在制造业的数字化转型和未来的工作方面,机器人技术和自动化都具有关键性的作用。根据国际机器人联合会IFR的报告,全球机器人技术蓬勃发展的势头不减:2016年全球安装了294000台机器人,增长率为16%。IFR联合会估计到2020年时大约要销售170万台新的工业机器人。除了作为机器人重要客户的汽车制造业之外,电子工业也正在加大机器人技术的投资力度,尤其是在亚洲。全球范围内74%的工业机器人主要销售到了五大市场:中国、韩国、日本、美国和德国。
Festo公司研发生产的Bionic协作机器人能听懂人类的语言,借助于非常自然的运动模式使其成为没有危险的人机协作机器人
德国的机器人和自动化有巨大的增长潜力
德国是欧洲迄今为止最大的机器人和自动化技术的市场。VDMA协会中的机器人和自动化技术协会不久前将2017年度的增长预测从7%提高到了11%;可能有史以来第一次超过140亿欧元的营业额。2018年的发展趋势仍然是继续增长:VDMA协会表示销售额进一步增长10%。积极的发展趋势也反应在出口份额的稳步增长达到了57%。
在德国机器人+自动化技术的三大领域中,也就是机器人技术、工业图像处理和集成装配解决方案三大领域中,据VDMA协会数据显示,2018年机器人产品的销售额增长15%,达到41亿欧元,最新的数据表明工业图像处理技术产品的销售额增长18%,相当于行业营业额为26亿欧元。凭借智能化的装配和自动化上下料制造,集成装配解决方案将成为一个最大的子行业,销售额增长6%,创下74亿欧元的新纪录。
电子工业是图像处理技术和机器人系统最主要的应用领域
工业图像处理将成为自动化的组成部分
工业图像处理有着重要的意义:它不仅奠定了生产加工过程中人机协作和数字化转型的基础,而且还因将视觉信息越来越多的纳入到生产加工的各个工步和生产加工系统中而使其成为自动化技术中非常重要的一个组成部分了。
MVTec软件公司的领导人和VMDA工业图像处理技术协会的主席Olaf Munkelt博士认为:外贸出口是这一市场积极发展的推动力,2012年至2018年以及汽车行业平均年增长率为13%。他说:“多年来,汽车行业充分的利用了工业图像处理技术的优势有了全球最大的客户群;但其他行业现状也已经认识到了这一技术并且越来越多的使用了这一技术。”
嵌入式视觉和3D使图像处理更加智能化
紧凑的、基于简单的摄像模块能够直接集成到机床设备或者仪器中的嵌入式视觉图像处理系统属于图像处理技术行业当前最热门的主流话题。在性能强大的计算平台支持下可以在各种应用领域中提供智能化的图像处理,也为工业制造提供了巨大的潜力。
使用被测对象三维数据的图像处理技术也已经发展好多年了。VDMA协会当前的市场数据也证实了这一发展趋势:近三年3D应用和3D产品的销售额显著的增长了28%,像“抓取盒子中的物体”或者许多拾取和放置之类的自动化应用要求也都可以通过3D图像处理来实现了。
欧盟委员会在其Horizon 2020工作计划中将人机交互MRI定义为机器人技术的四大核心技术之一。在2018年到2020年之间将为实现这一核心技术提供总额6600万欧元的研发资金。 “MRI人机交互被视为工业机器人和服务机器人的关键技术。” 霍伦霍夫IPA研究所的机器人和机器人辅助系统部门领导人Martin H?gele先生说。
技术的发展能够实现安全、经济和灵活的自动化解决方案以及易于用户使用的操作性能。因此,MRI人机交互就是机器人技术中最重要的技术开发工作了。2018年度的国际机器人和自动化技术博览会Automatica也展示了大量的MRI人机交互技术。
其中的一家参展商就是丹麦奥登塞的Universal Robots公司。“对我们来讲,我们今年展品的特点是灵活性和最快的集成。我们展示各种不同的即插即用应用技术,例如能够完成不同任务的自动化解决方案。通过实际应用的展示,观众能够深入的了解协作机器人技术已经能够提供什么应用了,了解将来还能提供哪些应用可能性。”Universal Robots公司西欧总经理和(德国)有限责任公司总经理Helmut Schmid先生说道。
装配和上下料处理越来越数字化
工业4.0和数字网络也从根本上改变了装配过程。慕尼黑的Automatica国际会展展示了经典的机械制造商是如何适应装配自动化转变的、以及装配自动化在实践中已经能够完成什么任务了。
数字化和自动化技术明显提高了变形加工模具的深孔钻加工效率
例如,未来的装配工可以凭借增强现实眼镜中显示的设备安装结构就能完成新的安装任务,无需纸质的装配说明书。因此,也就没有必要设立专门培训新职工的岗位了。印刷的纸质装配说明书也就成为多余。甚至技术人员也可以凭借增强现实眼镜来协助维修设备。
