《3D视觉:高端制造和智能制造机器人的关键技术应用》

  • 来源专题:装备制造监测服务
  • 编译者: zhangmin
  • 发布时间:2020-09-09
  • 3D视觉:高端制造和智能制造机器人的关键技术应用—— 恰佩克新锐企业获奖者微链科技专访

      当前,全球制造业正加快迈向高端化、数字化、智能化时代,制造业是我国国民经济的主体,占我国GDP近30%,我国已成为世界第一制造大国,因此高端制造、智能制造对我国制造业竞争力的影响越来越大。

      从美国工业互联网到德国工业4.0,再到中国制造2025,各个国家开展制造业竞争,都有一个目标,那就是提高生产效率、提高产品质量,通过互联网技术、信息技术、大数据技术以及人工智能技术+机器人技术,促进各国的智能制造。

      《中国制造2025》是由国务院于2015年5月印发的部署全面推进实施制造强国的战略文件,是中国实施制造强国战略第一个十年的行动纲领。工业和信息化部主要领导曾强调,将“智能制造”作为“中国制造2025”的主攻方向,抓住智能装备和智能产品的研发和生产,通过高档数字机床、工业机器人等智能制造装备和智能化生产建材,加快可穿戴产品、智能家电、服务机器人等智能化产品的研发和产业化,大力推进制造过程的智能化。

      首先我们要清楚,什么是高端制造?什么又是智能制造?

      微链科技COO张宇接受希鸥网采访时分享,高端制造是相对低端制造来说的,生产纸巾、矿泉水、生产美国大选用的小旗子,一般是来料加工,本身还是劳动密集型产业,属于低端制造,而高端制造具有高附加值,是一种拥有核心竞争力的制造业,比如高铁、大飞机、船舶制造等。

      智能制造则是融合包含了一些高科技,比如人工智能、5G、云计算、大数据等,多种技术叠加,给予机器智慧,能够让机器处理复杂场景。智能制造基于大数据、物联网等新一代信息技术与制造技术的集成,能够自主动态地适应制造环境变化,实现产品从设计制造到回收再利用全生命周期的高效化、优质化、绿色化、网络化、个性化的制造系统或者模式。

      弄明白什么是高端制造和智能制造,我们再看国情。目前,我国传统制造业总体上处于转型升级的过渡阶段,相当多的企业在产业分工中处于中低端环节,但很多企业仍满足于低成本竞争,使用智能设备的动力不足。即使一些引入智能设备的企业,也仅停留在初级应用阶段。

      总结来说,虽然中国是全球制造大国,但很多制造企业仍然面临三大问题,一是生产效率偏低,二是产品质量不高,三是关键零部件核心装备进口率偏高,对西方技术依赖性高。这就迫切需要推进智能制造机器人技术来加速制造业由中低端向高端转型升级,推动高质量发展。突如其来的新冠疫情,使得制造企业需要根据客户需求进行个性化和定制化生产,如果没有智能制造设备加持,企业很可能失去订单。

      “疫情背景下,具备柔性化生产特质的智能制造让企业可以在短期内重建一条个性化生产线,推动产品快速更新迭代。智能制造将发挥巨大作用。”中国工程院院士王耀南近日接受采访时表示。


      除工程院院士身份外,王耀南还是机器人视觉感知与控制技术国家工程实验室主任、湖南大学机器人学院院长,作为智能制造领域的资深专家,他在8月28日的第十届中国国际机器人高峰论坛上表示,目前传统的机器人环境感知适应性比较弱,和机器人协作效率比较低,无法满足高端装备制造业的需求。

      “一要突破机器人的实时感知视角,二是突破机器人在线的规划和自主决策,三是突破机器人怎么样让多个机器人协同作业。如何攻克这三大技术,如何在高端制造中机器人柔性的,小批量定制化生产,这是高端制造和智能制造机器人关键技术需要解决的问题。”王耀南说。

