İçerik
1. Robotik bin picking (robotik parça alma) nedir?
Endüstri 4.0 konusunda farkındalık artarken, başta ABD, Avrupa, Japonya, Singapur ve Güney Kore olmak üzere, üretim ve lojistik operasyonlarında robotların insanlara karşı üstünlük kurma mücadelesi artarak devam ediyor. Bu mücadele, yine insan tarafından bilim ve teknoloji sayesinde veriliyor. Amaç, katma değersiz işleri elimine ederek, müşteri için anlam yaratacak işlere odaklanmak. Bunlardan birisi, robotik bin picking (robotik parça alma) operasyonu: Yani robotun, bir kasa ya da kutudan, rastgele dağıtılmış olan parçaları, istenilen açılarda, kısa sürelerde kavrayıp nakledebilmesi. Bu operasyon temelde, yapay görme ile robot yönlendirme (vision guided robotics) işlemidir. Robot dağınık duran parçaları alabilmek için insan gibi görmeye (yapay zekaya) ihtiyaç duymaktadır.
Eğer parçalar, belirli aralıklarla düzgün bir şekilde, bir yüzeye yerleştirilirse, robot herhangi bir yapay görme sistemine ihtiyaç duymadan parçaları tekrar tekrar alabilir (otomatik operasyon). Ancak parçaları bu şekilde düzgün yerleştirmek yine işçilik maliyetlerine neden olmakta ve daha geniş üretim alanlarına olan ihtiyacı artırmaktadır. Dahası operasyonların hızlı gerçekleştirilme gereksinimleri olabilir. Bu nedenle robotun görmesi sağlanarak, ek maliyetlere sebep olmadan, görüntü işleme sistemleriyle robota görme yeteneği kazandırılarak işlem otonom bir şekilde gerçekleştirilebilir.
Üretim ve lojistik operasyonlarında kutulardan parça alma işlemi, her ürün için yüzlerce kez gerçekleştirilebilir. Bu ürünü satın alacak müşteri için, satın aldığı ürünün parçalarının robot ya da insan tarafından alınması, işlemin onlarca ya da yüzlerce kez gerçekleştirilmesi bir anlam ifade etmiyor. Müşteri için anlam; istediği ürünün, zamanında, istediği şekilde, düşük maliyetle, kaliteli bir şekilde üretilip üretilmediğidir. Endüstri 4.0‘ın istihdama ve ekonomiye olan etkileri ayrı bir yazının konusudur.
Özellikle iş gücü maliyetlerinin yüksek olduğu ülkeler, üretim ve lojistik operasyonlarında robot kullanımını her geçen gün artırıyorlar. İş gücü maliyetleri bir tarafa, robotik sistemlerle süreç kalitelerini ve üretim hızlarını artırmak da işletmelerin öncelikleri arasında yer almaktadır. Bu işletmelere, büyük fayda sağlayacak teknolojilerden birisi robotik bin picking (robotik parça alma) operasyonudur.
2. Robotik bin picking (robotik parça alma) nasıl yapılır?
Hemen hemen tüm üretim tesislerinde, yüz binlerce parça, insanlar tarafından kasalardan alınıp makinaya/üretim bandına yükleniyor. Üretim ve lojistik sektöründe maliyet etkin robotik operasyonlara talep artmaya devam ediyor.
Robotik bin picking (robotik parça alma) operasyonu tasarlayabilmemiz için öncelikle üretim senaryosunu canlandırmamız gerekiyor. Daha sonra sistem bileşenleriyle birlikte çalışma prensiplerinden bahsedeceğiz.
2.1. Üretim Senaryosu
Elimizde bir malzeme kasası olsun. Kasanın içerisinde rastgele yerleştirilmiş, tek tip parçalar bulunsun (Resim 1). Robot bu parçaları, hızlı, malzemeye zarar vermeden, düşürmeyecek şekilde nasıl kavrayabilir ve hiç bir yere çarpmadan nasıl taşıyabilir?
Sağlıklı bir şekilde kavrayabilmesi için, sağlıklı bir görme sistemine ihtiyaç duyar. Bu operasyonu hızlı yapabilmek için ise, robotik görme sisteminin, tanımlama işlemini hızlı yapmasına. Çünkü robot zaten yeterince hızlıdır. Böyle düşünüldüğünde, bu operasyon bir robot operasyonu değil, robotik sistem operasyonudur.