开拓这一新领域的先驱者是传感器技术——新一代智能传感器:利用日益复杂的算法语言实现在现场直接采集、处理和转发数据的传感器,而边缘计算使这一切都成为可能。与云计算相比较,边缘计算使用的是功率越来越小、价格也越来越便宜的分散式数据处理的微处理器。借助于边缘计算可以简单的将所需功能重新设置到传感器中。因此,具有分散式计算能力的传感器能够实现复杂装配过程的数字联网,从而明显的提高装配过程的动态性能和灵活性。将来,建立在这一基础上的装配过程能够进一步的实现自我控制、不断适应变化的工作参数。
机械手技术专家Schunk公司凭借协作机械手使其产品在人机协作领域中的应用越来越多
给专业人员更多支持的实际应用
工业机械手也发生了根本性的变化。变化的重点是越来越多的集中在智能化、网络化和高灵敏的机械手系统方向了,利用这样的机械手就可以实现工业4.0和人机协作的生产方案。这种智能化机械手的发展趋势范围很广,从智能化的机械手到经协作机械手在人机协作应用中实现智能化的过程监控直至具有传感功能的高端机械手。
有一点是可以肯定的:Cobots协作机器人和数字化助理都将变得更加实用,能够给技术工人提供更多的支持。Festo公司研发生产的Bionic协作机器人甚至学会了听懂人类的语言。由于它采用了非常自然的运动模式和灵活、柔顺的气动系统,因此使它成为没有危险的人机协作机器人了。
工业磨削、抛光、去毛刺和灵活的处理其他一些工作等手工操作的自动化是Linz市Ferrobotics机器人技术有限责任公司的拿手活之一。该公司的高科技设备使机器人能够在接上电的一瞬间就自适应的调整。即使是非常复杂的手动操作任务也可以在它那里实现自动化,从而提高了产品的质量、提高了整个生产过程的盈利能力。
“我们帮助用户用最简单的、最经济的方法缩小自动化技术领域中的差距。我们慕尼黑展示方案的特点就是:利用我们一家企业提供的元器件用最简单的方法将自动化技术集成到一起了。” Ferro botics公司的创始人和首席执行官Ronald Naderer博士说。
Universal Robots公司在2018年度慕尼黑会展中展示的机器人附件主要是来自Universal Robots+的生态系统;这一生态系统包括了各种UR机器人的配套装备
自动化意味着效率的提高。但在真正提高效率之前企业还必须处理好自己的生产设备。杜塞尔多夫市的初创企业Vathos Robotics公司开发了一种适合于在中小型企业中使用的经济型机器人。设计这种机器人的关键目的就是缩短机器人生产新产品时的调整时间。只有缩短了机器人的调整时间才能很快的收回机器人的投资,也就有必要在产品批量数小于1000件时利用自动化设备进行生产了。
ABG带式研磨机是一种主动式砂带磨削设备。它提供了中小型工件表面处理的自动化解决方案,例如在汽车工业配件或者小型铸件表面处理的自动化解决方案
最近,这家公司推出了能够在智能手机或者平板电脑上调整设置机器人的软件Rüstflex。软件提供数字化表格的形式指导工人将正确的机器人调整信息和数据都收集起来。借助于附加的视频和照片,即使是非常复杂的调整工作操作者也都可以快速无误的完成了。通过与机器人控制系统的对话,Rüstflex软件大大的减轻了机器人的配置难度。为了使机器人的运动过程能够与新产品的生产保持协调,任何一个参数,例如位置、偏移或者速度等也都可以通过数字形式输入到机器人控制器中去。
利用平板电脑或者智能手机来调整机器人明显的比利用机器人生产厂家设计的机器人设置界面简单多了。“利用Rüstflex软件,公司里没有编程知识的工人也能够调整机器人了,也不害怕出错了。”Vathos公司的第一位客户、AHA Albert Haag有限责任公司的总经理Robert E?er先生说道。
人机通信的统一接口
Cobots机器人、数字辅助系统、边缘计算或者运输无人机,有许许多多的解决方案可以实现工厂现代化。为了将自动化工厂打造的完全适合企业生产的需要,独立于设备制造商的数据交换就成为非常重要的前提条件了。因为工业4.0和自动化还意味着:用户数据与机床设备数据的联网,机床设备与机床设备之间的通信,被加工零件和机床设备自主控制的生产制造,以及基于数据交换的机器人数据交换。为了实现这一目的正在建立开放式的接口标准OPC UA。
自动化技术领域中还有许多问题没有解决;但全球对机器人和自动化的兴趣与日俱增。国际机器人联合会IRF的最新统计数据也证明了这一点:平均的机器人密度也就是每10000名职工中工业机器人的数量,在欧洲增加到了99个,在美国增加到了84个,在亚洲增加到了63个。
2024-11-15
2024-11-19
2024-11-19
2024-11-18
2024-11-15
2024-11-21
2024-11-21
在E维智库第12届中国硬科技产业链创新趋势峰会暨百家媒体论坛上,我们有幸见证了一系列关于未来汽车技术的精彩演讲。这些演讲不仅展示了LED照明、射频技术、高性能存储器、端侧AI应用、以及SiC技术在新能源汽车领域的最新进展,还揭示了这些技术如何塑造智能汽车的未来。
评论
加载更多