      王耀南院士的发言引起了与会者的共鸣。全球领先的3D机器人视觉技术公司,微链道爱科技公司的COO张宇当然明白和理解为工业机器人装上大脑和眼睛的重要性。作为本届恰佩克新锐企业奖获得者,张宇先生接受了希鸥网的采访。


      张宇告诉希鸥网,传统制造一般来料加工,主要是依靠分工和协作来完成生产任务。但拥有高附加值的高端制造和拥有新技术的智能制造的生产流程则一般需要分为感知、认知、决策、控制和执行等几个阶段。

      “高端制造和智能制造要实现的是智能化生产,其工作环境相比传统制造要复杂的很多。比如同样的机器和生产线,上午要生产苹果手机,下午可能变成了华为手机,这种情况下,首先,来料和生产工艺都发生了变化,工作机器人需要先感知来料,然后进入认知阶段做判断,判断完之后,要根据生产目标做决策,接着是控制和执行,怎么控制智能设备进行生产,要把货物运输到哪,等等,整个过程都是循环的。这其中,视觉非常重要,因为视觉能够帮助机器做感知和认知,要分辨工料的位置、状态等等,这就是为什么说3D视觉是高端制造和智能制造机器人的关键技术应用。”张宇说。

      成立于 2016 年的微链科技是一家 3D 机器人视觉公司,其能够提供国际领先的工业级三维视觉相机和机器视觉认知系统,机器人视觉是机器人可以通过图像或者点云数据识别外部环境并作出类人判断的技术,是机器人拥有智能的基础,是赋予机器人认知能力的必要途径。人工智能技术在3D视觉上有重要应用和体现。


      张宇介绍,视觉技术其实已经发展很久,最早是视觉识别、模式识别、图像识别,能够对图片做切分,基于平面和2D在做,最近几年,人工智能技术快速发展和成熟,尤其是深度学习算法、神经网络算法以后,人工智能有了飞跃性发展,3D视觉也是在2015年、2016年左右才被提出,我们公司也是在这个时候成立,因为这时刚刚出现相对成熟的技术能够实现3D视觉。运用最新的算法和技术之后,3D视觉实现了六维可视,包括空间、位姿等,为后续机器人运动提供了重要和必要信息。

      谈及中国高端制造和智能制造机器人市场,张宇信心满满。“现在正在发生的新零售模式,几乎要把零售业重新做一遍,制造业将来也是这样,未来可能出现很多无人工厂,智能制造模式将把制造业重新做一遍。中国的制造业发展参差不齐,汽车、航空、高铁和3C制造的素质较高,但主要停留在自动化手段和工业3.0阶段,这个阶段,工厂实现了自动化,对智能感知和认知,还是有欠缺的,下一步将发展成为智能制造。而传统的一些企业,甚至在自动化方面都还欠缺,在成本允许的前提下,可能直接跳到智能制造阶段。未来,不是智能制造的工厂,将可能被淘汰。高端制造和智能制造的发展,自然需要包括3D视觉在内的核心技术的加持,未来市场巨大。”

      由于高端制造和智能制造的巨大市场前景,各类提供机器人视觉服务的公司也如雨后春笋。通过张宇的介绍,相比其他视觉公司,微链科技的差异化优势主要体现在三个方面:

      第一,传统2D视觉无法满足自动化领域日益复杂的需求,对3D视觉的需求越来越迫切,微链科技团队从2016年开始研发,2018年成立北京微链道爱科技有限公司,专注在深度学习和三维视觉领域的研究。团队有来自普林斯顿大学的博士后和加拿大滑铁卢大学的博士,SFU大学的研究生和清华大学的硕士,团队成员在三维视觉领域有超过10年的研究,师从人工智能领域深度学习教父Geoffrey Hinton和Greg Mori。微链科技团队是一个国际化的团队,拥有3D视觉领域顶级的人才和专家,在技术研发领域具有天然的优势。

