AlgaeBarn, Kapak Etiketleme İşlemini Şirket İçi Makine Görüşüyle Nasıl Otomatikleştirdi?
AlgaeBarn, elle yapılan kapak “etiketleme partilerinin” yerini alan; kapakları yönlendiren, etiketleyen, OpenCV ile denetleyen ve saatte yaklaşık 450 kapağı ...
Kopepodlar ve fitoplankton gibi canlı su ürünleri üreten Colorado merkezli AlgaeBarn’de, dokuz ürün hattının her biri için ayrı bir şişe kapağı etiketi gerekiyor. Yıllarca bu, periyodik “etiket partileri” anlamına geliyordu: Şirketin farklı bölümlerinden çalışanların etiketleri soyup elle yerleştirdiği, bir ila iki saat süren oturumlar. Bu buluşmalar sosyal olsa da operatörleri, teknisyenleri ve mühendisleri asıl işlerinden uzaklaştırıyordu. Etiketlenmiş kapak stoğu beklenmedik şekilde tükendiğinde ise üretimin durdurulup daha fazla etiketli kapak hazırlanması gerekiyordu.
AlgaeBarn’ın şirket içinde geliştirdiği etiketleme hücresi: etiket makarası, alüminyum çerçeve ve iyi/kötü kapaklar için masa üstü görsel sayaçlar.
Robotik ve otomasyon mühendisi Akash Chinthamanipeta, bu tekrarlı işi bir satın alma konusu olarak değil, üretim alanına ait bir problem olarak ele aldı. Amaç; her kapağı yönlendirebilen, etiketi uygulayabilen, yerleşimi denetleyebilen ve kabul edilen parçaları reddedilenlerden sürekli gözetim gerektirmeden ayırabilen otonom bir hücre geliştirmekti. Aynı zamanda donanım maliyeti ile proses kontrolü tesis içinde tutulacaktı.
Satın almak yerine neden üretildi?
Ticari etiketleme makineleri iki sorun ortaya çıkarıyordu: yatırım maliyeti ve kapalı kontrol mantığı. Birçok makine, kurulum doğru olduğunda yerleşimin de doğru kalacağını varsayar. Ancak çalışan bir hatta, birkaç yüz çevrimden sonra etiket rulosu veya taşıyıcı kâğıt kaydığında soyma noktası yeterince yer değiştirerek bir sonraki etiketin yanlış konumlanmasına neden olabilir. AlgaeBarn ayrıca üretim geliştikçe düzenlenebilecek bir makine mantığı istiyordu. Mekanik parçaların çoğu SOLIDWORKS’te tasarlandı; doğrudan donanım maliyeti 1.000 doların altında kaldı. Sistemi şirket içinde geliştirmek, yalnızca ilk mekanik kuruluma güvenmek yerine her kapağın denetlenebilmesini sağladı.
Gevşek kapaklardan denetlenmiş parçalara
Bir operatör gevşek kapakları besleme elevatörüne döker. Bir sensör besleme rayını izler ve elevatörü yalnızca daha fazla kapağa ihtiyaç olduğunda çalıştırır. Pasif rayın kendisi pasif yönlendirme sağlar: doğru şekilde oturan kapaklar etiketleme istasyonuna ilerlerken ters duran kapaklar hazneye geri düşer. Böylece ayrı bir aktif yönlendiriciye gerek kalmaz.
Bir tabla her seferinde tek bir kapağı konumlandırır. Bir KEYENCE lazeri parçanın mevcut olduğunu doğrular; kontrolör, parçayı konumlandırmak için pnömatik silindiri çalıştırır ve dizi devam etmeden önce reed anahtarları strok sonuna ulaşıldığını doğrular. Dişli bir step motor, etiketin taşıyıcı kâğıttan ayrılmasını sağlamak üzere etiketi soyma kenarının çevresinden ilerletir. Vakum destekli pnömatik aplikatör etiketi alıp kapağa bastırır; bu işlem de yine bir reed anahtarıyla doğrulanır.
Raspberry Pi sınıfı bir kamera düğümünde çalışan kenar tabanlı OpenCV denetimi, kabul/red ayırmasından önce etiket yerleşimini kontrol eder.
Kontrolör daha sonra Raspberry Pi kamera düğümüne bir MQTT mesajı yayımlar. Özel bir OpenCV rutini görüntüyü alır, algılanan kapak ve etiket kenarları arasındaki mesafeyi ölçer ve yerleşimi sıkı bir toleransa göre kontrol eder. Sonuç kontrolöre geri döner ve vantuzlu bir robot parçayı kabul veya red haznesine yerleştirir.
Asla yalnızca bir milimetre olmayan bir milimetre
En zor problem, etiket rulosunun tekrarlanabilir bir konumda durdurulmasıydı. İlk tahrik sistemi dur komutuna uyuyordu, ancak kalan enerji ve atalet nedeniyle hareket etmeye devam ediyor, bazen neredeyse bir inçlik bir aşma yapıyordu. Bu da bir sonraki yerleşimi bozmak için yeterliydi. Dişli bir NEMA 24 step motor etrafında yapılan yeniden tasarım, kontrolörün etiket başına sabit bir adım sayısı komutlamasını ve temiz biçimde durmasını sağladı. Paketleme hücreleri için üretim alanında sıkça görülen ders şudur: Saatte yüzlerce çevrimde tekrarlanan milimetrenin altındaki hatalar hurdaya dönüşür.
Maksimum hızdan önce doğruluk
Tamamlanan hücre saatte yaklaşık 450 kapak işler; bu hız AlgaeBarn’ın talebi için yeterlidir. Gözetimsiz kalite, üretim hızından daha öncelikliydi. Operatör kapakları yükler, makineyi çalıştırır ve diğer işlerine döner. Beslemenin boşalması veya başka arızalar hücreyi durdurur ve belirsiz ürün üretmek yerine uyarı verir. 100 kapaklık bir denemede 98 parça yerleşim toleransını karşıladı; iki parça ise bilerek muhafazakâr eşikler altında kalan küçük konum hataları nedeniyle reddedildi.
Proje, diğer otomasyon çalışmalarıyla paralel olarak yaklaşık dört ay sürdü. Tekrarlanan etiket partilerini sona erdirdi; bazı operatörler sohbet zamanını özlediklerini şakayla karışık söylese de, projenin iş gücü ve önlenen kesintiler sayesinde yılda yaklaşık 40.000–50.000 dolar tasarruf sağlaması bekleniyor. Daha küçük üreticiler için genel çıkarım şudur: Gerçek bir operasyonel ihtiyaçtan başlayın, zaman ve bütçeyi elde edilecek değere göre belirleyin ve katalogdaki en hızlı makine yerine güvenilir geri bildirim ile tekrarlanabilir kaliteyi tercih edin. Tesisler aynı hücreyi daha sonra genişlettiğinde, ilgili paketleme ve kontrol uygulamaları genellikle PLC ve PAC sistemleri ile Honeywell enstrümantasyonu gibi sensör yollarının yanında konumlanır.
Yazar hakkında
Akash Chinthamanipeta | Robotik ve Otomasyon Mühendisi – AlgaeBarn
Akash Chinthamanipeta, Colorado, Commerce City’deki AlgaeBarn’de robotik ve otomasyon mühendisi olarak görev yapmaktadır. Robotik ve kontrol sistemleri odaklı makine mühendisliği yüksek lisans derecesini University of Colorado Boulder’dan almıştır.