Los robots ganan capacidades avanzadas: Mejorando la eficiencia manufacturera

La automatización sigue siendo un foco en manufactura – por todas las razones obvias – y los proveedores de robots continúan introduciendo impresionantes nuevas capacidades. Muchos harían eco a Zach Spencer, gerente de automatización robótica en Methods Machine Tools Inc., Sudbury, Mass., cuando dice que la «gran cosa emocionante ahora son los robots colaborativos. Los cobots son sistemas de automatización innovadores que abren nuevas opciones de mecanizado y aumentan tu retorno de inversión. Algunos clientes han pagado cobots en menos de tres meses».

Spencer agregó que los cobots son populares en gran parte por la forma intuitiva en que pueden programarse. «En lugar de tener que pasar por el pendant de enseñanza para programar el robot para moverse a un punto específico, puedes arrastrar manualmente el robot y crear un punto de ajuste en el pendant. Luego arrastras el robot a la siguiente posición y designas punto de ajuste dos. Esa es una de las mejores tecnologías con robots colaborativos».

Los fabricantes de cobots también han revolucionado la automatización facilitando la integración con accesorios de terceros, incluyendo grippers especiales, sistemas de visión, cabezales de soldadura y software operacional. Universal Robots, basado en Ann Arbor, Michigan, es líder en esta área, con más de 300 productos en su programa UR+ y cientos más en desarrollo. El Gerente Senior de Aplicaciones Joe Campbell llama UR+ una «app store para Universal Robots. Damos a desarrolladores acceso profundo [a nuestro sistema operativo], para que puedan desarrollar software. Y luego lo validamos, probamos y certificamos».

Bin Picking avanzado

La capacidad de un robot para recoger piezas de un contenedor, incluso si están orientadas aleatoriamente, no es nueva. Pero proveedores como Universal Robots hacen tales sistemas más fáciles de implementar. Históricamente, explicó Campbell, tenías que pasar semanas escribiendo código para cubrir todos los diferentes escenarios que surgen en tales situaciones. Pero la solución ActiNav de UR ya incorpora «un gran trozo de código que se desarrolló durante un largo período que elimina toda la programación que tradicionalmente se requería para definir cómo vas a ir de la ubicación de recogida a la de depósito. ... Con ActiNav, le enseñas la parte ... le enseñas la ubicación de depósito, ... defines el contenedor, que es básicamente tocarlo en cuatro puntos, ... y defines cualquier otra barrera en el espacio. Y luego el sistema planificará completamente su propia trayectoria y camino de robot para ir de cualquier punto de recogida que identifique a un punto de colocación, sin programación personalizada».

Campbell agregó que «enseñar la parte» a ActiNav es tan simple como importar un archivo CAD de la pieza de trabajo y luego designar las superficies donde el cobot debe agarrarla. La parte no tiene que ser simple, solo tiene que tener «superficies que te permitan obtener una recogida precisa. Es muy directo. He visto a chicos tomar una parte nueva que el sistema nunca ha trabajado antes y configurarla en unas dos horas». Lo más importante, dijo Campbell, a diferencia de las soluciones de e-commerce a menudo asociadas con bin picking aleatorio, ActiNav es lo suficientemente preciso para auto-cargar una máquina herramienta.

Como podrías haber adivinado, ActiNav requiere un sistema de visión 3D para orientar el cobot para cada recogida. En este caso, es un sensor de socio UR+ Photoneo, Bratislava, Eslovaquia. La unidad se monta sobre el contenedor y genera una imagen detallada casi instantáneamente, dijo Campbell. (El sistema captura 3,2 millones de puntos 3D por escaneo.) Decisión y tiempo de carga es asimismo rápido, y Campbell ve trabajos con tiempo de ciclo de aproximadamente 30 segundos como el ajuste ideal para el producto. Eso es demasiado rápido para que un operador atienda múltiples máquinas, pero dentro del tiempo de procesamiento de ActiNav. Si el tiempo es mucho más rápido que 30 segundos, ActiNav ralentizaría el ciclo de máquina. Por supuesto, hay otras situaciones en las que aceptarías gustosamente un tiempo de ciclo más lento, como automatizar un turno nocturno que de otro modo sería improductivo.

El bin picking inteligente no se limita a cobots, y Spencer de Methods Machine Tools proporcionó un ejemplo real en el que robots FANUC agarran cuerpos de antorcha de aluminio forjado de un contenedor y los cargan en un FANUC RoboDrill para mecanizado. La clave es el sistema iRVision de FANUC, que crea una nube de puntos 3D de los objetos en el contenedor. «Y esa información se relaciona con el robot para que sepa en qué ángulo acercarse a la parte para poder recogerla con precisión».

