Интеллектуальные системы в станках

Содержание

Введение 3
1. Интеллектуальные системы в станках 4
1.1. Возможности интеллектуальных систем в станках 4
1.2. Интеллектуальные технологии Makino 10
1.3. Функции и возможности Hyper-I 12
1.4. Перспективы развития интеллектуальных систем в станках 15
2. Машинное зрение 17
2.1. Машинное зрение с точки зрения информатики 18
2.2. Сущность технологии машинного зрения 25
3. Управление с голоса 28
3.1. Технология Athena 29
3.2. Возможности и перспектива Athena 31
3.3. Сущность и возможности голосового управления станками 33
4. Состояние и перспективы ИС в станках 34
Заключение 37
Список использованных источников 38

ВВЕДЕНИЕ

Машинное зрение давно используется в системах автоматизации производства для улучшения качества продукции и повышения производительности, заменяя визуальный контроль, традиционно выполняемый человеком. Визуальные данные, получаемые при решении задач захвата и перемещения, отслеживания объекта, метрологии, обнаружения дефектов и т. п., дают возможность улучшить показатели всей системы, предоставляя простую информацию «тест пройден/тест не пройден» или замыкая контуры управления.
Аналогичные функции подразумевает технология управления голосом. Прежде всего считается, что эта технология также может работать с важными рабочими документами, такими как карты наладки.
В любом случае, интеллектуальные системы в станках значительно изменят характер машиностроительной отрасли, ввиду постепенного увеличения на нее влияния четвертой промышленной революции (Industry 4.0.). Актуальность в изучении вопроса повышается по мере распространения интеллектуальных систем в промышленном оборудовании, которое в интенсивном темпе проходит с середины 2010-х гг.
Цель работы — рассмотреть существующие интеллектуальные системы в станках, такие как машинное зрение и голосовое управление.
1. Интеллектуальные системы в станках1.1. Возможности интеллектуальных систем в станкахИнтеллектуальные системы (ИС) — это технические и программные системы, которые обладают некоторыми чертами человеческого интеллекта, что позволяет им решать задачи, обычно выполняемые человеком. Их назначение в том, чтобы освободить время и ресурсы человека от лишних затрат на очень трудоемкие операции. Путем использования интеллектуальных систем можно также значительно повысить качество работы, снизит риск брака, дефектов и временны́х затрат на проведение операций. Появление ИС стало возможным благодаря развитию компьютерной и вычислительной техники.
Интеллектуальные системы в станках — это совокупность технических, вычислительных и информационных средств, используемых на производственных станках с целью повышения качества и удобства работы оператора. Такие интеллектуальные системы в станках подразумевают использование разного рода технического оборудования и технологий, с которыми взаимодействует оператор станка ЧПУ (станок с числовым программным управлением).
Станки ЧПУ являются высокотехнологичным оборудованием, в котором исполнительные устройства (приводы) управляются автоматически. Если добавить к ним дополнительное оборудование, например, сенсорные экраны, интерфейс голосового управления, систему машинного зрения и др., тогда станет возможным расширить функции и возможности в управлении станком ЧПУ. Следовательно, интеграция интеллектуальных систем в станки ЧПУ позволит не только повысить удобство работы оператора, но и предоставит возможность повысить безопасность, снизит вероятность травматизма и снизит число дефектов за счет повышения и регулирования точности выполнения операций. При этом, возможности интеллектуальных систем позволяют объединить работу оператора на отдельном станке со всей производственной системой, предоставляя функции справочных систем, обращения к состоянию других производственных операций в цехе, предлагая интерактивное обучение и многое другое.
Основное преимущество интеллектуальных систем в станках в том, что технологии позволяют управлять станком дистанционно, использовать при управлении сенсорный экран или голосовое управление. Это значительно повышает удобство работы и снижает риски травматизма или дефектов.