2.2. Robotik Sistem Bileşenleri
Senaryodaki sistemin parçaları: Malzeme kutusu, kutuda yer alan malzemeler, robot, robotun kavramasını sağlayan robot elleri (robot grippers) ve robotun görmesini sağlayan yapay görme sistemidir. Sistemin çalışması için bu bileşenlerin kritik özellikleri nelerdir?
2.2.1. Malzeme Kutusu
Malzeme kutusunun ölçülerini bilmek, robot bilgisayarına aşağı yukarı hangi uzayda alma işlemi yapacağı bilgisini verir. Aynı şekilde malzeme kutusunun kesit geometrisini (kare, dairesel) bilmek, yapay görme sistemine (kamera gibi), kutuyu tanımlaması için görüntüde nasıl bir desen (örn. x boyutlarında kare kesit gibi) araması gerektiği bilgisini sağlar. Bu bilgiler, zamanla değişmeyecekse, sadece robot sistemi ilk devreye alınırken kullanılır.
2.2.2. Taşınacak malzeme
Kutuda yer alan malzemelerin ağırlıkları önemlidir. Çünkü robotların bir taşıma kapasitesi (kg) vardır (payload). Basitçe belirtmek gerekirse, tekil malzeme ağırlığı, bu ‘payload‘ değerinden düşük olmalıdır ki robot malzemeyi taşıyabilsin. Malzemeyle alakalı ayrıca 3B geometrisi bilgisine ihtiyaç duyulur. Bu, yapay görme sistemi için oldukça önemlidir. Kutudaki parçanın hangi açıda durduğu bilgisini bu sayede daha hızlı tespit edebilir. Dahası, robot parçayı aldıktan sonra, elindeki parçanın boyutlarını bilirse, rotasını buna göre planlayarak, çarpmaları da engeller. 3B model ayrıca malzeme ağırlığı, yüzeyi ve özellikleri (manyetik vb.) ile birlikte, sistem tasarlanırken, robot eli seçiminde kullanılır.
2.2.3. Robot (robot kolu)
Robot, temelde malzemeyi kutudan alıp hedef bölgeye taşıma işlemini gerçekleştirir. Bunu yaparken, işlemi en kısa sürede gerçekleştirmek ve çarpmayı önlemek için rota planlaması gerçekleştirir. Alınacak malzemenin boyutlarını ve yapay görme sisteminden akan bilgileri kullanarak, çarpma olmadan malzemeyi alıp hedef noktaya yerleştirir. Ayrıca, parçayı kavrayacak olan robot elini (gripper) de kontrol etmektedir.
2.2.4. Robot eli (gripper)
Robot eli (gripper) alınacak malzemeyi, bir insan eli gibi kavrama görevini üstlenir. Robot elleri 2 veya daha fazla parmağa sahip olabilir. Resim 2, üç parmaklı bir robot elini (gripper) göstermektedir. Kavranacak malzeme ağırsa veya geometrisi kolay kavramaya uygun değilse birkaç noktadan kavramak gerekebilir. Bu yüzden daha yüksek parmak sayısına sahip robotlar kullanılabilir. Aksi halde parçalar taşıma esnasında düşebilir veya düşmemesi için parmaklara daha yüksek kuvvet verilerek malzemenin hasar görmesine sebebiyet verilebilir. Piyasada onlarca farklı tipte robot eli bulunmaktadır. Bunlardan bazıları manyetik prensiplerden faydalanarak demir, nikel, kobalt içeren malzemeleri kavramada kullanılır, bazıları ise malzemeyi kavrayıp vakumlayarak, kavrama gücünü artırır.
2.2.5. Yapay görme sistemi
Sistemin en önemli bileşenidir. Sistemin performansı yapay görme sisteminin performansına bağlıdır. Yapay zekanın asıl konuşlandığı bileşendir.
Endüstriyel yapay görme sistemlerinde, çoğunlukla 2 boyutlu görüntüyle çalışmak yeterlidir. Örneğin, bir parçanın varlık/yokluk kontrolünü yaparken ya da doğru parça takılmış/takılmamış kontrolü yaparken tek kullanılan 2B kameralar yeterli olur. Ancak bin picking (parça alma) operasyonunda 3. boyut da (derinlik bilgisi) devreye girmek durumundadır. Kutuda rastgele duran parçaların, duruş açıları (oryantasyonu) 2B görüntü ile tespit edilebilir. Ancak robota, parçayı hangi derinlikten alacağı bilgisi de iletilmelidir ki robot o noktaya gittiğinde elini açıp kapatıp parçayı kavrayabilsin.