      其次,对于3D视觉应用,微链是技术和实践相结合,不管是3C还是汽车行业,微链是有典型应用的,能够把技术和真实的应用场景结合。很多技术公司是纯研发技术,没有实际应用场景。

      第三,我们公司是双中心模式,研发中心设在加拿大温哥华,运营中心设在中国,因为中国有最大的制造业。和国内友商相比,我的算法最先进,同时我还有中国的市场,补充研发,技术和市场双轮驱动。

      在“人机一体、智能制造”成为未来制造业发展趋势下,作为高端制造和智能制造机器人的关键技术应用,3D视觉技术的发展值得关注。

相关报告
  • 《智能制造的试验台》

    • 来源专题:智能制造
    • 编译者:icad
    • 发布时间:2025-01-16
    • 新技术是制造业的增长引擎,但变革有中断和巨大成本的风险。使用技术测试台逐步推出新设备和软件有助于在生产部署之前改进和优化流程。 为什么要建立一个试验台? 技术测试台通过提供一个受控的环境来识别风险并在不中断生产的情况下进行实验,从而降低了全面部署期间失败的可能性。通常,测试台使用按比例缩小的设备来最大限度地降低成本,同时仍然反映全尺寸系统的关键功能和能力。 中试工厂 所有试验台都证明了新的制造工艺,但中试工厂的规模最大。旗舰设施通常是新建的,至少雇佣了一些全职员工,需要大量的资本投资。它们通常是与政府或经济发展组织合作建立的。在中试工厂,研究人员、科学家和工程师的迭代设计、测试和实验导致接近正确的工艺参数,这些参数将延续到全面生产中。 中试工厂示例 2024年,在美国国家能源技术实验室(NETL)的支持下,位于德克萨斯州圣安东尼奥的西南研究所开设了超临界变压电力(STEP)测试设施。通过展示超临界二氧化碳(sCO2)涡轮机技术,中试工厂验证了sCO2布雷顿动力循环的效率、可扩展性和环境效益。它以4兆瓦的电网同步功率运行,为涡轮机性能、热管理和系统集成提供了见解。演示设施能够对设备、工艺设计和操作条件进行真实世界的测试。 2019年至2022年,芬兰VTT技术研究中心有限公司建造了一座纤维加工中试厂,开发了一种半自动的数字双胞胎生产工艺。该工厂使用详细的模拟和受控环境来发现和解决现实世界的挑战,如集成遗留系统和自动化数据提取。这种方法在加速数字化转型的同时最大限度地降低了风险和成本,展示了试点规模的设置如何有助于将理论概念与工业规模的实施联系起来。 2024年宣布或开业的其他试点制造厂: 木质碳纤维 硅电池 乙醇基合成橡胶 无稀土永磁体 改装试验台 与试点工厂不同,这些工厂不会因创造新的就业机会或地区经济收益而成为头条新闻。这种规模的试验台在大学和研究机构很常见。行业联盟也可以成为合作进行后期研发或早期商业化有前景的新技术的途径。 改装试验台示例 从2016年开始,美国国家标准与技术研究院(NIST)主持了智能制造系统测试台,以促进产品生命周期数据的研究。