基於模型分析與曲線擬合之去毛邊工序3D軌跡線上提取技術及其應用

作者:

黃成凱、陳祉翔、麥朝創

刊登日期:2022/02/24

摘要:目前自動化去毛邊大多以離線編程方式產生加工軌跡,但礙於機械手臂不具有良好的精度、且工件尺寸存在誤差而容易使加工結果不如預期,因此大多仍以人力執行為主。本文提出去毛邊軌跡提取方法,以曲線擬合方式進行毛邊檢測並產生加工路徑:透過線性輪廓掃描感測器,取得輪廓二維資訊並與CAD模型比對進行曲線擬合以檢測毛邊位置並產生加工軌跡,解決現有方法須人工調教或3D點雲分析耗時而無法即時追蹤之限制,即時補償路徑與尺寸偏差提升加工品質。
Abstract:Currently, most of the automated deburring trajectories are generated by the offline programming method, but the process results are not as expected due to lack of accuracy of the robotic arm, and the workpiece dimension errors. Hence the deburring process still relies on manpower. This article proposes a deburring trajectory generation method to detect the burr region and generate the trajectory by curve fitting: (1) using a linear contour scanning sensor to obtain the 2D contour information; (2) comparing with the CAD model to detect the burr position then generate the processing trajectory. This method solves the limitations of the existing methods that require manual adjustment or 3D point cloud analysis that is time-consuming and cannot be tracked in real time. The trajectory and workpiece dimension deviations can be compensated in real-time to improve the processing quality.

關鍵詞:自動化去毛邊、線上軌跡識別、隨機抽樣曲線擬合
Keywords:Automatic deburring, On-line trajectory recognition, Random sampling curve fitting

