Om du läser det här, är chansen stor att du har spenderat alldeles för mycket tid på att felsöka sexaxlig robotvägplanering - se att din bot slösar energi, missar cykeltider eller hamnar mitt i uppgiften eftersom vägen från punkt A till punkt B är mer av en slingrande väg än en rak, smart rutt. Som leverantör av dessa små arbetshästar har jag själv sett hur dålig vägplanering kan döda ett projekt. Vi har fått samtal från tillverkare som tyckte att deras CR920 inte presterade, bara för att inse att dess väg var optimerad för "säkerhet" istället för hastighet och effektivitet. Om du är i den båten, låt oss dela upp hur man faktiskt optimerar sexaxlig cobot-vägplanering utan att överkomplicera det.
Låt oss först göra något rakt av: vägplanering för sexaxliga cobots handlar inte bara om att ta sig från punkt X till punkt Y. Det handlar om att ta hänsyn till varje led, nyttolast och miljövariabel som gör din cobot unik. Till skillnad från industrirobotar som lever i burar, måste kollaborativa bots arbeta runt människor, delar och ibland din befintliga utrustning, så optimering måste balansera hastighet, säkerhet och energianvändning. Jag skulle hävda att det största misstaget jag ser kunder gör är att som standard använder cobotens inbyggda sökväg istället för att justera den för deras specifika uppgift. Till exempel kan en plocka-och-place-uppgift som fungerar utmärkt på en simulator förvandlas till en trög, energitung röra på verkstadsgolvet eftersom du inte justerade för 5 kg nyttolasten av delarna du flyttar.
Låt oss börja med grunderna: kinematisk parameterinställning. Sexaxliga cobots har sex leder, var och en med sitt eget räckvidd, hastighetsgräns och acceleration. Om du bara använder standardgränserna för led, lämnar du prestanda på bordet. De flesta cobot-kontroller låter dig justera "joint velocity scaling" och "acceleration smoothing", men de flesta ställer in det och glömmer det. Så här är det: högre acceleration är inte alltid bättre. Om din väg har snäva svängar kan en för hög acceleration få boten att rycka, vilket inte bara slösar energi utan också belastar lederna med tiden. Vi har haft kunder som minskar sin cykeltid med 15 % bara genom att slå in acceleration per led istället för att använda en global inställning. För CR-seriens cobots (somCR1400 Collaborative Robot), är detta en spelomvandlare eftersom deras kinematiska design låter enskilda leder röra sig oberoende utan att offra den övergripande stabiliteten. CR1400:s lätta ram är byggd för den typen av finjustering, så du behöver inte kompromissa med styrkan för att få bättre vägflöde.
Nästa upp: undvikande av hinder som faktiskt fungerar (nej, inte grundinställningen). Många av de värsta ögonblicken för cobot-vägplanering kommer från det "slumpmässiga stoppet" när boten tror att den är nära en människa, eller den slår in i en dold del av din maskin. De generiska algoritmerna för undvikande av hinder passar alla, men om du kartlägger din arbetsyta korrekt kan du optimera vägar för att undvika hinder proaktivt istället för att reagera på dem. Så här gör du: använd din cobots teach-pendel för att registrera alla fasta hinder (transportörer, arbetsstationer, till och med nätsladdar) i arbetsytan. De flesta moderna sexaxliga cobot-kontroller låter dig importera den här kartan, så att vägplaneraren kan beräkna en rutt som hoppar över dessa hinder innan boten börjar röra sig. För dynamiska hinder (som en människa som arbetar i närheten), ställ in en anpassad säkerhetszon – i stället för en 1 m bubbla runt hela boten, skapa en mindre zon nära verktygspunkten där faktisk kontakt sker. På så sätt saktar inte boten ner för en människa som står 2 meter bort, vilket håller vägens effektivitet uppe utan att kompromissa med säkerheten. Vi har sett detta fungera särskilt bra med de energibesparande modellerna, somEnergisparande CR920 Collaborative Robot, eftersom att undvika onödiga stopp minskar energianvändningen. CR920:s motordesign är byggd för att minska tomgångsenergin, så när din väg undviker plötsliga stopp får du ännu fler besparingar.