该测试台从位于马里兰州盖瑟斯堡的NIST园区机械车间的12台机床中提取数据。连接到试验台的设备包括立式和卧式加工中心、铣床和三坐标测量机。机械车间向NIST研究人员提供零件,测试台的连接和软件组件分层在现有设备、调度和过程管理软件工具之上。 2022年,芝加哥MxD部署了一个数字孪生框架,以加强制造过程管理。该框架对数据收集和分析进行了标准化,以提高生产运营的可见性和控制。该项目还测试了一种“移动工人”解决方案,使设备操作员能够在移动设备上实时接收任务、访问关键数据和更新状态。该测试平台允许制造商在安全、低风险的环境中评估人工智能驱动的分析、预测性维护、网络安全等,帮助他们在承诺全面采用之前了解每种工具。通过模拟真实世界的流程,该测试平台支持培训和技能发展,使员工能够熟悉新的工具和技术。 台式试验台 中试装置或试验台改造背后的相同原理也可以应用于独立的台式或台式试验台。当这些小规模工具由公司开发时,它们通常不会发布。对于那些在大学环境中建造或共同开发的建筑,学术文献中都有相关报道。 台式试验台示例 基于Linux的数控开放控制系统(萨格勒布大学,2013) 技术试验台的局限性 由于它们旨在反映现实世界的制造条件,因此构建和维护测试台也面临着类似的挑战。这些包括安全、数据安全和隐私、系统集成以及物理和虚拟基础设施管理。有限的空间、资金和利益相关者参与等资源限制也会减缓进展。 此外,还需要良好的实验设计。测试用例需要明确规定并妥善记录。结果需要清晰明了,易于传播。否则,测试平台的发现可能永远不会扩大规模或应用于生产。 AMT试验台 AMT-制造技术协会于2018年建立了一个带有台式五轴铣床的“快闪店”,作为机器连接和数字螺纹的演示和研究平台。后来,增加了一系列协作机器人,将原来的铣床升级为新型号。除了员工培训外,AMT试验台上的活跃研究领域还包括: MTConnect中的规范和功能建模 工业物联网的远程访问、安全和安保 标准协调(ROS、OPC UA、MTConnect、MQTT) 设备清单: Penta Machine Co.PocketNC v2台式五轴数控铣床(带外壳) IGUS ReBeL6机械臂+Schunk夹持器 Intel RealSense D435i深度感应立体相机 Sonicwall防火墙 用于CAD和仿真、单元控制和远程访问的专用Windows工作站 AMT试验台是为机器人辅助加工而建立的。它还有一个基于MTConnect的数据收集系统,以及对该单元的安全、基于帐户的远程访问。 本文由Chloe Radigan与Russ Waddell合作撰写,并得到了Benjamin Moses和Stephen LaMarca的额外支持。
  • 《机器视觉和人工智能在现代制造中的关键作用》

