組立と仕上げにおける AI とロボティクス

力のセンシングは、関与する AI が最も単純な設計からより複雑なものに移行できる一例です。 一般に薄くて強度があり、溶接がより困難な高強度材料を使用する自動車用途では、溶接を正確に行うために力が重要な要素となります。 ファナックカナダ

現在、人工知能 (AI) に関する議論は、人工知能 (AI) が自律的にタスクを管理する能力を備えることを暗示しています。 ChatGPT のような AI チャットボットやアートを作成できるその他のアプリは、多くの機能において人を方程式から排除できることを示唆しています。 しかし、産業用アプリケーションの場合はそうではありません。 たとえば、組立と仕上げの技術は年々洗練され、価値が高まっていますが、熟練したオペレーターが管理することで依然としてメリットが得られます。

「AIにはいくつかの異なるレベルがあり、ほとんどの産業用アプリケーションは『狭いインテリジェンス』と呼ばれるものに分類されます」と、オンタリオ州ミシソーガにあるファナック・カナダのエンジニアリングおよび統合担当ディレクター、デール・アーント氏は述べています。 「その場合にやろうとしているのは、1 つのタスクの実行方法を学び、それを改善することです。 それはアルゴリズムに基づいており、機械学習の多くはその狭い AI カテゴリーに分類されます。」

機械学習の定義の 1 つは、アルゴリズムとモデルを使用し、データ内のパターンを推測することによって、明示的な指示に従わずに学習して適応するコンピューター システムの能力です。 コボットを使用した簡素化された溶接パスは、基本的なアプリケーションの良い例です。 Arndt 氏は、ロボットを使用することで、MIG 溶接やスポット溶接を行うことができ、ビジョン入力、溶接機のデータ、力検出を使用して、各プロセスが適切に行われることを確認できると述べました。 力感知は、リベットやその他の留め具を固定するためにも使用できます。

「私たちはこれらのプロセスを何度も繰り返し、より良いプロセスを作成するためにアルゴリズムを段階的に改善しています」と彼は言いました。

力のセンシングは、関与する AI が最も単純な設計からより複雑なものに移行できる一例です。

「比較的単純な目的としては、自動車製造におけるナットやリベットの力の検出を検討できます」とアーント氏は述べています。 「ファスナーを正しく取り付けるために必要なトルクの量を設定できます。 トリップポイントが満たされていない場合は、その部品が仕様を満たしていないことがわかります。 これにより、膨大な量の手戻りを節約できますが、それでも比較的単純です。」

この場合、ロボットは力センサーを内蔵した自動ナットドライバーを搭載できるため、このシナリオでは外部接続は必要ありません。

ただし、材料の研磨や射出成形部品のバリ取りなど、材料の除去を考慮し始めると、アルゴリズムはさらに複雑になります。

「バリ取りでは、部品に沿ってフラッシュ ツールを動かし、継ぎ目やエッジから余分な材料を取り除きます」とアーント氏は言います。 「これは、材料の組成、型から出してからの時間、工場の温度、工具の鋭さなどに依存するため、非常に複雑になります。 突然、データセットがはるかに大きくなりました。

「材料の仕上げでも同じ問題を抱えています。 研磨ツールはどの程度磨耗していますか? 研磨している部分にどれくらいの余分な材料がありますか? これには、監視ツールの使用、力の感知、視覚システムなど、多くの要因が関係する可能性があります。」

ここでは、溶接の溶け落ちを警告する Xiris Audio AI ツールのスクリーンショットを示しています。 シリス

ロボットに直接接続されたファナック ロボット力センサーまたは ATI 力センサーをこれらのアプリケーションの動作計画の一部として使用して、リアルタイムの力ベクトルに基づいてロボットの経路を即座に変更できます。

スポット溶接も同様に難しい場合があります。

「現代の車両に使用されている高強度材料のほとんどは、一般的により薄くて強度があり、溶接がより困難になる可能性があります。」と彼は言いました。 「溶接を正確に行うには力が非常に重要な要素になります。強く握りすぎると穴が開いてしまいます。力は非常に重要な要素となります。」 十分に強く絞らないと、溶接部が適切に加熱されず、弱くなりすぎます。