AlgaeBarn in-house cap labeling cell with label spool and vision quality counters

Jak firma AlgaeBarn zautomatyzowała etykietowanie nakrętek za pomocą wewnętrznego systemu wizyjnego

AlgaeBarn zastąpiło ręczne „imprezy z naklejkami” na kapslach ogniwem za mniej niż 1000 USD, które ustawia kapsle, etykietuje je, kontroluje za pomocą OpenCV...

W AlgaeBarn, firmie z Kolorado produkującej żywe produkty akwakultury, takie jak widłonogi i fitoplankton, każda z dziewięciu linii produktowych wymaga własnej etykiety na zakrętkę. Przez lata oznaczało to organizowane co jakiś czas „imprezy naklejkowe”: trwające od jednej do dwóch godzin sesje, podczas których pracownicy z różnych działów odklejali etykiety i ręcznie umieszczali je na zakrętkach. Spotkania miały towarzyski charakter, ale odciągały operatorów, techników i inżynierów od podstawowych obowiązków — a gdy zapas oznakowanych zakrętek niespodziewanie się kończył, produkcję trzeba było zatrzymać i przygotować kolejną partię.

Wewnętrzne stanowisko AlgaeBarn do automatycznego etykietowania zakrętek ze szpulą etykiet i licznikami kontroli wizyjnej dobrych i wadliwych zakrętek

Wewnętrzne stanowisko AlgaeBarn do etykietowania: szpula etykiet, aluminiowa rama i umieszczone na biurku liczniki wizyjne dobrych i wadliwych zakrętek.

Inżynier robotyki i automatyzacji Akash Chinthamanipeta potraktował tę powtarzalną pracę jako problem produkcyjny, a nie zakupowy. Celem było stworzenie autonomicznego stanowiska, które orientowałoby każdą zakrętkę, naklejało etykietę, kontrolowało jej położenie oraz sortowało zaakceptowane i odrzucone elementy bez stałego nadzoru — przy zachowaniu niskiego kosztu sprzętu i kontroli procesu we własnym zakładzie.

Dlaczego budować, zamiast kupować

Komercyjne etykieciarki wiązały się z dwoma problemami: kosztem inwestycji i zamkniętą logiką sterowania. Wiele maszyn zakłada, że gdy konfiguracja jest prawidłowa, położenie etykiety pozostanie prawidłowe. Na działającej linii przesunięcie rolki etykiet lub podkładu po kilkuset cyklach może zmienić punkt odklejania na tyle, że kolejna naklejka zostanie umieszczona nieprawidłowo. AlgaeBarn zależało również na możliwości edycji logiki maszyny, aby stanowisko mogło rozwijać się wraz z produkcją. Większość mechaniki zaprojektowano w SOLIDWORKS, a bezpośredni koszt sprzętu utrzymano poniżej 1 000 USD. Budowa we własnym zakresie oznaczała, że można kontrolować każdą zakrętkę, zamiast polegać wyłącznie na początkowej konfiguracji mechanicznej.

Od luźnych zakrętek do skontrolowanych elementów

Operator wsypuje luźne zakrętki do podajnika windowego. Czujnik monitoruje tor podawania i uruchamia podajnik tylko wtedy, gdy potrzebne są kolejne zakrętki. Sam pasywny tor zapewnia orientowanie: prawidłowo osadzone zakrętki przechodzą do stanowiska etykietowania, a odwrócone spadają z powrotem do zasobnika — dzięki czemu nie jest potrzebny oddzielny aktywny orientator.

Podajnik przedstawia po jednej zakrętce naraz. Laser KEYENCE potwierdza obecność elementu, a sterownik uruchamia siłownik pneumatyczny, który pozycjonuje zakrętkę; czujniki kontaktronowe potwierdzają osiągnięcie końca skoku przed przejściem do kolejnego etapu. Silnik krokowy z przekładnią przesuwa rolkę etykiet wokół krawędzi odklejającej, dzięki czemu naklejka oddziela się od podkładu. Wspomagany podciśnieniem aplikator pneumatyczny pobiera etykietę i dociska ją do zakrętki, co ponownie potwierdza czujnik kontaktronowy.