前言
根據IFR(International Federation of Robotics,國際機器人聯合會)調查報告指出,機械手臂的自動化應用需求日益提升,年複合成長率達到19%,年產值已經達到165億美元。根據工研院產科國際所分析IFR [1]與IMF [2]的報告可知,一個國家的工業機器人密度,間接構成了該國的人均產值和製造能力水準:以德國跟日本為例,工業機器人密度每提高1倍,人均產值平均可提高0.5倍,但反觀臺灣,機器人密度提高1倍,人均產值卻僅增加19%,其原因為國內仍以上下料應用為主,使得機器人密度之提升對於人均產值之幫助較不明顯。國內機械手臂投入高階應用比例較低之主要原因為產業以中小企業為主,難以負擔導入高階應用的龐大資金與技術人員的培養;以去毛邊加工而言,若欲導入自動化則需要將機械手臂執行一連串的校正補償,並搭配力量控制裝置與離線編程軟體才可產生軌跡,其軟硬體成本數百萬台幣以上,且成本與效率難以滿足產業需求,因此仍以人力加工為主。雖然國內加工應用以人力執行為主,但卻有著相當高的產值,以金屬成型廠生產的自行車前叉為例,年產量約400萬隻。目前金屬壓鑄成型後之去毛邊工序皆以人力外包為主,現階段將400萬支前叉分包給4家代工廠進行去毛邊,每年約需花費上千萬之製造成本;雖然這幾家分包廠因為執行去毛邊加工,可以有數百至數千萬之營收,但扣除成本後(人力成本約佔80%)獲利極少,且近年來,年輕人不願意投入製造業,外勞也不願意從事相關工作,各個外包廠亦開始面臨缺工問題,因此該金屬成型廠亦已投入自動化去毛邊效益之評估。
對於金屬、塑膠之成型、切削加工來說,「去毛邊」是最大勞工成本,但自動化程度幾乎是最低的。現有自動化去毛邊系統執行動作前須先針對自動化載具進行機構本體校正、工具中心與工具軸向校正、待加工物件與載具之相對關係校正,並執行一連串的離線編程軟體設定產生加工路徑,加工時再透過力量控制裝置補償機械手臂動態誤差與工件尺寸變異。現今製造業從規模經濟的大量生產走向B2C客製化少量多樣訂單模式,如何快速產生加工路徑來適應新商品,為去毛邊智慧製造的最後一哩路。現有自動化去毛邊技術在客製化少量多樣生產的訂單模式下,主要關鍵瓶頸如下:
  1.針對各款式工件離線規劃路徑與人工調適耗工費時,無法滿足製造業快速更換產品之客製化生產需求。
  2.成型製程中,塑膠射出成型、金屬鑄造成型等工序受環境影響,加工尺寸變異大,工件難以保持固定尺寸,使得預先產生的加工路徑無法適用於所有工件。
對於高度客製化製造模式來說,針對少量的工件離線編程產生加工軌跡、手動調適路徑(3hr-8hr/件),耗工費時難以導入。本文朝向全自主線上毛邊檢測、路徑生成為訴求,以減少自動化調適耗時問題,提出自動化去毛邊軌跡提取技術,以曲線擬合方式檢測毛邊位置:檢測時以工件CAD模型與線性輪廓掃描感測器掃描之曲線資訊進行曲線擬合,求得輪廓邊界曲線方程式,再透過所得之方程式檢測毛邊分布並產生加工點資訊,快速修正加工軌跡以自適應工件尺寸偏差並補償動態軌跡誤差,大幅提高自動化去毛邊加工系統之製造彈性。
在毛邊檢測與線上路徑生成方法相關研究方面,目前已有許多學者投入研究,但現有的方法大多透過Pattern Match [3-8]、力量感測 [9-10]、條紋檢測 [11-12]、稜線辨識[13-14]、以3D量測設備進行閉迴路補償等方法進行[15],所提出的方法大多僅能應用於加工邊線之毛邊檢測,無法應用於合模線、澆口、冒口等曲面區域以及不規則且不連續之毛邊辨識,因此目前仍無法有效應用於各類型工序後之毛邊去除。本文提出毛邊檢測與自動化去毛邊軌跡提取方法,以此方法進行毛邊線上檢測並提取去毛邊加工之軌跡點,即可以毛邊軌跡追蹤之方式補償機械手臂動態精度與工件尺寸變異。
去毛邊工序3D軌跡線上生成
金屬加工製程中,不論以鑄造、切削、鍛造或其他形式執行加工,其加工過程皆會在工件表面產生毛邊而需執行去毛邊之動作。由於透過機械手臂執行去毛邊存在許多變異量(如鑄造件尺寸誤差大、毛邊不規則分佈、機械手臂動態軌跡精度不佳等),因此加工後去毛邊製程大部分仍仰賴老師傅之經驗與技術進行人工去除;雖然目前已有機械手臂執行去毛邊之解決方案,但其自動化成本高且調校耗時,須培養足夠的技術人員以執行各種前置作業之流程,使得目前機械手臂去毛邊工序難以大量應用於產業界。本文提出一種毛邊檢測與自動化去毛邊軌跡提取方法,利用自動化載具、去毛邊刀具與線性輪廓掃描感測器配合實現:先透過曲線擬合之方式由CAD模型分析斷面輪廓提取曲線數學模型,再以線性掃描資訊進行曲線擬合取得邊界方程式以檢測並生成去毛邊路徑,以此方法進行毛邊線上檢測並提取去毛邊加工之軌跡點,即可以毛邊軌跡追蹤之方式補償機械手臂動態精度與工件尺寸變異。其流程共分為三部分:(1)CAD斷面輪廓特徵提取與輪廓邊界曲線數學模型匹配(S110、S120);(2)線性輪廓掃描之輪廓邊界曲線方程式擬合(S130、S140);(3)毛邊檢測與去毛邊路徑點生成(S150、S160)。其流程圖如圖1所示:

圖1 去毛邊工序3D軌跡線上生成流程

…本文未結束

更完整的內容 歡迎訂購 2022年3月號 468期
機械工業雜誌‧每期220元‧一年12期2200元

我要訂購