Новая волна и значительный эффект от применения технологии искусственного интеллекта получены в результате разработки и применения интеллектуальных информационных систем, явившихся синтезом экспертных и информационных систем. Создание ИИС стало естественным продолжением широкого применения информационных систем классического типа. Системы реинжиниринга бизнес-процессов показали возможность упорядочения информационных потоков и совершенствования структуры предприятия при внедрении информационных технологий, помогли освоить методологию разработки информационной модели предприятия. Интегрированные ИС предприятия обеспечивают информационную поддержку всех производственных процессов и служб предприятия, включая проектирование, изготовление и сбыт продукции, финансово-экономический анализ, планирование, управление персоналом, маркетинг, сопровождение эксплуатации изделий, перспективное планирование.
Внедрение информационных систем типа ЕRР (Еntеrрrisе Rеsоurcе Planing) увеличивает эффективность работы предприятия на 20-30%. В результате появились полностью компьютеризованные информационно-технологические связи между корпорациями (системы В2В или бизнес-бизнес) и связи корпорации с клиентами (системы В2С или системы бизнес-клиент).
Можно также сказать, что интеллектуальные информационные системы (ИИС) — естественный результат развития обычных информационных систем, сосредоточили в себе наиболее наукоемкие технологии с высоким уровнем автоматизации не только процессов подготовки информации для принятия решений, но и самих процессов выработки вариантов решений, опирающихся на полученные информационной системой данные. ИИС способны диагностировать состояние предприятия, оказывать помощь в антикризисном управлении, обеспечивать выбор оптимальных решений по стратегии развития предприятия и его инвестиционной деятельности. Благодаря наличию средств естественно-языкового интерфейса появляется возможность непосредственного применения ИИС бизнес пользователем, не владеющим языками программирования, в качестве средств поддержки процессов анализа, оценки и принятия экономических решений. ИИС применяются для экономического анализа деятельности предприятия, стратегического планирования, инвестиционного анализа, оценки рисков и формирования портфеля ценных бумаг, финансового анализа, маркетинга и т.д.
В этом случае потребовался значительно больший объем информации как собственно о предприятии, так и о его окружении, т.е. природных, политических, экономических и других факторах, конкурентах, поставщиках и т.д., а также значительно более сложные вычисления, необходимость учета слабо формализуемых факторов, высокий уровень интерфейса. Поставленные задачи реализованы в системах поддержки принятия решений. Их отличительная черта — значительно более высокий уровень «интеллекта», чем у обычных интегрированных систем управления производством; наличие специальных процедур для отбора и ввода данных, в том числе и по расписанию из различных внешних систем. В системах поддержки принятия решений производится заблаговременное вычисление (в целях обеспечения уменьшения времени реакции) агрегированных данных, часто используемых в запросах; используется специальная организация хранения данных, обеспечивающая возможность многоаспектного поиска с изменяемой 16 глубиной агрегирования/дезагрегирования данных. Эта технология получила название хранилищ и витрин данных в сочетании с оперативной аналитической обработкой данных.
Наиболее мощные фирмы, разрабатывающие системы управления базами данных (СУБД) — ОRАСLЕ, ВАSЕ, Мicrosoft, — поставляют на рынок системы, в которые модули поддержки принятия решений входят как компонента. В состав таких входят технологии искусственного интеллекта — нейронные сети, интеллектуальный анализ данных. Объектноориентированная структура этих баз данных сделала реальностью идеологию фреймов, разработанную в рамках искусственного интеллекта. Технические решения, необходимые для создания полномасштабных интеллектуальных информационных систем — средства ведения баз знаний на основе объектноориентированных баз данных, автоматизации формирования баз знаний на основе методов интеллектуального анализа данных, полнотекстовые системы поиска и семантические анализаторы естественного языка для естественноязыкового интерфейса — стали производиться как серийно выпускаемые программные изделия. Не реализованными в рамках таких СУБД пока остаются технологии реализации правдоподобных (вероятностных) и логических (дедуктивных) выводов.