Spencer señaló que el forjado produce una línea de partición donde los dos moldes se encuentran, y la línea no siempre está en el mismo lugar. Las características complejas y contorneadas de la pieza presentaron otro desafío. Pero como ActiNav, «subes un modelo 3D al software, y le dices esta es la forma que buscamos», explicó Spencer. «El software de FANUC cuenta para variaciones en tamaño, y es excelente permitiéndote establecer límites en esas variaciones». El fabricante del Medio Oeste de estos cuerpos de antorcha pasó de carga manual de máquinas de transferencia rotativa gigantes a una celda automatizada de cuatro RoboDrills servidos por dos robots. Como resultado, ahora producen las piezas «con rendimiento mejorado, más tiempo de actividad y una tasa de desperdicio mucho menor que en las máquinas de transferencia».

Un ejemplo más reciente que Spencer relató es auto-cargar ejes grandes para equipo de construcción desde patines de madera a tratamiento térmico y luego a una máquina. Los ejes difieren en longitud, diámetro y peso (de unas 200 a 500 lb), y los tamaños de lote son pequeños. Incluso la altura de los patines de madera varía, agregó Spencer. Methods creó un sistema que permitió al operador simplemente mover un palet de 4 x 4' (1,22 x 1,22 m) de ejes diversos – todos de pie verticalmente, lado de brida abajo – a la celda con un montacargas. Luego el software de FANUC y cámaras de visión 2D, orientadas para vista lateral, determinan qué tan abajo deben posicionarse los grippers para agarrar cada parte, mientras una cámara superior determina la posición correcta en el piso (en X e Y). Spencer dijo que el posicionamiento vertical es «la gran mejora tecnológica. ... Realmente poder tomar una foto con un robot y tomar una medida de esa foto [es una gran mejora]».

Otras mejoras en sistemas de visión

Desde la perspectiva de Campbell, ActiNav es un ejemplo de cómo la robótica de hoy «esconde tecnología increíblemente compleja» del usuario. En una vena similar, Mika Laitinen, director de ventas de soluciones para Fastems Oy AB, Tampere, Finlandia, y West Chester, Ohio, habló sobre cómo la tarea de capturar coordenadas X e Y con una cámara es aparentemente simple, pero podría requerir algoritmos de imagen avanzados. Por ejemplo, señaló al fabricante de cámaras estadounidense Cognex, cuyo último lanzamiento de cámara inteligente usa «cálculo de red neuronal para ciertos algoritmos de imagen». Agregó que tales sistemas convierten una tarea antes difícil como lectura óptica de caracteres en una capacidad genérica y robusta. La capacidad computacional de estos sistemas está mejorando de tal manera que «la inteligencia artificial no es un tema separado de la robótica. ... Hoy en día, la inteligencia artificial está cada vez más embebida en sensores inteligentes y sistemas de cámara inteligentes».

David Bruce, gerente de ingeniería para el segmento de industria general y automotriz, FANUC America Corp., Rochester Hills, Michigan, dijo que los sistemas iRVision de la compañía tienen prueba de error IA integrada «sin hardware adicional». iRVision presenta guía robótica basada en visión de máquina 2D o 3D y «el controlador de robot altamente confiable de FANUC» maneja tanto el movimiento del robot como «el procesamiento de visión, incluyendo la función de Prueba de Error IA».

«Desde que iRVision no usa PC ni cámara inteligente, no impacta negativamente la confiabilidad de una celda de trabajo», continuó Bruce. «Al proporcionar múltiples ejemplos de piezas buenas y malas, la herramienta de Prueba de Error IA diferencia entre las dos durante corridas de producción. Durante setup, el operador puede presentar múltiples ejemplos de piezas de trabajo y clasificarlos en dos categorías – buenas y malas. Una vez que el operador clasifica las imágenes, la función de Prueba de Error IA clasifica automáticamente las partes durante corridas de producción».

Laitinen de Fastems supuso que la tecnología LiDAR (detección y rango de luz) eventualmente suplantará sistemas de visión estéreo (es decir, usar múltiples cámaras para medir en X, Y y Z). «Las cámaras 2D son pequeñas, prácticas y fáciles de poner donde quieras. Puedes esconderlas en la muñeca del robot y obtener toda la información. Pero si quieres usar visión 3D, el equipo es mucho más grande, y podría incluir escáneres de perfil láser adicionales o cualquier tecnología usada para medir la tercera coordenada».

Por el contrario, dijo, las unidades LiDAR no se ven diferentes que cámaras 2D, pero capturan datos 3D. (Laitinen se refirió específicamente a sensores de SICK AG, Waldkirch, Alemania, y Minneapolis, Minn.) «Usar tecnología LiDAR para medir coordenadas X, Y y Z con solo una cámara sería algún tipo de revolución», como lo puso Laitinen. Fastems no ha desplegado tal sistema aún, pero ha realizado estudios de factibilidad con varios clientes.

