Jak naučit robota svářet na setiny milimetru

Nikoho už dnes nepřekvapí, že jsou současná auta nabitá špičkovou technologií. Bez nejmodernějších postupů se ale neobejde ani tak zdánlivě jednoduchá věc, jako je svařování karoserie z jednotlivých dílů. Naučit průmyslového robota svářet s přesností na setiny milimetrů a zkontrolovat preciznost výsledku byl úkol hodný umělé inteligence a neuronových sítí.


 

Bývaly doby, kdy se karoserie automobilů rodily pod rukama šikovných svářečů. Ani ten nejtalentovanější ale nedokáže to, co dnešní průmysloví roboti. Pracují neúnavně, s fantastickou přesností a v tempu, kterému by žádný člověk nestačil. I jejich práce se ale dá posunout ještě dál. A přesně to bylo tentokrát naším úkolem.

Jak velkou přesnost vlastně potřebujete při výrobě moderního auta? U něčeho tak velkého by člověk řekl, že milimetry budou plně dostačující — a v dobách, kdy se pracovalo manuálně, to také byla pravda. Zlomky milimetru se na více než čtyřmetrovém automobilu snadno skryly do tolerancí a s drobnými odchylkami se počítalo.

Dnes jsou ale nároky na auta mnohem přísnější. Navíc při montáži karoserie postupně prochází desítkami stanovišť (neboli buněk) a sebemenší chybičky se sčítají, nebo dokonce násobí. Milimetry už dávno nestačí. Průmysloví roboti musí být přesní ne na milimetry nebo jejich desetiny, ale na setiny milimetru.

Zapojení HD kamer a neuronových sítí

Donedávna byla přesnost jednotlivých robotů považována za dostatečnou záruku, že bude precizně zhotovený i celek. Nicméně právě potenciální sčítání chyb na desítkách po sobě následujících stanovišť (z nichž každé je osazeno několika roboty) vede k tomu, že dokonce ani standardní průmysloví roboti nejsou zárukou výsledku tak dokonalého, jak dnešní extrémní nároky automobilového průmyslu vyžadují.

Naším úkolem tak bylo vymyslet, navrhnout a především zprovoznit řešení, které by dokázalo nejen pomocí laserů a kamer přesně řídit pohyb robota, ale také odhalit či rovnou opravit případné chyby, ještě než se karoserie vydá na další stanoviště. Pro to byl dobrým důvodem i fakt, že řadu svárů už na hotové karoserii zkontrolovat ani nemůžete, protože jsou v jejích útrobách.

Vcelku pochopitelně také nemůžete takovou kontrolu svěřit člověku. Kromě toho, že by si s roboty vzájemně překáželi, nejsou lidé na takové úkoly dost rychlí a přesní. Naším řešením proto bylo využít pro navádění robotů a automatickou kontrolu svárů kamer a nejmodernějších nástrojů strojového vidění.

Když nelze vyvíjet v ostrém provozu, pomůže model

Výrobní linka v automobilce je prostředí, kde si nemůžete dovolit udělat chybu, a o jejích úpravách to platí dvojnásob. Jakékoliv zdržení výroby představuje obrovské náklady, a potřebné operace je proto možné dělat jen v časech, kdy linka stojí — tedy během několika málo půlhodinových přestávek během dne, o víkendech nebo celozávodní dovolené.

Jako první jsme si tedy potřebné technologie museli vyzkoušet „nanečisto“, v prostředí naší laboratoře. Potřebovali jsme technologii, která by dokázala změřit zhruba třímetrovou vzdálenost od kamery s přesností na 5 mikrometrů. Testovali jsme celou řadu řešení, včetně laserového dálkoměru a různých barev (vlnových délek) laserů pro triangulaci, silných světelných zdrojů a různých typů kamer.

Jak už to tak bývá, hotová řešení často nefungují dostatečně dobře a vy musíte přijít s nějakým kreativním nápadem. Tentokrát bylo navíc kromě přesnosti samotné výzvou i to, jak kamery, lasery a světla na daném stanovišti (buňce) rozmístit. Pracovali jsme se stísněným prostorem, ve kterém se nachází rozměrná karoserie auta a kolem ní se rychlostí několik metrů za sekundu pohybují obří ramena svařovacích robotů. Co by se stalo, kdyby jedno z nich zavadilo o kameru? To si asi dokážete představit. S řešením problému nám nakonec pomohl 3D model buňky. V něm jsme ve spolupráci s kolegy z oddělení CAD konstrukcí a z oddělení Digitální továrny a PLM systémů vše otestovali.

3D model našeho zařízení a robota

Učení se na datech

Jen změřit vzdálenost ale nestačí. Aby se robot dokázal za pomoci dat z laserů a kamer přesně zorientovat, nemůže se spoléhat na zadání, které mu někdo naprogramoval. Musí se to naučit, k čemuž potřebuje obrovské množství dat. Jakkoliv by se totiž mohlo zdát, že na orientaci ve svářecí buňce není nic těžkého — je to přece pořád stejné prostředí, se stejnými roboty a stejnými díly karoserie — není to tak docela pravda.

I uvnitř tovární haly se totiž mění světelné podmínky dle denní doby nebo počasí. Pro nás jsou to detaily, které ani nevnímáme, ale robot musí vědět, jak správně reagovat na různé stíny, odlesky a světelné anomálie. Poradit si navíc musí i s nečekanými situacemi, jako jsou odletující jiskry od svařování jinými roboty nebo nečekané změny na karoserii typu vyteklého lepidla či poškrábání povrchu.