По материалам кадровых агентств, в Интернете существует устойчивый высокий спрос на специалистов, владеющих современными технологиями проектирования и разработки ИИС. Поскольку технические и программные средства изменяются достаточно быстро (их полное обновление происходит в течение 2-3 лет), а принципы работы интеллектуальных систем изменяются относительно медленно (на протяжении 15-20 лет).
Первоначально ИИС использовали знания нескольких экспертов в каждой из областей инвестиций. В настоящее время базы знаний частично формируются посредством машинного обучения, используя методы индукции, генетические алгоритмы и некоторые другие методы извлечения знаний. Менеджер, используя такую схему, теоретически может принимать решения более эффективно и с меньшей стоимостью, чем это смог бы сделать любой индивидуальный эксперт в данной области. Наиболее очевидным преимуществом интеграции некоторых форм искусственного интеллекта в процессе принятия решений по сравнению с постоянным консультированием с группой экспертов обычно является более низкая стоимость и большее соответствие результатов задаче.
Наличие развитых коммуникативных способностей у ИИС дает возможность пользователю выдавать задания системе и получать от нее обработанные данные и комментарии на языке, близком к естественному. Система естественно-языкового интерфейса (СЕЯИ) транслирует естественно-языковые структуры на внутри машинный уровень представления знаний. Включает морфологический, синтаксический, семантический анализ и соответственно в обратном порядке синтез. Программа интеллектуального интерфейса воспринимает сообщения пользователя и преобразует их в форму представления базы знаний и, наоборот, переводит внутреннее представление результата обработки в формат пользователя и выдает сообщение на требуемый носитель. Важнейшее требование к организации диалога пользователя с ИИС — естественность, означающая формулирование потребностей пользователя с использованием профессиональных терминов конкретной области применения.
Для ИИС характерны следующие признаки:
1. Развитые коммуникативные способности: возможность обработки произвольных запросов в диалоге на языке максимально приближенном к естественному (система естественно-языкового интерфейса — СЕЯИ);
2. Направленность на решение слабоструктурированных, плохо формализуемых задач (реализация мягких моделей);
3. Способность работать с неопределенными и динамичными данными;
4. Способность к развитию системы и извлечению знаний из накопленного опыта конкретных ситуаций;
5. Возможность получения и использования информации, которая явно не хранится, а выводится из имеющихся в базе данных;
6. Система имеет не только модель предметной области, но и модель самой себя, что позволяет ей определять границы своей компетентности;
7. Способность к аддуктивным выводам, т.е. к выводам по аналогии;
8. Способность объяснять свои действия, неудачи пользователя, предупреждать пользователя о некоторых ситуациях, приводящих к нарушению целостности данных.
Применение ИИС совместно со стандартными методами исследования операций, динамического программирования, а также с методами нечеткой логики для планирования при комплексной автоматизации деятельности предприятия, приносит принципиальные выгоды: реально снижаются операционные издержки; повышается качество управленческих решений.
Интеллектуальные информационные системы особенно эффективны в применении к слабо структурированным задачам, в которых пока отсутствует строгая формализация, и для решения которых применяются эвристические процедуры, позволяющие в большинстве случаев получить решение. Отчасти этим объясняется то, что диапазон применения ИИС необычайно широк: от управления непрерывными технологическим процессами в реальном времени до оценки последствий от нарушения условий поставки товаров по импорту.
По мере совершенствования принципов логического и правдоподобного вывода, применяемых в ИИС за счет использования нечеткой, модальной, временной логики, байесовских сетей вывода, ИИС начинают проникать в высокоинтеллектуальные области, связанные с разработкой стратегических решений по совершенствованию деятельности предприятий. Этому способствуют более современные алгоритмы анализа и синтеза предложений естественного языка, облегчающие общение пользователя с системой.
Включение в состав ИИС классических экономико-математических моделей, методов линейного, квадратичного и динамического программирования позволяет сочетать анализ объекта на основе экономических показателей с учетом факторов и рисков политических и внеэкономических факторов, оценивать последствия полученных их ИИС решений. Наличие в составе ИИС объектно-ориентированной базы данных позволяет однородными средствами обеспечить хранение и актуализацию как фактов, так и знаний [3].