Stos wizyjny OpenCV klasy Raspberry Pi używany do kontroli położenia na podstawie krawędzi

Kontrola wizyjna OpenCV oparta na krawędziach, realizowana przez węzeł kamerowy klasy Raspberry Pi, sprawdza położenie etykiety przed sortowaniem na elementy zaakceptowane i odrzucone.

Następnie sterownik publikuje komunikat MQTT do węzła kamerowego Raspberry Pi. Niestandardowa procedura OpenCV wykonuje zdjęcie, mierzy odległość między wykrytymi krawędziami zakrętki i etykiety oraz sprawdza położenie względem ścisłej tolerancji. Wynik wraca do sterownika, a robot z przyssawką umieszcza element w pojemniku na produkty zaakceptowane lub odrzucone.

Milimetr, który nigdy nie był tylko milimetrem

Najtrudniejszym problemem było zatrzymywanie rolki etykiet w powtarzalnym położeniu. Wczesny napęd wykonywał polecenie zatrzymania, ale nadal poruszał się siłą rozpędu i pod wpływem energii resztkowej — czasami niemal o cal za daleko, co wystarczało, by zepsuć położenie kolejnej etykiety. Przeprojektowanie napędu z wykorzystaniem silnika krokowego NEMA 24 z przekładnią pozwoliło sterownikowi wydawać polecenie wykonania stałej liczby kroków dla każdej etykiety i zatrzymywać napęd bez dobiegu. Wniosek dotyczący stanowisk pakujących jest dobrze znany z hali produkcyjnej: powtarzające się błędy poniżej jednego milimetra zamieniają się w braki przy setkach cykli na godzinę.

Najpierw dokładność, potem maksymalna prędkość

Gotowe stanowisko pracuje z wydajnością około 450 zakrętek na godzinę — wystarczającą dla potrzeb AlgaeBarn. Przepustowość była mniej istotna niż jakość bez nadzoru. Operator ładuje zakrętki, uruchamia maszynę i wraca do innych obowiązków. Pusty podajnik lub inne usterki zatrzymują stanowisko i wywołują alarm, zamiast prowadzić do wytwarzania niepewnego produktu. W próbie obejmującej 100 zakrętek 98 elementów spełniło wymaganą tolerancję położenia; dwa odrzucono z powodu niewielkich błędów położenia przy celowo zachowawczych progach.

Projekt trwał około czterech miesięcy i był realizowany równolegle z innymi pracami automatyzacyjnymi. Zakończył cykliczne „imprezy naklejkowe” — choć niektórzy operatorzy żartowali, że brakuje im czasu na rozmowy — a jego przewidywane oszczędności wynoszą około 40 000–50 000 USD rocznie dzięki zmniejszeniu nakładów pracy i wyeliminowaniu przestojów. Szerszy wniosek dla mniejszych producentów jest taki, aby zaczynać od rzeczywistej potrzeby operacyjnej, dopasowywać czas i budżet do oczekiwanej wartości oraz przedkładać niezawodne sprzężenie zwrotne i powtarzalną jakość nad najszybszą maszynę katalogową. Powiązane projekty z zakresu pakowania i sterowania często są realizowane obok systemów PLC i PAC oraz torów czujnikowych, takich jak aparatura Honeywell, gdy zakłady później rozbudowują to samo stanowisko.

O autorze

Akash Chinthamanipeta | Inżynier robotyki i automatyzacji – AlgaeBarn

Akash Chinthamanipeta jest inżynierem robotyki i automatyzacji w firmie AlgaeBarn w Commerce City w Kolorado. Posiada tytuł magistra inżynierii mechanicznej uzyskany na University of Colorado Boulder, ze specjalizacją w dziedzinie robotyki i systemów sterowania.

