Kategori: Artikel

  • Visionteknologi

    Visionteknologi

    I en verden, hvor teknologi konstant udvikler sig og der er mangel på arbejdskraft, bliver visionsteknologi stadig mere centralt i mange industrier. Visionsteknologi omfatter systemer og løsninger, der kan se, fortolke og reagere på den verden, de er en del af, næsten ligesom det menneskelige øje. Visionsteknologi anvendes i automationsbranchen for at opnå større fleksibilitet og forståelse af opgaven, hvormed man kan overgå fra fast automation til mere adaptiv automation. Anvendelsesmulighederne er store, hvor teknologien kan benyttes i alt fra avancerede produktionssystemer til sofistikerede sikkerhedsanordninger. Anvendelsesmulighederne bliver kun større, da den teknologiske udvikling er i hastig fremfærd, og potentialet til at revolutionere, hvordan virksomheder opererer og interagerer med deres omgivelser, er en af de helt store forudsætninger for at opnå industri 5.0. 

    Formålet med denne artikel er at dykke ned i visionsteknologi, og hvordan NGIN Automation anvender teknologien til at løse problemstillinger og skabe innovative løsninger for vores kunder. Her vil vi udforske de tekniske aspekter af teknologien, demonstrere dens alsidighed gennem forskellige anvendelsesområder og fremvise specifikke eksempler på, hvordan vores løsninger har gjort en mærkbar forskel. Ved at forstå denne kraftfulde teknologi kan jeres virksomhed se nye muligheder og opnå betydelige fordele i en stadig mere konkurrencepræget, automatiseret og digitaliseret verden. 

    Grundlæggende om Visionsteknologi 

    Visionsteknologi involverer brugen af digitale sensorer i kameraer og andre optiske enheder til at opfange billeder, som derefter analyseres ved hjælp af sofistikerede algoritmer og software. Målet er at efterligne menneskets visuelle opfattelsesevne og endda udvide denne med maskiners konsekvens og hastighed. 

    Nøglekomponenter i Visionsteknologi 

    • Sensorer og Kameraer: Disse enheder fanger lys og omdanner det til digitale data. Sensorernes kvalitet og sensitivitet spiller en afgørende rolle i teknologiens effektivitet. 
    • Billedbehandlingssoftware: Softwaren bearbejder de indsamlede data og omdanner rå billeder til brugbar information. Denne proces kan inkludere detektion af objekter, farver og geometrier, eller endda avanceret mønster genkendelse. 
    • Maskinlæring og Kunstig Intelligens: AI og maskinlæring forbedrer visionsteknologiens evne til at lære og tilpasse sig nye mønstre eller udfordringer over tid. 

    Tekniske Aspekter af Visionsteknologi 

    Visionsteknologi kan generelt kategoriseres i to hovedtyper: 2D (todimensionel) og 3D (tredimensionel), hver med sine specifikke anvendelser og tekniske krav. Her er en analyse af de tekniske aspekter for begge typer

    Billedefangst 

    2D Visionsystemer

    Disse systemer bruger standard digitale kameraer til at fange flade billeder med pixeldata, der repræsenterer lysintensitet og farve. 

    Opløsning og følsomhed af 2D-kameraer er vigtig for detaljegrad og nøjagtighed i billedanalyse, især i lysfølsomme eller detaljeorienterede applikationer. 

    3D Visionsystemer

    3D-systemer benytter forskellige teknologier som for eksempel stereoskopi (brug af to kameraer til at simulere menneskeligt dybdesyn), struktureret lys (projektering af et mønster på objektet og måling af deformationer) eller time-of-flight (måling af den tid det tager for lys at returnere fra objektet). 

    Disse metoder giver dybdeinformation, der er afgørende for applikationer, hvor rumlige relationer og objektdimensioner skal forstås nøjagtigt. 

    Billedebehandling og Analyse 

    2D Billedeanalyse

    Inkluderer forudbehandling som støjreduktion og farvekorrektion samt avancerede funktioner som objektgenkendelse og mønsterdetektion gennem algoritmer og kunstig intelligens. 

    3D Billedeanalyse

    Udover de teknikker anvendt i 2D, kræver 3D analyse også behandling af dybdeinformation. Dette inkluderer rekonstruktion af 3D-modeller fra rådata, segmentering af rumlige strukturer, og volumetrisk analyse. 

    Integration af Maskinlæring og Kunstig Intelligens 

    2D Systemer

    Benytter ofte klassiske billedbehandlingsmetoder kombineret med dyb læring for at forbedre præcisionen i objekterkendelse og klassificering. Et eksempelvis på dette kunne være at detektere en cirkel. 

    3D Systemer

    Kræver mere komplekse algoritmer til at håndtere og fortolke de ekstra data dimensioner, hvilket gør dem ideelle til mere komplekse miljøer som robotnavigation og avanceret simulering. 

    Real-tidsanalyse og Beslutningstagning 

    Hastighed og effektivitet

    Både 2D og 3D systemer er designet til at arbejde i realtid, men 3D systemer står ofte over for større udfordringer på grund af den større datamængde og kompleksiteten af analyser.