1.2. Интеллектуальные технологии MakinoКомпании предлагают разные решения ЧПУ в плане интерфейса управления и способов реализации интеллектуальных систем в станках. Например, ЧПУ Makino Professional 6 оптимизирует движения станка в соответствии с условиями обработки. Геометрия заготовки и качество обработки поверхности сохраняются даже при обработке с высокой скоростью и ускорением. Доступны различные предустановленные режимы обработки. Предустановленные параметры позволяют оператору оптимизировать время цикла и уровни точности в соответствии с эксплуатационными требованиями (рис. 1).
Рисунок 1 — ЧПУ Makino Professional 6
Makino — одна из ведущих мировых компаний, разрабатывающей станки и обрабатывающее оборудования. Компания предлагает собственную систему интеллектуального управления, которую она начала продвигать с 2015 года. Ее система управления Hyper-I представляет собой сдвиг парадигмы производственной эффективности в цехе и предоставляет оператору такой же функционально богатый и удобный для пользователя интерфейс, позволяющий повысить производительность электроэрозионных проволочно-вырезных и копировально-прошивочных станков Makino.
Такая система повышает производительность станка благодаря интеллектуальному упрощению интерфейса, что позволяет операторам разного профессионального уровня достигать самых высоких результатов. В современной графической системе управления используются жесты сжатия, прокрутки и расширения, сходные с жестами для смартфонов и планшетов, и она обеспечивает эффективную и естественную работу с использованием 24-дюймового сенсорного экрана с высоким разрешением. Удобство использования повышено благодаря интеграции встроенных цифровых руководств, интеллектуальным функциям справки e-Tech Doctor и системе электронного обучения (рис. 2).
Рисунок 2 — Система Hyper-I на станке ЧПУ [9]
Интеллектуальные технологии для станков от Makino быстро усовершенствуются. Уже в 2016 году были представлены автоматизированные системы, позволяющие управлять станком дистанционно с помощью смартфона. Такие системы, по словам разработчика, можно оставлять некоторое время без присмотра. Одновременно была представлена надежная система безопасности Core-Stitch, на случай, если автоматизированный станок заклинит. Также отмечается, что подобные интеллектуальные технологии позволят значительно сэкономить на проводке, которая является источником одних из самых больших издержек в машинном металлообрабатывающем оборудовании [5].
1.3. Функции и возможности Hyper-I
Таким образом, цифровой интерфейс Hyper-I является стандартизированной системой для станков Makino. Ее преимущества прежде всего заключаются в том, чтобы повышать производительность работы за счет удобного интерфейса. Это позволяет снизить издержки, возникающие за счет работы мало квалифицированных сотрудников, так как интуитивно понятный интерфейс одинаково удобен для работников любой квалификации. Основа технологии такая же, которая используются на смартфонах: 24-дюймовый сенсорный экран высокой четкости, к которым также можно подключать другие устройства и модули. В ней также есть система электронного обучения Tech Doctor.
Одновременно, такая интеллектуальная система позволила в несколько раз усовершенствовать качества работы станков за счет следующих функций:
HyperCut
Настрой означает повышение скорости работы генератора с целю увеличить скорость обработки изделия без износа электрода. Возможно повысить скорость обработки без для качества поверхности до 30%.
SuperSpark IV
Функция позволяет использовать динамические регулировки источника питания и управления скачкообразным движением в процессе обработки. Это позволяет расширить возможности автоматизации управления, устраняя необходимость в проверках электропроводки с использованием другого оборудования. За счет этого упрощается управление станком, работа станка не замедляется и не останавливается для диагностики проводки, поскольку независимо от квалификации оператора, система проводит диагностику самостоятельно. Предполагается, что наибольшая польза от технологии SupekSpark будет в сокращении продолжительности цикла грубой обработки, независимо от формы и размера детали.