Sedan finns det rörelseplanering för nyttolast och verktyg. Detta är en supervanlig död fläck. Din cobots väg förändras helt beroende på vilket verktyg den håller och hur tung nyttolasten är. Till exempel ändrar en gripare som väger 2 kg tyngdpunkten (CoG) för ändeffektorn, vilket innebär att lederna måste arbeta hårdare för att röra sig. Om du inte uppdaterar vägplaneraren med den nya CoG kommer du att få ojämn rörelse, högre energianvändning och till och med minskad noggrannhet. Lösningen är enkel: när du byter verktyg eller nyttolaster, kör en snabb CoG-kalibrering på coboten. De flesta sexaxliga modeller, somEnergisparande CR620 Collaborative Robot, har en entryckskalibreringsfunktion för detta. Vi hade en kund som växlade mellan en 3 kg vakuumgripare och en 5 kg mekanisk gripare och såg deras bana hoppa med 20 % - tills de gjorde en CoG-kalibrering. Plötsligt jämnade deras väg ut, energianvändningen minskade och de behövde inte lära ut varje waypoint igen. CR620:s flexibla nyttolastkapacitet gör den perfekt för den här typen av snabba förändringar, så att optimera banor för olika verktyg känns inte som ett jobb.
Vänta, låt oss prata om smidighet. Nej, jag menar inte att köra på en slät väg - jag menar stigens bana. Sexaxliga cobots rör sig i linjära eller ledbaserade banor, men linjära banor (som rör sig rakt från en punkt till en annan) är mycket mer effektiva bara om de inte kräver skarpa ledsvängar. Ledbaserade banor kan se slumpmässiga ut, men de resulterar ofta i mjukare rörelser eftersom de prioriterar varje leds naturliga räckvidd. De värsta vägarna är de som växlar mellan linjär och gemensam rörelse mitt i uppgiften, vilket får boten att slingra sig. De flesta kontroller har en "bana utjämning"-inställning som låter dig justera hur nära boten följer waypoints. Om du vevar detta för högt, kommer du att få taggiga stigar; för lågt och du lägger till onödigt avstånd till banan. Vi rekommenderar att du ställer in det till ett värde mellan 5-15 % för de flesta uppgifter, men testa det med din specifika cobot. För längre sträckor, somCR1600 Collaborative Robot, banutjämning är extra viktig eftersom den längre armen är mer benägen att vinkla om stigarna är taggiga. CR1600:s utökade räckvidd är utformad för att bibehålla stabilitet även med jämna, optimerade banor, så att du inte behöver stressa över noggrannheten när du justerar den inställningen.
Ett annat underskattat trick: att använda simulering före implementering. Jag vet, jag vet-"simulering tar tid!" Men hur mycket tid lägger du på att fixa en stig som inte fungerar på golvet? De flesta sexaxliga cobotleverantörer erbjuder simuleringsverktyg som låter dig mata in din arbetsyta, nyttolast och uppgifter och sedan testa olika vägplaner utan att flytta en enda del. Detta låter dig upptäcka kollisioner, ineffektivitet eller överbelastade leder innan du ens packar upp roboten. Om du till exempel ställer in en svetsuppgift, kan simulering visa dig att en specifik bana kommer att belasta fog 3 för mycket, så att du kan justera waypoints i förväg istället för att felsöka dag ett. Vi har sett kunder minska sin implementeringstid med 30 % bara genom att använda simulering, och för stora volymuppgifter blir det riktiga pengar. DeCR1300 Collaborative Robotintegreras sömlöst med de flesta vanliga simuleringsprogram, så att du kan justera vägar direkt från din dator innan roboten ens anländer.