    Integration med andre systemer

    2D-teknologi er ofte tilstrækkelig til applikationer som overvågning og kvalitetskontrol, mens 3D-teknologi er kritisk for applikationer, der kræver præcis dybdeopfattelse, som i automatiserede logistiksystemer og avanceret robotteknik. 

    Anvendelsesområder for Visionsteknologi ved NGIN Automation 

    Hos NGIN Automation er anvendelsen af avanceret visionsteknologi centralt i mange af vores automationsløsninger for vores kunder, især inden for området machine tending, hvor vi kombinerer robotstyring og objektgenkendelse for at maksimere effektiviteten og fleksibiliteten af forskellige produktionsprocesser. Her er hvordan visionsteknologi spiller en nøglerolle i vores systemer: 

    Machine Tending 

    Automatiseret Betjening: NGIN Automations visionstyrede robotter er optimeret til machine tending-applikationer, hvor de nøjagtigt kan påfylde og aflæse dele til og fra CNC-maskiner, støbemaskiner og andre industrielle udstyr. 

    Fleksibel Objektmanipulation: Dette kan også løses uden brug af visionsteknologi, men kræver i højere grad et mere låst setup, hvor emnernes placering skal kendes og låses nøjagtigt. For at låse emnernes position skal der laves et setup, der faciliterer dette, hvilket kan være dyrt og tidskrævende og er kun tilegnet det enkelte emne. I mellem- og lavproduktioner giver det ofte ikke mening at lave disse setups, og i stedet benyttes visionsteknologi til at finde emnernes positioner. Ved hjælp af 3D-visionsteknologi kan vores robotter identificere og håndtere en række forskellige objekter, justere greb og bevægelser i realtid for at håndtere varierende delstørrelser og former, hvilket er afgørende for at kunne opnå en fleksibel og effektiv machine tending operation. I nogle tilfælde kræver det skift af værktøj, hvilket vores robotplatform Robomate har løst ved at inkorporere et automatisk værktøjsskiftersystem. 

    Kontrol

    Proceskontrol: NGIN Automation anvender visionsteknologi til proceskontrol, hvor QR-koder scannes og verificeres for at sikre korrekt dataoverførsel og sporing gennem hele produktionsprocessen. 

    Kvalitetskontrol: Vores systemer identificerer fejl på print og andre komponenter, hvilket sikrer, at kun dele af høj kvalitet fortsætter gennem produktionskæden. 

    Big Data

    Dataanalyse for Forbedret Ydeevne: Integration af visionsteknologi i machine tending operationer giver værdifulde data, som NGIN Automation analyserer for at optimere maskinens arbejdstid og effektivitet. 

    Tilpasning til Skiftende Produktionskrav: Med kapaciteten til at rekonfigurere robotbevægelser baseret på realtids visuelle data, kan NGIN Automations systemer hurtigt tilpasse sig nye eller ændrede produktionskrav, hvilket gør dem ideelle for hurtigt skiftende industrielle miljøer. 

    Visionsteknologien giver NGIN Automation mulighed for at udvikle yderst effektive automationsløsninger, der ikke bare imødekommer, men ofte overgår de forventninger og krav vores kunder har til moderne industriel produktion. Vores dybdegående ekspertise og innovative anvendelse af denne teknologi sikrer, at vi fortsat er i front med løsninger, der definerer fremtiden for industrielle automationsprocesser. 

    Fremtiden for Visionteknologi?

    Visionsteknologi er et konstant udviklende felt med enormt potentiale for fremtiden. Forbedringer inden for AI, maskinlæring og sensorik vil fortsætte med at udvide mulighederne og anvendelsesområderne. Hos NGIN Automation ser vi frem til at udforske og implementere disse avancerede teknologier for at tilbyde endnu flere innovative og effektive løsninger til vores kunder. 

    Har du brug for vores hjælp? 

    Vi opfordrer virksomheder til at tage et aktivt skridt mod at integrere visionsteknologi i deres operationsstrategi. NGIN Automation er dedikeret til at levere avancerede, visionsteknologibaserede løsninger, der hjælper virksomheder med at overkomme moderne udfordringer. Vores ekspertise og innovative tilgang sikrer, at vi kan levere resultater, der ikke blot opfylder, men overgår jeres forventninger.

  • Din intelligente robot RoboM8

    Din intelligente robot RoboM8

    Kender du til RoboM8? Ved du hvad det vil sige at starte et robotprojekt fra bunden og benytte noget af den nyeste viden? Hos NGIN Automation har vi udviklet og bygget RoboM8 op fra bunden for at gøre den så fleksibel som mulig, så den passer til lige netop dit behov. 

    Det er er NGIN´s konsulent Emil Behrens, der hovedsageligt har stået for denne opgave, hvor han har anvendt sin viden om vision-teknologi og kollaborative robotter, fra sin uddannelse indenfor robotteknologi. 

    RoboM8 er fleksibel, da den modsat mange andre robotter ikke har et specifikt designet stativ, men i stedet har installeret et wingman system, der gør, at robotten selv kan skifte mellem det system, der er behov for, alt efter hvilket emne den skal arbejde sammen med.  

