В AlgaeBarn, расположенном в Колорадо производителе живых продуктов для аквакультуры, таких как копеподы и фитопланктон, для каждой из девяти продуктовых линеек нужна собственная этикетка на крышке бутылки. В течение многих лет это означало периодические «вечеринки с наклейками»: одно- или двухчасовые сессии, во время которых сотрудники из разных отделов отклеивали этикетки и вручную приклеивали их на крышки. Такие встречи носили социальный характер, но отвлекали операторов, техников и инженеров от основной работы. А когда запас крышек с этикетками неожиданно заканчивался, производство приходилось останавливать и изготавливать новые.

Внутренняя ячейка AlgaeBarn для нанесения этикеток: шпуля с этикетками, алюминиевая рама и установленные на столе счетчики годных и бракованных крышек на основе машинного зрения.

Инженер по робототехнике и автоматизации Акаш Чинтаманипета рассматривал эту повторяющуюся работу как производственную задачу, а не как вопрос закупки оборудования. Целью была автономная ячейка, способная ориентировать каждую крышку, наносить этикетку, проверять ее положение и сортировать годные и бракованные детали без постоянного надзора, сохраняя при этом стоимость оборудования и управление процессом внутри предприятия.

Почему решили сделать самостоятельно, а не купить

Коммерческие этикетировщики выявили две проблемы: капитальные затраты и закрытая логика управления. Многие машины предполагают, что после правильной настройки положение нанесения останется неизменным. На работающей линии смещение рулона этикеток или подложки после нескольких сотен циклов может настолько изменить точку отделения этикетки, что следующая наклейка будет установлена неправильно. AlgaeBarn также хотела иметь возможность редактировать логику машины, чтобы ячейка могла развиваться вместе с производством. Большая часть механики была спроектирована в SOLIDWORKS; прямые затраты на оборудование составили менее 1 000 долларов. Самостоятельная разработка позволила проверять каждую крышку, а не полагаться только на первоначальную механическую настройку.

От неориентированных крышек к проверенным деталям

Оператор загружает неориентированные крышки в подающий элеватор. Датчик контролирует подающий трек и включает элеватор только тогда, когда требуется больше крышек. Пассивный трек сам обеспечивает ориентацию: правильно установленные крышки проходят к станции нанесения этикетки, а перевернутые возвращаются в бункер, что позволяет обойтись без отдельного активного ориентора.

Лоток подает по одной крышке за раз. Лазер KEYENCE подтверждает ее наличие; контроллер включает пневматический цилиндр для позиционирования детали, а герконовые датчики подтверждают достижение конца хода, прежде чем последовательность продолжится. Шаговый двигатель с редуктором перемещает рулон этикеток вокруг кромки отделения, чтобы наклейка отделилась от подложки. Пневматический аппликатор с вакуумной поддержкой захватывает этикетку и прижимает ее к крышке; это действие также подтверждается герконовым датчиком.

Проверка на основе анализа краев в OpenCV на узле камеры класса Raspberry Pi контролирует положение этикетки перед сортировкой годных и бракованных деталей.

Затем контроллер публикует сообщение MQTT на узел камеры Raspberry Pi. Специальная процедура OpenCV захватывает изображение, измеряет расстояние между обнаруженными краями крышки и этикетки и проверяет положение в пределах жесткого допуска. Результат возвращается контроллеру, после чего робот с вакуумной присоской помещает деталь в бункер для годных или бракованных изделий.

Миллиметр, который никогда не был просто миллиметром

Самой сложной задачей было обеспечить остановку рулона этикеток в повторяемом положении. Ранний привод выполнял команду остановки, но продолжал двигаться по инерции из-за остаточной энергии — иногда почти на дюйм, чего было достаточно, чтобы испортить следующее нанесение. После перехода на шаговый двигатель NEMA 24 с редуктором контроллер смог задавать фиксированное число шагов для каждой этикетки и четко останавливать привод. Для упаковочных ячеек вывод, хорошо известный производственникам, очевиден: повторяющиеся ошибки менее миллиметра превращаются в брак при сотнях циклов в час.

Точность важнее максимальной скорости

Готовая ячейка работает примерно со скоростью 450 крышек в час — этого достаточно для потребностей AlgaeBarn. Производительность была вторична по отношению к качеству без постоянного участия оператора. Оператор загружает крышки, запускает машину и возвращается к другим задачам. При пустом подающем устройстве или другой неисправности ячейка останавливается и подает сигнал, вместо того чтобы выпускать продукцию с неопределенным качеством. В испытании на 100 крышках 98 деталей соответствовали допуску по положению; две были отбракованы из-за небольших отклонений при намеренно консервативных пороговых значениях.

Проект занял около четырех месяцев и выполнялся параллельно с другими работами по автоматизации. Он положил конец регулярным «вечеринкам с наклейками», хотя некоторые операторы шутили, что им не хватает времени на общение, и, по прогнозам, позволит ежегодно экономить примерно 40 000–50 000 долларов за счет сокращения трудозатрат и предотвращения простоев. Более общий вывод для небольших производителей заключается в том, чтобы начинать с реальной производственной потребности, соотносить время и бюджет с получаемой ценностью и отдавать предпочтение надежной обратной связи и стабильному качеству, а не самой быстрой серийной машине. Сопутствующие проекты по упаковке и управлению часто включают системы PLC и PAC и такие измерительные цепи, как оборудование Honeywell, когда предприятия позже расширяют ту же ячейку.