Låt oss nu ta itu med energioptimering specifikt - för det är ett stort försäljningsargument för våra cobots, och vägplanering är det enklaste sättet att minska energianvändningen. Vi har mätt att dålig vägplanering kan få en sexaxlig cobot att använda 30 % mer energi än nödvändigt. Hur? Genom att ha onödiga stopp, skarpa svängar eller ineffektiv ledrörelse. De korrigeringar vi pratade om tidigare – smidigare vägar, undvikande av hinder, CoG-kalibrering – allt minskar direkt energianvändningen. Till exempel har våra energibesparande modeller (CR920 och CR620) motorer som anpassar sig efter belastningen, så när din väg är optimerad arbetar inte motorerna hårdare än de behöver. Det är därför dessa modeller passar så bra för små till medelstora tillverkare som vill spara på både arbetskraft och energikostnader. Om du vill sänka driftskostnaderna är optimering av vägplanering det första steget, och våra energibesparande linjer gör det ännu enklare.
Vänta, låt oss ta reda på hur är det med vanliga misstag som människor gör? Jag har sett kunder försöka optimera vägar manuellt genom att flytta varje waypoint 1 cm, och det fungerar för enkla uppgifter, men för komplexa (som förpackning eller montering), det är ett slöseri med tid. Ett annat misstag: ignorera cobotens inbyggda vägplaneringsalgoritmer. Nej, du behöver inte koda en anpassad sökväg från början. De flesta moderna sexaxliga cobots har avancerade vägplanerare som kan anpassa sig, men du måste mata dem med rätt data. Till exempel, om du inte anger din faktiska nyttolastvikt, kommer vägplaneraren som standard att använda en lägre viktinställning, vilket leder till ineffektiv rörelse. Glöm inte heller att uppdatera din vägplanering varje gång du ändrar ditt arbetsflöde. Om du ordnar om dina arbetsstationer, eller ändrar de delar du flyttar, kommer den gamla vägen inte att fungera längre. Vi rekommenderar att du gör en sökvägskontroll var tredje månad, eller efter någon större förändring av din arbetsyta eller dina uppgifter.
Så, sätta ihop allt: optimera kinematiska parametrar, kartlägg hinder proaktivt, kalibrera CoG för nyttolast/verktyg, använd smidiga banor, testa i simulering och justera för energianvändning. Det är inte raketvetenskap, men det kräver att du uppmärksammar de små detaljerna i din specifika cobot och uppgift. Om du fortfarande kämpar, eller om du är på marknaden för en ny sexaxlig samarbetsrobot som är byggd för enkel optimering, har vi en rad modeller skräddarsydda för olika behov. Oavsett om du behöver ett kompakt, energibesparande alternativ för små arbetsytor, eller en modell med lång räckvidd för större uppgifter, är vår linje med sexaxliga cobots utformad för att göra vägplanering enklare och effektivare. Vi har ägnat år åt att förfina dessa modeller för att balansera hastighet, säkerhet och användarvänlighet, så att du inte behöver kompromissa med prestanda för att få en cobot som fungerar för ditt företag.
Om du är redo att sluta ta itu med tröga, energislösande vägar och börja få ut det mesta av din sexaxliga samarbetsrobot, kan vi hjälpa dig. Vårt team har arbetat med hundratals tillverkare för att optimera vägplaneringen för alla typer av uppgifter, från pick-and-place till montering till förpackning. Vi kan svara på dina frågor, gå igenom de bästa inställningarna för din specifika modell eller till och med hjälpa dig att välja rätt cobot för dina behov. Kontakta oss idag för att starta konversationen – låt oss få din cobot att arbeta smartare, inte hårdare.
Referenser
- Billard, A., Kragic, D. (2019). Trender och utmaningar inom robotmanipulation. Science Robotics, 4(34), eaau8414.
- Collaborative Robotics Association. (2022). Bästa metoder för vägplanering för sexaxliga kobotar. Industrins tekniska rapport.
- Liu, H., et al. (2021). Energieffektiv vägplanering för industrirobotar: En systematisk översyn. Journal of Intelligent Manufacturing, 32(5), 1345-1362.
- ABB Robotics. (2023). Sexaxlig kollaborativ robotkinematisk optimering. Produktens tekniska guide.
