V potravinářském průmyslu je hygienický primární obal citlivých nekrytých potravin velmi důležitý. Pro umožnění tohoto procesu v robotické buňce spolupracuje společnost SICK s výrobcem robotů, firmou Stäubli. 3D Machine Vision TriSpectorP1000 od firmy SICK a čtyřosý robot FAST picker TP80 he od firmy Stäubli společně řeší kompletovací procesy na běžícím dopravníkovém pásu. 3D díly jsou přitom lokalizovány prostřednictvím aplikace Belt-Picking-SensorApp a implementovány pomocí SICK AppSpace. V příslušných případech užití byly úspěšně tříděny krevety nebo placičky v obalech.
3D lokalizace pomocí Belt-Picking-SensorApp pro úlohy pick-and-place
29.7.2019
Jak potravinářský, tak i farmaceutický průmysl mají četné požadavky na třídění a orientaci malých objektů v hygienickém procesu balení. Díky pilotnímu projektu realizovanému společně s firmou Stäubli pro třídění krevet pomocí FAST picker TP80 he na běžícím dopravníkovém pásu v kombinaci s TriSpectorP1000 otevírá společnost SICK rozmanitou oblast použití: saláty, placičky nebo klobásky – programovatelný TriSpectorP1000 lze používat v četných aplikacích. 3D technologie se obzvláště dobře hodí pro tvarově nestálé a výškově variabilní objekty a pro detekci dvou vrstev. Ve spojení s enkodérem detekuje senzor bezpečně a přesně polohu každého jednotlivého objektu. Po trojrozměrném snímání pozice jednoho kusu se přesné souřadnice přenesou do FAST picker TP80 he. Tato vakuová robotická ruka pak jednotlivě uchopí krevety z pásu a vloží je podle stanoveného vzoru balení do přepravního obalu. Čtyřosé robotické rameno obvykle stihne více než 200 úkonů za minutu. V této konkrétní aplikaci není nutná maximální rychlost – robot přesto vytřídí více než 60 krevet za minutu.
TriSpectorP1000 snímá pozici výrobků pomocí takzvané laserové triangulace, takže lze vypočítat také výšku a objem. To má zvláštní význam zejména při balení organických výrobků, jejichž velikost se mění. Navíc lze v tomto případě na základě výpočtu objemu vyřadit příliš malé krevety. FAST picker TP80 he kromě toho využívá tato měřená data pro vytvoření vzhledově pěkného uspořádání v přepravním obalu a ke sjednocení hmotností balení.
Dobré perspektivy pro budoucnost: individuálně přizpůsobená řešení 3D Machine Vision díky SICK AppSpace
Na perspektivě záleží: díky 3D lokalizaci může robot při třídění nezávisle na kontrastní situaci detekovat prostorovou polohu objektu a zamezit kolizím s objektem a z toho vyplývajícím následným škodám. Společnost SICK přitom díky SICK AppSpace nabízí individuálně přizpůsobená řešení 3D Machine Vision pro flexibilní automatizaci. SICK AppSpace je ekosystém softwarových nástrojů, který integruje rostoucí počet programovatelných přístrojů na bázi technologií 2D a 3D Vision Machine, RFID a LiDAR. Pomocí funkcí, které nabízí programovací rozhraní (API), jsou vyvíjeny takzvané SensorApp.
U sady nástrojů Belt Pick od společnosti SICK se jedná o specializovanou SensorApp pro lokalizaci objektů na dopravníkovém pásu, která se zde také používá. TriSpectorP1000 se tak díky SensorApp přeměňuje na 3D Belt Picking senzor. To obsahuje vynikající perspektivy pro budoucnost. Bez ohledu na to, zda jde o klobásky nebo léky: změna výrobků vyžaduje při podobných mechanických rozměrech jen drobné nebo žádné úpravy. Takové změny vybavení se díky SICK AppSpace přepnou v TriSpectorP1000 digitálně, což zefektivňuje celou manipulaci s balicími linkami.
Andreas Behrens
Head of Product Management Identification & Vision
Andreas Behrens zajišťuje se svým týmem mimo jiné progresivní rozšiřování palety výrobků v oblasti technologie pro identifikaci a průmyslové zpracování obrazu v souladu s požadavky trhu. Tento elektrotechnický inženýr pracuje ve firmě od roku 2010 a je skutečným specialistou v oblasti senzorů: jako Head of Market Product Management spravoval kompletní portfolio společnosti SICK pro všechny obory a technologie.
