Bloga geri dön

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 sınıflandıran 1.000 doların altındaki bi...

Canlı su ürünleri, örneğin kopepod ve fitoplankton üreten Colorado merkezli AlgaeBarn’de, dokuz ürün serisinin her biri için kendi şişe kapağı etiketi gerekiyor. Yıllarca bu durum, çalışanların etiketleri soyup elle yerleştirdiği, şirketin farklı bölümlerinden personelin katıldığı bir-iki saatlik “etiket partileri” anlamına geliyordu. Bu buluşmalar sosyal olsa da operatörleri, teknisyenleri ve mühendisleri asıl işlerinden uzaklaştırıyordu; etiketli kapak stoğu beklenmedik şekilde tükendiğinde ise üretimin durdurulup daha fazla etiketli kapak hazırlanması gerekiyordu.

Etiket makarası ve iyi/kötü kapaklar için görsel kalite sayaçları bulunan AlgaeBarn şirket içi kapak etiketleme hücresi

AlgaeBarn’in şirket içinde geliştirdiği etiketleme hücresi: etiket makarası, alüminyum çerçeve ve iyi/kötü kapaklar için masa üstü görsel sayaçlar.

Robotik ve otomasyon mühendisi Akash Chinthamanipeta, tekrarlanan bu işi bir satın alma çalışması olarak değil, üretim sahasına ait bir problem olarak ele aldı. Amaç; her kapağı yönlendiren, etiketi uygulayan, yerleşimi denetleyen ve kabul edilen parçaları reddedilenlerden sürekli gözetim gerektirmeden ayıran otonom bir hücre geliştirmekti. Üstelik donanım maliyeti ve proses kontrolü tesis içinde tutulacaktı.

Neden satın almak yerine üretmek?

Ticari etiketleme makineleri iki sorun ortaya çıkardı: sermaye maliyeti ve kapalı mantık. Birçok makine, kurulum doğru olduğunda yerleşimin de doğru kalacağını varsayar. Aktif bir üretim hattında, birkaç yüz çevrimden sonra etiket rulosunun veya taşıyıcı astarın kayması, sıyırma noktasını etiketi bir sonraki çıkartmanın yanlış yerleşeceği kadar değiştirebilir. AlgaeBarn ayrıca hücrenin üretimle birlikte geliştirilebilmesi için düzenlenebilir makine mantığı istiyordu. Mekanik parçaların çoğu SOLIDWORKS’te tasarlandı; doğrudan donanım maliyeti 1.000 doların altında kaldı. Şirket içinde geliştirmek, yalnızca ilk mekanik kuruluma güvenmek yerine her kapağın denetlenebilmesini sağladı.

Dağınık kapaklardan denetlenmiş parçalara

Bir operatör dağınık 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 oturan kapaklar etiketleme istasyonuna ilerlerken ters duran kapaklar hazneye geri düşer. Böylece ayrı bir aktif yönlendiriciye gerek kalmaz.

Bir tepsi her seferinde tek bir kapağı sunar. Bir KEYENCE lazeri kapağın varlığını doğrular; kontrolör, parçayı konumlandırmak için pnömatik bir silindiri çalıştırır ve sekans devam etmeden önce reed anahtarları strok sonunu doğrular. Dişli bir step motor, etiketin taşıyıcı astardan ayrılmasını sağlamak için etiketi soyma kenarının çevresinde ilerletir. Vakum destekli pnömatik aplikatör etiketi alıp kapağın üzerine bastırır; bu işlem de yine bir reed anahtarıyla doğrulanır.

Kenar tabanlı yerleşim kontrolleri için kullanılan Raspberry Pi sınıfı OpenCV görsel sistemi

Raspberry Pi sınıfı kamera düğümündeki kenar tabanlı OpenCV denetimi, kabul/red ayırmasından önce etiket yerleşimini kontrol eder.

Kontrolör daha sonra Raspberry Pi kamera düğümüne bir MQTT mesajı gönderir. 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; vakumlu tutuculu bir robot parçayı kabul veya red haznesine yerleştirir.

Asla yalnızca bir milimetre olmayan bir milimetre

En zor problem, etiket rulosunu tekrarlanabilir bir konumda durdurmaktı. İlk tahrik sistemi dur komutuna uyuyor, ancak kalan enerji ve atalet nedeniyle hareketine devam ediyordu; bazen neredeyse bir inçlik aşım oluşuyor ve bir sonraki yerleşim bozuluyordu. Dişli NEMA 24 step motor etrafında yapılan yeniden tasarım, kontrolörün her etiket için sabit bir adım sayısı komutlandırmasını ve temiz biçimde durmasını sağladı. Paketleme hücreleri için üretim sahasında iyi bilinen ders şudur: tekrarlanan milimetrenin altındaki hatalar, saatte yüzlerce çevrimde hurdaya dönüşür.

Maksimum hızdan önce doğruluk

Tamamlanan hücre saatte yaklaşık 450 kapak işler; bu hız AlgaeBarn’in talebi için yeterlidir. Üretim hızı, gözetimsiz kaliteye kıyasla ikinci plandaydı. Operatör kapakları yükler, makineyi başlatır ve diğer işlerine döner. Beslemenin boşalması veya diğer arızalar hücreyi durdurur ve belirsiz ürün üretmek yerine uyarı gönderir. 100 kapaklık bir denemede 98 parça yerleşim toleransını karşıladı; iki parça, bilerek ihtiyatlı belirlenen eşikler altındaki küçük konum hataları nedeniyle reddedildi.

Proje, diğer otomasyon çalışmalarıyla birlikte yaklaşık dört ay sürdü. Tekrarlanan etiket partilerini sona erdirdi; bazı operatörler sohbet zamanını özlediklerini şakayla karışık söylese de yılda yaklaşık 40.000–50.000 dolar işçilik ve önlenen kesintilerden tasarruf sağlaması bekleniyor. Daha küçük üreticiler için genel çıkarım, gerçek bir operasyonel ihtiyaçtan yola çıkmak, süre ve bütçeyi elde edilecek değere göre belirlemek ve katalogdaki en hızlı makine yerine güvenilir geri bildirim ile tekrarlanabilir kaliteyi tercih etmektir. Tesisler aynı hücreyi daha sonra genişlettiğinde, ilgili paketleme ve kontrol çalışmaları genellikle PLC ve PAC sistemleri ile Honeywell enstrümantasyonu gibi sensör hatlarının yanında konumlanır.

Yorum bırakın

Lütfen unutmayın, yorumların yayınlanmadan önce onaylanması gerekmektedir.