Kutuda duran parçanın oryantasyonu ve derinliğinin tespitinde 3B lazer tarayıcılar kullanılmaktadır. Hedef bölgeye, lazer ışınları gönderilerek, kutunun içeriğinin 2B resmi çekilmekte ve malzemenin 3B modelinden faydalanarak parçaların duruş açıları (oryantasyonu) tespit edilmektedir. Derinlik bilgisi için, malzeme yüzeylerine gönderilen lazer ışınlarının havada kalma süresi (gönderilen ışının yüzeyden yansıyıp geri dönme süresi) bilgisinden (Time of Flight – ToF) faydalanılır. Işık hızı ve ışınların havada kalma süresi bilindiğinden, derinlik bilgisi hesaplanır.
3B lazer tarayıcı, görüş açısının hep açık olacağı bir konumda pozisyonlandırılır. 3B lazer tarayıcının, diğer görüntü işleme sistemleri gibi sürdürülebilir bir şekilde çalışabilmesi için nelere dikkat edilmesi gerektiğine dair yazımıza buradan erişebilirsiniz.
2.3. Sistem nasıl çalışır?
3B lazer sistemi, robota, hangi malzemeyi, hangi koordinatlardan (x,y,z), hangi açıyla kavrayacağı bilgisini iletir. Bu bilgiyi alan robot, rota planlamasına uygun olarak malzemeye gider ve kavrar. Ardından hedef noktaya taşır. Bunu yaparken en düşük çevrim süresi ve çarpmalardan kaçınmak için rota optimizasyonu yapar.
Robot kutudan malzemeyi aldıktan sonra, malzemeler yer değiştirebileceğinden, her alma işleminden sonra 3B lazer tarayıcı kutuyu tekrar tarayıp bilgilerini tazeleyebilir. Kutu boşalana kadar proses bu şekilde devam eder.
Çalışan bir robotik bin picking (robotik parça alma) sistemini aşağıdaki video aracılığıyla görüntüleyebilirsiniz. Video’da yukarıda bahsettiğimiz şekilde operasyon gerçekleştirilmektedir.
2.4. Çevrim Süresi
Operasyonun başarısı hedeflenen çevrim süresini karşılaması ile gerçekleştirir. Bugün, robotik sistem üretici/entegratörleri, daha düşük çevrim süreleri sağlamada rekabet halindedir.
Çevrim süresi, 3B lazer tarayıcının parçaları tanımlama, robotun ilgili noktaya gidip parçayı kavrama, taşıma ve hedef yere bırakma sürelerinin toplamından oluşur.
Çevrim süresini azaltmak için, kullanılan yapay zeka algoritmalarının, yapay görme sisteminin çalıştığı işlemcinin ve yapay görme sisteminin robot ile haberleşme performansının yüksek olması beklenir. Dahası, 3B lazer tarayıcı, tanımlama işlemini gerçekleştirirken, robot, 3B lazer tarayıcının çalışmasına engel olmayacak şekilde en yakın noktaya gelip beklerse çevrim süresi daha da iyileştirilebilir.
Robot, taşıma rotasını belirlerken, çarpmalara neden olmadan en optimum yolu belirleyebilmelidir.
Kolaboratif robot (cobot) sistemlerinde, robotun insan ile yan yana çalışma durumu olduğundan, robot hızı, bazı senaryolarda sınırlandırılabilmektedir. Bu durum çevrim sürelerinin artmasına neden olmaktadır. Kolaboratif çalışma bir zorunluluk değilse, robotik sistem güvenlik çitleriyle çevresinden yalıtılarak olabilecek en yüksek hızda çalışması sağlanabilir.
3. Sonuç
Robotik bin picking (robotik parça alma) operasyonunun merkezinde yapay zeka yatmaktadır. Entegratörler, 3B lazer tarayıcı ve robot bilgisayarlarında kullandıkları yapay zekayı geliştirerek, daha düşük çevrim sürelerinde daha fonksiyonel çalışmayı hedeflemektedirler.
Soru ve görüşleriniz için iletişime geçebilirsiniz.
- Resul İlhan | otonomfabrika[at]gmail.com
- Kapak resmi kaynak: photonics.com