ArcFree
Функция предназначена для повышения безопасности, исключая возможность возникновения в станке источников электрического поражения, даже при высочайшем напряжении на электроде.
Flower patter
Технология разработана с целью получения однородного качества обработки всей поверхности. Одновременно она позволяет продлить срок службы оборудования.
HQSF
Расшифровывается как «высококачественная обработка поверхности». Используя медные или графитовые электроды можно улучшить качество обрабатываемой поверхности, с применением специальных порошковых добавок µSC. Они смешиваются с диэлектрическим маслом, что повышает стабильность процесса обработки и уменьшает число искр. При этом, повышается срок службы оборудования и сокращается время цикла обработки поверхности.
EDcam
Интеллектуальная система от Makino позволяет работать с моделями и чертежами САПР, за счет возможности подстраивать под них режим работы электродов. Это позволяет устранить необходимость в создании чертежей вручную с последующим программированием на устройстве управления ЧПУ, что тратит большое количество времени и не исключает человеческие ошибки, с возможным травматизмом или вредом для качества работы (рис. 3).
Рисунок 3 — Моделирование на Hyper-I
Удаленный мониторинг
Позволяет оператору дистанционно управлять станком и контролировать его работу. Технология позволяет, например, станку генерировать текстовые электронные сообщения с сигналами тревоги, остановки и т. п. через определенные интервалы времени. Также есть функция визуального контроля, позволяющая наблюдать за обработкой с удаленного ПК [8].
1.4. Перспективы развития интеллектуальных систем в станкахВ дальнейшем, интеллектуальные системы и человеко-машинный интерфейс (HMI) будут интегрироваться в локальные производственные сети и в системы управления производством (MES). Суть в том, чтобы за счет автоматизации как можно большего числа операций, оператор обращался только к относительно небольшому объему символических и графических данных, предлагаемых на интерфейсе. За счет связи с ERP (система планирования ресурсами) производится обмен данными по всему цеху в реальном времени. Это держит ситуацию под контролем во всем производстве, путем предоставления информации о состоянии инженерных систем, предложений в форме инструкций или рекомендаций для операторов, и т. д.
В дальнейшем интеллектуальные системы управления станками через HMI будут интегрироваться с ERP и MES. В настоящее время HMI для управления станком предлагает использовать электронное устройство (смартфон или планшет) для взаимодействия со всей системой цеха, не только со станком или отдельным оборудованием. Это сделано для мобильности, доступности, повышение качества работы и совершенствования мощностей для визуализации и анализа данных о работе оборудования.
Также в перспективе идет разработка технологий wearable devices (умная одежда, в том числе очки, шлемы и т. п.). В промышленном предприятии такой интерфейс управления станками позволит держать руки свободными для выполнения другой работы.
Одновременно разрабатывается технология дополнительной реальности AR, Augmented Reality). Полагается, что в ее основе управления будут жесты и движения тела в качестве режима ввода информации. Суть AR в том, что в дополнение к объектам виртуальной реальности (VR), дополняются элементы физической реальности, тем самым сочетая их для удобной работы на производстве. Например, виртуальная реальность предоставляет интерфейс управления станком, тогда как физическая реальности дает изображения элементов физического управления станком. Виртуальная реальности может предоставлять помощь в управлении станком или давать рекомендации по сложным вопросам, решаемым на физическом уровне. Это экономит время и средства на повышении квалификации, дополнительном обучении и т. п. [11].
Так или иначе, интеллектуальные системы управления станков и производством направлены на устранение проблем, возникающих при работе оператора. Отмечается, что этот фактор (человеческий) является основным источником некачественной работы и травматизма, которые призваны устранить высокие технологии.
2. Машинное зрениеИнтерфейс HMI (Human-Machine Interface, человеко-машинный интерфейс) — ключевое звено в интеллектуальных системах управления станками. Обычно он представляет собой панель управления, установленную на станке ЧПУ (на месте оператора). Для каждого станка существует конкретный дисплей. С помощью него можно вводить команды, программировать режим работы, останавливать операции и выполнять другие функции. Дисплей также отображает самую важную информацию для оператора: состояние и положение инструмента, измерения датчика, контрольные диаграммы и многое другое (рис. 4).
