Conception of a Human-Cobot Workplace for increasing productivity with a vision-guided cobot

Abstract

To boost productivity, efficiency, and flexibility in production lines and their associated workstations, manufacturing industries are now investing remarkably in workspaces that are collaborative in nature between Human and Robots. These robots work alongside humans, to accomplish the defined objectives increasing their productivity and relieving the human of repetitive or strenuous tasks. The development of Human-Robot Collaborative workspaces has been extensively studied in industrial settings over the years. The primary driver behind contemporary research is the growing industrial interest in developing flexible and adaptive task allocation strategies that promote equitable task sharing. Most collaborative robots are researched for specific applications, such as assembly and inspection tasks, and for providing generalized guidelines for designing such workspaces considering the human factors of safety and acceptance. This research presents a study with industrial use casefocused on designing a Human-Robot Collaborative (HRC) workspace using a vision-guided cobot for preparation of fastener cases for material commissioning. The primary goal of the research is to optimize the cycle time and reduction of errors of an assembly process using computer vision and to verify the effectiveness of implementing a vision system to the cobot. The research includes a feasibility study to assess the automation potential of the AS-ISmanual process. A unique layout pattern recognition algorithm, designed to intelligently identify the pattern of objects to be assembled based on their Color and dimensions, is developed in conjunction with an object recognition algorithm. The cobot tasks are simulated in a ROS Gazebo environment to test the efficiency of the algorithms. The results demonstrate the benefits and limitations of the practical implementation of the proposed design approach. The findings of this study will support future research on HRC in assembly tasks and provide guidance on the applicability of machine vision in such tasks

Um die Produktivität, Effizienz und Flexibilität von Produktionslinien und den damit verbundenen Arbeitsplätzen zu steigern, investieren Fertigungsindustrien jetzt erheblich in Arbeitsbereiche, in denen Mensch und Roboter zusammenarbeiten. Diese Roboter arbeiten mit Menschen zusammen, um die definierten Ziele zu erreichen, ihre Produktivität zu steigern und den Menschen von sich wiederholenden oder anstrengenden Aufgaben zu entlasten. Die Entwicklung kollaborativer Mensch-Roboter-Arbeitsräume wurde im Laufeder Jahre in industriellen Umgebungen eingehend untersucht. Der Hauptgrund für die aktuelle Forschung ist das wachsende Interesse der Industrie an der Entwicklung flexibler und adaptiver Aufgabenverteilungsstrategien, die eine gerechte Aufgabenteilung fördern. Die meisten kollaborativen Roboter werden für spezifische Anwendungen wie Montage- und Inspektionsaufgaben sowie für die Bereitstellung allgemeiner Richtlinien für die Gestaltung solcher Arbeitsbereiche unter Berücksichtigung der menschlichen Faktoren Sicherheit und Akzeptanz erforscht. Diese Forschung stellt eine Studie mit industriellem Anwendungsfall vor, die sich auf die Gestaltung eines kollaborativen Mensch-Roboter-Arbeitsraums (HRC) unter Verwendung eines visionsgesteuerten Cobots zur Vorbereitung von Verbindungselementen für die Materialkommissionierung konzentriert. Das Hauptziel der Forschung besteht darin, die Zykluszeit und Fehlerreduzierung eines Montageprozesses mithilfe von Computer Vision zu optimieren und die Wirksamkeit der Implementierung eines Vision-Systems in den Cobot zu überprüfen. Die Forschung umfasst eine Machbarkeitsstudie zur Bewertung des Automatisierungspotenzials des manuellen AS-ISProzesses. In Verbindung mit einem Objekterkennungsalgorithmus wird ein einzigartiger Algorithmus zur Erkennung von Layoutmustern entwickelt, der das Muster der zusammenzubauenden Objekte anhand ihrer Farbe und Abmessungen intelligent identifizieren soll. Die Cobot-Aufgaben werden in einer ROS Gazebo-Umgebung simuliert, um die Effizienz der Algorithmen zu testen. Die Ergebnisse zeigen die Vorteile und Grenzen der praktischen Umsetzung des vorgeschlagenen Designansatzes. Die Ergebnisse dieser Studie werden künftige Forschungen zu MRK bei Montageaufgaben unterstützen und Hinweise zur Anwendbarkeit der maschinellen Bildverarbeitung bei solchen Aufgaben geben