Jak firma AlgaeBarn zautomatyzowała etykietowanie nakrętek za pomocą wewnętrznego systemu wizyjnego

AlgaeBarn zastąpiło ręczne „imprezy z naklejkami” na kapslach ogniwem za mniej niż 1000 USD, które ustawia kapsle, etykietuje je, kontroluje za pomocą OpenCV i sortuje około 450 kapsli na godzinę.

W AlgaeBarn, firmie z Kolorado produkującej żywe produkty akwakultury, takie jak widłonogi i fitoplankton, każda z dziewięciu linii produktowych wymaga własnej etykiety na zakrętkę. Przez lata oznaczało to organizowane co jakiś czas „imprezy naklejkowe”: trwające od jednej do dwóch godzin sesje, podczas których pracownicy z różnych działów odklejali etykiety i ręcznie umieszczali je na zakrętkach. Spotkania miały towarzyski charakter, ale odciągały operatorów, techników i inżynierów od podstawowych obowiązków — a gdy zapas oznakowanych zakrętek niespodziewanie się kończył, produkcję trzeba było zatrzymać i przygotować kolejną partię.

Wewnętrzne stanowisko AlgaeBarn do automatycznego etykietowania zakrętek ze szpulą etykiet i licznikami kontroli wizyjnej dobrych i wadliwych zakrętek

Wewnętrzne stanowisko AlgaeBarn do etykietowania: szpula etykiet, aluminiowa rama i umieszczone na biurku liczniki wizyjne dobrych i wadliwych zakrętek.

Inżynier robotyki i automatyzacji Akash Chinthamanipeta potraktował tę powtarzalną pracę jako problem produkcyjny, a nie zakupowy. Celem było stworzenie autonomicznego stanowiska, które orientowałoby każdą zakrętkę, naklejało etykietę, kontrolowało jej położenie oraz sortowało zaakceptowane i odrzucone elementy bez stałego nadzoru — przy zachowaniu niskiego kosztu sprzętu i kontroli procesu we własnym zakładzie.

Dlaczego budować, zamiast kupować

Komercyjne etykieciarki wiązały się z dwoma problemami: kosztem inwestycji i zamkniętą logiką sterowania. Wiele maszyn zakłada, że gdy konfiguracja jest prawidłowa, położenie etykiety pozostanie prawidłowe. Na działającej linii przesunięcie rolki etykiet lub podkładu po kilkuset cyklach może zmienić punkt odklejania na tyle, że kolejna naklejka zostanie umieszczona nieprawidłowo. AlgaeBarn zależało również na możliwości edycji logiki maszyny, aby stanowisko mogło rozwijać się wraz z produkcją. Większość mechaniki zaprojektowano w SOLIDWORKS, a bezpośredni koszt sprzętu utrzymano poniżej 1 000 USD. Budowa we własnym zakresie oznaczała, że można kontrolować każdą zakrętkę, zamiast polegać wyłącznie na początkowej konfiguracji mechanicznej.

Od luźnych zakrętek do skontrolowanych elementów

Operator wsypuje luźne zakrętki do podajnika windowego. Czujnik monitoruje tor podawania i uruchamia podajnik tylko wtedy, gdy potrzebne są kolejne zakrętki. Sam pasywny tor zapewnia orientowanie: prawidłowo osadzone zakrętki przechodzą do stanowiska etykietowania, a odwrócone spadają z powrotem do zasobnika — dzięki czemu nie jest potrzebny oddzielny aktywny orientator.

Podajnik przedstawia po jednej zakrętce naraz. Laser KEYENCE potwierdza obecność elementu, a sterownik uruchamia siłownik pneumatyczny, który pozycjonuje zakrętkę; czujniki kontaktronowe potwierdzają osiągnięcie końca skoku przed przejściem do kolejnego etapu. Silnik krokowy z przekładnią przesuwa rolkę etykiet wokół krawędzi odklejającej, dzięki czemu naklejka oddziela się od podkładu. Wspomagany podciśnieniem aplikator pneumatyczny pobiera etykietę i dociska ją do zakrętki, co ponownie potwierdza czujnik kontaktronowy.