Рисунок 4 — Станок с дисплеем, смонтированном на шлеме оператора
Технологию машинного зрения (использование для работы его возможностей обработки визуальных данных) стало возможным применять на станках ЧПУ благодаря эволюции многоядерных и графических процессов. Основное преимущество технологии в том, что визуальные данные, полученные при решении задач захвата и перемещения, отслеживания объекта, метрологии, обнаружения дефектов и т. п., дают возможность улучшить показатели всей системы, предоставляя простую информацию «тест пройден/тест не пройден» или замыкая контуры управления.
2.1. Машинное зрение с точки зрения информатикиМашинное зрение и достижения в области создания микропроцессоров и IT позволяют разработчикам создавать сложные алгоритмы визуализации данных и создавать интеллектуальные схемы с последующим внедрением в станки. Так, стало возможно применить интеллектуальную систему для металлообработки с привлечением в нее станков, контроллеров и других механизмов с интеграцией в промышленную локальную сеть (рис. 5).
Рисунок 5 — Схема реализации компьютерного зрения на станках
Эти системы, показанные на рис. 5, обычно разрабатываются как сеть интеллектуальных подсистем, образующих вместе распределенную систему, которую можно спроектировать на основе модульного принципа. Однако по мере увеличения производительности системы использование подхода, основанного на аппаратных средствах, становится затруднительным, поскольку такие системы часто объединены сочетанием критичных и не критичных ко времени протоколов обмена данными. Применение различных протоколов приводит к появлению узких мест, обусловленных задержками, потерей детерминизма и снижением пропускной способности. Например, если разработчик пытается создать приложение с подобной распределенной архитектурой и тесной интеграцией системы машинного зрения и системы управления движением, необходимой для визуального серво­управления, он может столкнуться с проблемами недостаточных возможностей обработки данных и производительности.
Более того, поскольку у каждой подсистемы есть собственный контроллер, в действительности наблюдается даже снижение эффективности обработки, т. к. ни одна подсистема не нуждается в полной вычислительной мощности всей системы. Наконец, из-за распределенной аппаратно-ориентированной архитектуры разработчикам приходится использовать несовместимые средства разработки для каждой подсистемы — специализированное программное обеспечение (ПО) для системы машинного зрения, специализированное ПО для системы управления движением и т. д. Это особенно сложно для небольших команд проектировщиков, где за много компонентов проекта отвечает небольшая группа или даже один инженер.
Сегодня существует более подходящий способ разработки таких систем для современных станков и оборудования — программно-ориентированный подход, который уменьшает сложность, улучшает интеграцию, снижает риск и сокращает время выхода на рынок. Если использовать программные средства, предоставляющие возможность применения одного инструмента разработки для решения различных задач, разработчики смогут отражать модульность механической системы в ПО (рис. 6).
Рисунок 6 — Программно-ориентированный подход, позволяющий разработчикам упростить структуру системы управления
Объединение задач визуального контроля, управления движением, ввода/вывода и человеко-машинного интерфейса в одной мощной встраиваемой системе позволит упростить структуру системы управления. Такой подход устраняет проблемы, связанные с обменом данными между подсистемами, поскольку теперь все подсистемы работают в одном программном стеке на одном контроллере. Высокопроизводительная встраиваемая система машинного зрения вполне способна сыграть роль такого централизованного контроллера благодаря вычислительным мощностям, уже достигнутым в подобных устройствах.