Nuevas capacidades de metrología robótica

Usar un robot para atender un CMM o estación de medición no es ni sorprendente ni nuevo, pero usar los grippers de un robot para realmente realizar una medición lo es. Campbell dijo que New Scale Robotics, Victor, N.Y., un proveedor UR+, ha desarrollado un gripper que sirve como calibrador de alta precisión, además de su función pick-and-place. Y es preciso dentro de 2,5 µm.

Campbell dijo que los usuarios «pueden recoger la pieza y registrar la medición mientras la pieza está agarrada, o pueden usar el gripper para micrómetro sobre la pieza, probando múltiples ubicaciones antes de adquirirla, recogerla y moverla. Es un gran ejemplo de incrustar el proceso de metrología justo en medio del proceso de manufactura».

New Scale Robotics, una división de New Scale Technologies, empareja el gripper de alta precisión con un cobot UR3e de Universal Robots para crear la Estación de Trabajo Q-Span. Un cliente, OptiPro Systems, Ontario, N.Y., usa el Q-Span para inspección en proceso del 100 por ciento de cilindros de vidrio óptico que salen de su máquina de rectificado OptiSonic. Las piezas que pasan inspección van a un CMM para validación final. No solo esto elimina la necesidad de las revisiones manuales que la empresa hacía anteriormente, el Q-Span también es cuatro veces más preciso que calibradores manuales, resultando en control más ajustado sobre el proceso de manufactura y desperdicio reducido, según el fabricante. Campbell dijo que los grippers New Scale también logran en un ciclo lo que toma a un humano seis pasos. Además, OptiPro puede manejar una variedad de piezas con el mismo set de grippers.

Datos del robot

Laitinen observó que recopilar datos de servo sobre el movimiento y salud del robot también ofrece dos beneficios importantes. El primero es la capacidad de estudiar tendencias para mantenimiento predictivo, el programa ZDT (zero down time) de FANUC siendo un ejemplo notable. El segundo es relacionado con QC, «recopilar datos de proceso específicos de aplicación y distribuirlos al software de control de nivel superior». Esto aplica a aplicaciones en las que el robot está actuando sobre la pieza de trabajo, en lugar de atender otra máquina.

Laitinen dijo que la industria aeroespacial ofrece buenos ejemplos de ambos usando robots de esta manera – ej., acabado y linishing (técnica de acabado que alisa o aplana metal) componentes de turbina – y de usar datos de servo de robot para controlar el proceso. «La gente en la industria aeroespacial entiende que en lugar de hacer piezas y verificar calidad después, es mejor hacer un esfuerzo para controlar el proceso», dijo. Lleva a un entendimiento de cómo se manufactura la pieza y todas las variables clave de rendimiento y cómo esos valores varían durante el proceso de manufactura. Hecho correctamente, usan estos datos para hacer correcciones en tiempo real o, si es necesario, sacar un robot de línea automáticamente y re-rutear el trabajo a otras unidades antes de producir piezas malas.

«Esa ha sido la historia de éxito de Fastems en la industria aeroespacial. Nuestro software de control puede adaptarse a este tipo de cambios en la línea de producción sin parar producción». Agregó que la pandemia de COVID-19 ha forzado a la empresa a encontrar clientes fuera de aviación comercial, y está trayendo esta filosofía sobre «medir el proceso y no la pieza» a los nuevos clientes.

Robots cooperativos

Largo ha sido el caso que algunas líneas automatizadas requieren un robot pasar una pieza a otro. Y en soldadura, a veces es el caso que un robot multi-eje sostiene la pieza mientras otro mueve la antorcha, con ambos robots bajo el mando de un solo control. Pero es relativamente raro que varios robots muevan la misma pieza. Fastems instaló recientemente tal sistema en EE. UU. Las piezas son anillos gigantes de hasta 2,4 m de diámetro, con espesores y pesos variables. Laitinen explicó que levantarlos con un robot habría requerido un gripper de tres puntos muy grande y caro, sin mencionar un robot muy grande, «y la accesibilidad habría sido muy difícil.

«Así que en su lugar, usamos dos robots en la misma pista lineal larga [que paralela la línea de producción de máquinas herramienta, estaciones de lavado, etc]. Los robots se mueven como si fueran un robot de dos brazos», dijo. «Esto es controlado por un solo controlador de robot y ambos robots son instruidos desde un programa. Todas las tareas de pick-and-place se hacen con grippers de dos dedos simples que agarran la pieza de ambos extremos, la levantan simultáneamente y la mueven».