Stos wizyjny OpenCV klasy Raspberry Pi używany do kontroli położenia na podstawie krawędzi

Kontrola wizyjna OpenCV oparta na krawędziach, realizowana przez węzeł kamerowy klasy Raspberry Pi, sprawdza położenie etykiety przed sortowaniem na elementy zaakceptowane i odrzucone.

Następnie sterownik publikuje komunikat MQTT do węzła kamerowego Raspberry Pi. Niestandardowa procedura OpenCV wykonuje zdjęcie, mierzy odległość między wykrytymi krawędziami zakrętki i etykiety oraz sprawdza położenie względem ścisłej tolerancji. Wynik wraca do sterownika, a robot z przyssawką umieszcza element w pojemniku na produkty zaakceptowane lub odrzucone.

Milimetr, który nigdy nie był tylko milimetrem

Najtrudniejszym problemem było zatrzymywanie rolki etykiet w powtarzalnym położeniu. Wczesny napęd wykonywał polecenie zatrzymania, ale nadal poruszał się siłą rozpędu i pod wpływem energii resztkowej — czasami niemal o cal za daleko, co wystarczało, by zepsuć położenie kolejnej etykiety. Przeprojektowanie napędu z wykorzystaniem silnika krokowego NEMA 24 z przekładnią pozwoliło sterownikowi wydawać polecenie wykonania stałej liczby kroków dla każdej etykiety i zatrzymywać napęd bez dobiegu. Wniosek dotyczący stanowisk pakujących jest dobrze znany z hali produkcyjnej: powtarzające się błędy poniżej jednego milimetra zamieniają się w braki przy setkach cykli na godzinę.

Najpierw dokładność, potem maksymalna prędkość

Gotowe stanowisko pracuje z wydajnością około 450 zakrętek na godzinę — wystarczającą dla potrzeb AlgaeBarn. Przepustowość była mniej istotna niż jakość bez nadzoru. Operator ładuje zakrętki, uruchamia maszynę i wraca do innych obowiązków. Pusty podajnik lub inne usterki zatrzymują stanowisko i wywołują alarm, zamiast prowadzić do wytwarzania niepewnego produktu. W próbie obejmującej 100 zakrętek 98 elementów spełniło wymaganą tolerancję położenia; dwa odrzucono z powodu niewielkich błędów położenia przy celowo zachowawczych progach.

Projekt trwał około czterech miesięcy i był realizowany równolegle z innymi pracami automatyzacyjnymi. Zakończył cykliczne „imprezy naklejkowe” — choć niektórzy operatorzy żartowali, że brakuje im czasu na rozmowy — a jego przewidywane oszczędności wynoszą około 40 000–50 000 USD rocznie dzięki zmniejszeniu nakładów pracy i wyeliminowaniu przestojów. Szerszy wniosek dla mniejszych producentów jest taki, aby zaczynać od rzeczywistej potrzeby operacyjnej, dopasowywać czas i budżet do oczekiwanej wartości oraz przedkładać niezawodne sprzężenie zwrotne i powtarzalną jakość nad najszybszą maszynę katalogową. Powiązane projekty z zakresu pakowania i sterowania często są realizowane obok systemów PLC i PAC oraz torów czujnikowych, takich jak aparatura Honeywell, gdy zakłady później rozbudowują to samo stanowisko.

O autorze

Akash Chinthamanipeta | Inżynier robotyki i automatyzacji – AlgaeBarn

Akash Chinthamanipeta jest inżynierem robotyki i automatyzacji w firmie AlgaeBarn w Commerce City w Kolorado. Posiada tytuł magistra inżynierii mechanicznej uzyskany na University of Colorado Boulder, ze specjalizacją w dziedzinie robotyki i systemów sterowania.

Zostaw komentarz

Pamiętaj, że komentarze muszą zostać zatwierdzone przed ich opublikowaniem.