Tohle všechno se nedá nasimulovat v laboratoři, a tak jsme potřebovali skutečná data. Nejdříve jsme proto několik měsíců přímo na lince sbírali vizuální podklady (fotografie). Může se to zdát jako dlouhá doba, ale jedině tak jsme mohli dát dohromady dostatek dat i pro nestandardní situace, které sice mohou nastat jen velmi zřídka, ale je zapotřebí na ně být připraven.

Získané fotografie jsme potom museli zpracovat a klasifikovat, aby se podle nich neuronová síť mohla „naučit“ rozpoznávat svary, identifikovat jejich polohu, tvar i rozměry. A následně samozřejmě také rozpoznat, jestli je svar dobrý, nebo špatný. Kromě této jednoduché odpovědi jsme ale dokázali i zpřesnit navádění robota a zkorigovat tak některé opakující se nepřesnosti, například když na jedné straně svaru vznikal stín.

Jde se do práce

Než se takový systém nasadí, musí se všechno důkladně otestovat. Zvláště to platí v našem případě, kdy bylo opravdu důležité vyhnout se jakémukoliv zpomalení, nebo dokonce zastavení linky. Až když jsme měli jistotu, že je všechno správně odladěné, mohli jsme se pustit do instalace naší technologie na samotnou linku.

To, jak už jsme zmiňovali, s sebou nese mnohé další výzvy. Protože nemůžete jen tak přijít a linku zastavit, abyste na ní něco upravili. Musíte čekat na vhodnou příležitost. Obědové pauzy vám stačí na kalibraci kamery nebo nasazení nové aplikace, větší úpravy musí počkat na víkend a opravdu rozsáhlé práce pak na celozávodní dovolenou, kdy se linka vždycky koncem léta na dva týdny zastaví úplně.

Ani tak ale při práci nikdy nejste na lince sami. Každé volné chvilky využívá údržba ke kontrole a testování zařízení, a všichni ostatní dodavatelé testují nebo nasazují nová vylepšení. I v rámci „volna“ tam tak může být pořádně rušno.

Instalace nového zařízení navíc není jen o tom, aby všechno po technické stránce fungovalo. Musíme si také získat důvěru lidí z obsluhy linky, protože právě oni budou naše zařízení používat a udržovat v provozu. A zatímco u vedoucích často převládá nadšení z nových technologií a možnosti zařadit se mezi pokroková pracoviště, která využívají neuronové sítě, u obsluhy samotné často převládne nedůvěra. Naším úkolem je tak i všechno důkladně vysvětlit a technické řešení srozumitelně představit ­– spokojenost zákazníka se totiž do značné odvíjí od spokojenosti obsluhy.

Co jsme si z toho odnesli?

Každá příležitost „osahat“ si další aspekt výroby automobilů je nesmírně cenná. Málokterý provoz na světě je tak komplexní a náročný na přesnost v čase i prostoru, jako je výrobní linka automobilky. Mít možnost podílet se na jejím vylepšení, a dokonce pomoci k tomu, aby udělala další významný krok v automatizaci, je něco výjimečného.

Zároveň pro nás tato zakázka znamenala možnost vyzkoušet si návrh opravdu komplexního řešení, které využívalo širokou paletu technických zařízení. Vedle kamer a řídicího počítače jsme používali čárové lasery pro určení hloubkové vzdálenosti, světla, která zajistí stabilnější světelné podmínky, digitální spínač pro zapínání světel a laserů, zdroje pro světla a rackovou skříň, do které jsme umístili všechny řídicí komponenty.

Především jsme si ale odnesli dobrý pocit z toho, že jsme mohli dále vylepšit něco už tak precizního a komplikovaného, a překonat další velkou výzvu.

         Pár slov o týmu, který učil průmyslového robota svářet

Tým automatizace měření a řízení je kompaktní tým 6ti seniorních lidí různých odborností. Všichni jsme sice programátoři, ale spíš hrajeme jakési dvojrole, programátor + něco… SW Architekt, robotik, matematik, elektrikář, test-designer a databázista.

Pokrýváme velmi široké portfolio tak, jak si to moderní automatizace žádá. Hlavních 5 témat je SCADA — měření a řízení rozsáhlých distr. systémů, Strojové vidění, Vývoj speciálních aplikací, Vývoj měřicích zařízení, Školení / konzultace

Zajímá vás ještě více detailů o tom, co náš tým dělá? Klikněte sem.

 

Seznamte se s MoBotem — novým druhem robota, který testuje displeje (nejen) v autech

Když se řekne testování aut, nejspíš si představíte odvážného testovacího jezdce řítícího se po zkušebním polygonu nebo desítky kilometrů ujeté pouštěmi, sněhem a nepohodou. Otestovat se ale musí i delikátnější části vozu. Třeba dotykové displeje. A protože i to je práce náročná a především zdlouhavá, vyvinuli jsme na ni robota jménem MoBot.

Číst více

Digital IT: Oddělení, které se stará o inovace a automatizaci

Aplikace Můj T-Mobile, e-shop s tarify a mobilním zařízením, online samoobsluha Moje Firma. To jsou jen ty nejznámější platformy, které vyvíjí a spravuje naše Digital IT. Hlavní úkol, se kterým se oddělení dennodenně potýká, je odlehčit nápor na náš back-office. Jak to dělá? Skrze technologické novinky a inovace. Nakoukněte do zákulisí moderního oddělení Digital IT.

Číst více