Важное значение имеет именно программно-ориентированных подход. Поэтому, нужно рассмотреть некоторые преимущества архитектуры централизованной обработки. Для этого можно взять приложение управления движением по видеоизображению — например, универсальный загрузчик, в котором система машинного зрения выдает указания системе управления движением. Детали могут находиться в различных положениях и могут быть по-разному ориентированы. Вначале система машинного зрения получает изображение детали для определения ее положения и ориентации и передает эту информацию системе управления движением. Затем с помощью полученных координат система управления движением перемещает актуатор к детали и захватывает ее. Она может также использовать эту информацию для корректировки ориентации детали перед ее размещением. При такой реализации задачи разработчики могут исключить все приспособления, используемые ранее для ориентации и положения деталей. Это уменьшает стоимость решения и позволяет проще адаптировать приложение к конструкции новых деталей — с помощью лишь программной модификации.
У аппаратно-ориентированной архитектуры есть важное преимущество — ее масштабируемость, основанная на связи между системами по Ethernet. Но необходимо уделить внимание и обмену данными по этой сети. Как было указано ранее, сложность такого подхода состоит в том, что обмен данными по сети Ethernet недетерминирован, а пропускная способность ограничена. Для большинства задач управления движением, где машинное зрение используется только в начале реализации, это приемлемо, но в других ситуациях изменение задержки может представлять проблему.
Применение архитектуры централизованной обработки данных позволяет решить проблему. Во-первых, снижается сложность разработки, поскольку и систему управления движением, и систему машинного зрения можно разрабатывать в одной и той же среде программирования, и разработчику не нужно знать несколько языков или сред программирования. Во-вторых, потенциальное узкое место производительности системы в сети Ethernet устраняется, так как теперь данные передаются между циклами одного приложения, а не через физический уровень. В результате вся система работает детерминированно за счет того, что она целиком выполняется в одном процессе. Это особенно важно, если машинное зрение необходимо использовать в цикле управления, например в приложениях с визуальным серво­управлением. В этом случае система машинного зрения в процессе перемещения непрерывно получает изображения актуатора и целевой детали, пока перемещение не завершится. Эти изображения используются для обеспечения обратной связи об успешном выполнении движения, с помощью которой разработчики могут улучшить точность существующей автоматики без необходимости приобретения высокопроизводительного оборудования для управления движением.
Если разработчики собираются использовать систему, способную выполнять операции вычисления и управления, необходимые для системы машинного зрения, а также обеспечивающую бесшовную стыковку с другими системами — управления движением, HMI, вводом/выводом, — то это должна быть аппаратная архитектура, которая позволяет достичь нужной производительности, а также дает интеллектуальные и управляющие способности, требующиеся каждой из этих систем. Хороший вариант для такой системы — гетерогенная архитектура обработки данных, объединяющая процессор и FPGA с вводом/выводом (рис. 7).
Рисунок 7 — Гетерогенная архитектура, объединяющая процессор с FPGA и вводом-выводом
Архитектура этого типа пользуется популярностью на современном рынке: стоит вспомнить Xilinx Zynq All-Programmable SoC (системы на кристалле, объединяющие процессор ARM с Xilinx 7-Series FPGA) или многомиллиардное приобретение компанией Intel компании Altera, а также множество систем машинного зрения. Использование FPGA дает особые преимущества системам машинного зрения благодаря присущему ему параллелизму: алгоритмы могут быть разделены так, чтобы выполняться в тысячах совершенно независимых потоков. Такая архитектура также имеет ценность для систем управления движением и ввода/вывода. Процессоры и FPGA можно использовать для выполнения продвинутой обработки, вычислений и принятия решений. У разработчиков есть возможность подключиться практически к любому датчику по любой шине через каналы аналогового и цифрового ввода/вывода, промышленные и пользовательские протоколы, датчики, актуаторы, реле и т. д. Такая архитектура удовлетворяет и другие требования, например таймирования и синхронизации, а также бизнес-задач вроде достижения уровня продуктивности. Также она устраняет необходимость в больших специализированных командах разработчиков, что актуально для всех, кто хочет повысить скорость разработки.
Примером реализации технологии машинного зрения в станках служит компания Master Machinery, тайваньская компания, выпускающая установки для обработки полупроводников (рис. 8).