    • 来源专题:智能制造
    • 编译者:icad
    • 发布时间:2024-02-28
    •   在竞争日益激烈和监管日益严格的环境中,机器视觉(MV)解决方案对于制造商来说变得至关重要。在严格的监管要求、创新的制造技术和严重的劳动力短缺的推动下,该行业正在转向技术解决方案。   人工智能在MV中的重要性与日俱增   将人工智能集成到机器视觉解决方案中代表着制造业的重大转变。预测质量控制机器视觉市场将出现显着增长,预计将从2023年的23亿美元增长到2028年的72亿美元。这种增长轨迹强调了人工智能在现代制造业中的关键作用,其驱动力是其增强和增强的能力传统的中压系统。   人工智能在机器视觉领域的优势   将人工智能(AI)集成到制造业的机器视觉(MV)中可带来一系列变革性优势,重塑工业质量控制的格局。最大的优势之一是提高了识别缺陷的准确性和精确度。人工智能算法擅长处理视觉数据,大大减少错误并确保高精度。这种准确性对于保持产品质量标准的一致性至关重要。   另一个关键优势是检查速度的显着提高。AI驱动的MV系统可以实时分析视觉数据,从而在不影响质量的情况下实现更快的检测速度。这种高速处理对于维持高效的生产线和支持高吞吐量的制造环境至关重要。   人工智能还提供了卓越的适应性和灵活性。它可以从新数据中学习,使其适应不同的产品或制造环境。这种学习能力允许根据特定的制造需求和要求进行定制,使人工智能成为制造武器库中令人难以置信的多功能工具。   此外,从长远来看,人工智能在MV中的集成可以带来显着的成本效益。通过减少材料浪费并最大限度地减少手动检查的需要,MV中的人工智能可以节省大量劳动力成本。此外,它还通过减少潜在危险环境中的人为干预需求并减轻工人重复性任务的压力来增强安全性和人体工程学。   运营的可扩展性是另一个重要优势。AI驱动的MV系统可以轻松扩展或适应不同的生产线,从而灵活地响应产品设计或制造方法的变化。人工智能提供的丰富的数据驱动见解补充了这种可扩展性。通过分析大量数据,人工智能可以识别趋势和模式,帮助进行预测性维护并提高制造效率。   最后,在MV中采用人工智能可以为制造商提供竞争优势。它将他们定位为创新和技术的领导者,从而能够更快地适应市场需求和变化。环境效益进一步增强了这种竞争优势,因为人工智能优化的流程通过资源优化和能源效率有助于实现更可持续的制造实践。   要点:   ● 提高缺陷检测的准确性和精确度。   ● 提高检测速度以实现高效生产。   ● 对不同制造环境的适应性和灵活性。   ● 长期节省成本并提高安全性。   ● 可扩展性和丰富的数据驱动见解。   ● 竞争优势和环境效益。   人工智能与机器视觉集成的挑战和限制   尽管有这些优势,但在制造中将人工智能与机器视觉相结合也并非没有挑战。最令人畏惧的问题之一是高昂的初始成本和投资回报率(ROI)的不确定性。AI-MV系统的部署需要对先进硬件和软件进行大量资本投资。此外,制造商经常面临投资回报率的不确定性,尤其是当生产力提高或缺陷减少等效益可能需要一段时间才能显现出来时。   另一个重大挑战是将这些先进系统与现有制造基础设施集成。旧设备和软件的兼容性问题可能会造成相当大的障碍,而重新配置现有工作流程以适应AI-MV系统可能会扰乱生产流程。   对技术专业知识的需求是另一个障碍。通常缺乏能够操作和维护这些复杂系统的熟练人员。此外,人工智能技术的快速发展需要对劳动力进行持续培训和提高技能,从而加剧了资源紧张。   数据隐私和安全问题也很突出。AI-MV系统对数据的依赖日益增加,引发了数据漏洞问题以及遵守严格数据保护法规的需要。此外,维持系统可靠性和诊断人工智能驱动系统中的问题的复杂性可能会导致生产延迟和质量问题。   可扩展性和灵活性问题也带来了挑战。人工智能模型可能难以快速适应产品设计或制造流程的变化,需要额外的投资和再培训。人工智能和机器视觉技术缺乏标准化可能会导致互操作性问题和对特定供应商的依赖,从而限制制造商的灵活性。   人工智能的“黑匣子”性质是另一个严峻的挑战。人工智能决策过程缺乏透明度可能会导致信任问题,尤其是在质量控制和监管合规性至关重要的行业。由于训练人工智能模型对质量数据的依赖,这一问题变得更加复杂。数据不充分或有偏差可能会导致人工智能预测不准确,从而破坏系统的有效性。   要点:   ● 初始成本高,投资回报率不确定。   ● 与现有系统的复杂集成。   ● 需要技术专业知识和持续培训。   ● 数据隐私、安全问题和系统可靠性问题。   ● 可扩展性和灵活性的挑战。   ● 人工智能决策缺乏标准化和透明度。   未来展望与创新   展望未来,持续的创新有望进一步增强这些技术,使它们更具适应性、更高效,并且更能融入制造流程。随着人工智能在质量控制方面的优势变得更加明显,其在制造业的采用将继续增长。这种增长不仅仅是市场的扩大,更是技术本身的演进和完善。制造商越来越多地寻求人工智能增强的MV解决方案来应对现代生产环境的挑战。   将人工智能集成到机器视觉中正迅速成为制造业的关键组成部分。这项技术正在改变现有流程并为质量和效率设定新标准。随着市场不断扩大和发展,人工智能在机器视觉中的作用变得越来越重要,有望解决当前的挑战并塑造制造业的未来。