölcsök pakolásával is. A kézzel bevitt adatokkal egy hónapig tesztelték a robotokat, melyek 92 és 94 százalék közötti hatékonysággal dolgoztak.
A szakemberek szerint az eljárás jó megoldás az adatgyűjtés okozta terhek csökkentésére, különösen konkrét feladatok esetében. Hozzátették, hogy a módszer minden elemre általánosítható – írja a Manufacturing Global.