Рисунок 8 — Станок для обработки полупроводников на предприятии Master Machinery, использующий машинное зрение
В ее станках используется сочетание машинного зрения, управления движением и промышленного ввода/вывода для извлечения кристаллов из кремниевой подложки и их последующей упаковки. В среднем подобные станки обрабатывают примерно по 2,000 элементов в час. Это хороший пример системы, где могла бы использоваться распределенная архитектура, подобная изображенной на рис. 5, когда каждая подсистема разрабатывается отдельно, а потом интегрируется в сеть.
Однако в Master Machinery применили другой подход. Они разработали свою установку на основе централизованной, программно-ориентированной архитектуры и встроили контроллеры управления станком, системы машинного зрения и управления движением, ввод/вывода и HMI в один контроллер, ПО которого спроектировано в LabVIEW. Помимо снижения затрат (поскольку им не потребовалось разрабатывать отдельные подсистемы), такой подход значительно повысил производительность установки: теперь она обрабатывает около 20 тыс. элементов в час — в 10 раз больше, чем станки конкурентов.
Ключевым компонентом для достижения такого результата стала возможность объединить несколько подсистем в один программный стек: в частности, системы машинного зрения и управления движением. Это позволило Master Machinery упростить не только проектирование системы машинного зрения, но и проектирование всей системы в целом [4].
2.2. Сущность технологии машинного зренияТаким образом, основные направления применения машинного зрения на станках следующие:
Повышение качества обработки
Уменьшение брака
Предотвращение поломок
Снижение человеческого фактора (брака, травматизма)
Экономия на подобных издержках
Сокращение времени обработки
В основе технологии машинного зрения (Machine Vision, MV) находятся компьютерные средства, позволяющие станку сканировать изображения, обрабатывать их и за счет этого контролировать качество обработки, управлять процессов в реальном времени и регулировать работу оборудования. В основном, машинное зрение используется для оптического измерения, обеспечения качества сортировки, проверки сборки деталей и управления производственным процессом.
Порядок работы машинного зрения:
Получение изображения с камер, объективов и сенсоров
Обработка изображений с помощью программного обеспечения (LabVIEW, MV Impact, OpenCV, MATLAB и др.)
Отправка обработанной визуальной информации в машинный процессор для принятия решения в текущей ситуации
Выполнение операции на основе принятого решения
Машинное зрения использует такой алгоритм не только непосредственно на станке, но на рабочем месте. Например, такая технология позволяет сканировать штрих-коды или текущую обстановку (температуру, давление, состояние воздуха и т. п.), за счет чего машина может дать соответствующую команду: остановить производство, заблокировать станок, включить тревогу и др. Такая технология машинного зрения сочетается с системой оптического распознавания (Optical Character Recognition — OCR), рис. 9.
Рисунок 9 — Скрин изображения штрихкода и визуальной информации, снятый камерой машинного зрения
Также машинное зрение помогает тогда, когда оператор не видит значительной части обрабатываемой поверхности, что ведет к снижению качества работы или к травматизму. Для устранения проблемы камеру помещают таким образом, чтобы оператор мог видеть обрабатываемую поверхности, совмещая компьютерное зрения с дополнительным освещением и компьютерной визуализацией (рис. 10).
Рисунок 10 — Скрин интерфейса с камеры машинного зрения скрытой части обрабатываемой детали [10]
3. Управление с голосаВпервые программное обеспечение для распознавания голоса на станках было представлено на выставке IMTS (International Manufacturing Technology Show) в 2018 году. Ведущий производитель станков Makino уже использует голосовое управление на нескольких моделях своих обрабатывающих центров.
На данный момент для связи "человек-станок" операторами используется хэндс-фри гарнитура. Она позволяет выполнять ряд функций управления и отображения информации с помощью голосовых команд типа "запустить программу обработки детали 208", "остановить подачу СОЖ", "сменить инструмент на Т-15" и т. д. Распознавание речи сможет обеспечить мгновенный доступ к информаци?