    Vision-teknologi 

    Vision-teknologien, eller øjnene, er med til at gøre dig fri af computerbearbejdning, da den har indbygget objektgenkendelse. I RoboM8 gør vi brug af et kamera fra PickIt3D, som har mange fordele: 

    • Integreret bin-picking 
    • Automatisk collasion detektering 
    • Time-of-fligth camera 
    • Nem hand-eye- og kamerakalibrering  
    • Hurtig opsætning og læring af nye emner, samt skift mellem konfiguration 
    • Arbejde med relative positioner af paller og maskiner på baggrund af kamera feedback, og derved undgår vi at skulle bruge dedikerede stativ systemer 

    Et endnu bedre system end tidligere, og som er hurtigt at integrere, hvilket gør arbejdsbyrden for både konsulenten og dig som kunde betydeligt mindre. 

    Videovisning

    Vi har herunder samlet en oversigt over en række videoer med Emil, så du kan se for dig selv, hvilken robot RoboM8 er: 

    Video 1 er en introduktionsvideo, hvor du kan høre, hvordan RoboM8 kan hjælpe virksomheder med at automatisere deres maskinhåndtering.  

    Video 2 handler om vision-teknologi, og hvordan RoboM8´s kamera er programmeret.  

    Video 3 omhandler mere vision-teknologi, og hvordan det fungerer i sammenspil med pick-and-place. 

    Video 4 bliver endnu mere nørdet, og dykker ned i nogle af vektorberegningerne bagved systemet.   

    Video 5, og vi er ved vejs ende og dermed også ved fremtidsudsigterne for RoboM8. 

    Vil du have et uforpligtende tilbud på, hvordan RoboM8 kan hjælpe dig i din automationsproces, så kontakt os allerede i dag.  

  • Digital tvilling tilfører ekstra værdi og øget effektivitet 

    Digital tvilling tilfører ekstra værdi og øget effektivitet 

    Digital tvillingteknologien er ved at transformere produktionsindustrien, og måden hvorpå man samarbejder i virksomhederne. I denne artikel vil vi dykke ned i konceptet bag digital tvilling og udforske dets anvendelser og fordele i produktionsvirksomheder. Vi har fået civilingeniør og tidligere NGIN Konsulent, Simon Rye Markvart, til at forklare teknologien og give os indsigter område.

    Hvad er digital tvilling?

    Men hvad er digital tvilling egentlig, og hvad kan det bruges til i produktionsvirksomheder? Den digitale tvilling kan defineres som en virtuel eller digital efterligning af en fysisk genstand, et system, en proces eller en enhed, der eksisterer i den “virkelige” verden (Cegal, 2023). Den digitale tvilling anvender information og data fra virkeligheden, og med dette skabes der en afspejling af den fysiske genstand i realtid. Det afgørende for digital tvilling-teknologien er forbindelsen til det fysiske modstykke, der åbner op for:  

    • Analyser  
    • Simuleringer  
    • Overvågning af genstandens adfærd i den virtuelle ramme 

    Dette muliggør en mere dybtgående indsigt i, hvordan den fysiske enhed opererer samt dens respons under varierende påvirkninger og forhold. 

    Det er en bredt dækkende teknologi, der kan være kompleks, og som Simon udtaler: “Det er også stadigvæk lidt flyvsk, og jeg tror, at der er mange, som misforstår omfanget af at skulle lave en digital tvilling af en maskine.” Den digitale tvilling gennemgår tre omfattende stadier inden den tages ud i den “virkelige” verden.

    Første stadie er ren animation, altså simulering af maskinen ved brug af “dummy”-kode. Animeringen er især velegnet til at kigge på, om noget vil kollidere i maskinen. Altså vil det digitale tvillingteam kunne fortælle mekanik teamet, at den måde maskinens forløb er beskrevet på, vil føre til, at robotten vil kollidere med maskinens arbejde. Med brug af den digitale tvilling er dette undgået, da kollisionen kun sker virtuelt. Det er med til at spare både tid og penge.  

    I andet stadie begynder man at koble maskinen på den skrevne kode, som softwareteamet har produceret. Med digital tvilling kan man hive maskinen ud af simuleringen, og derfra kan man koble de forskellige servoakser på og få det til at samarbejde med PLC´en. I dette stadie bliver store dele af den digitale tvilling til, da akserne i robotten begynder at bevæge sig og koden i PLC´en bliver afviklet. Altså man kan opleve det hele afspillet i virtuelle celler.  

    Derfra når man til stadie tre. I dette stadie tilkobles produkter på linjen i den virtuelle model, og man giver feedback til maskinen, hvilket i sidste ende skaber en fuld digital tvilling, der kan køre efter kvalitetsbrud.  

    Det lyder måske som en hurtig opgave, men i virkeligheden er det en tidskrævende proces at lave disse modeller, da man i princippet skaber en hel maskine. Man skal definere alle de forskellige motorer, der er, og alle hændelser, der skal finde sted og meget mere. I sidste ende sker der en omstrukturering af tid, da man flytter tid fra arbejdet med fysisk at køre maskinen ind, til at kunne gøre det virtuelt.  

    Hvilke fordele er der ved brug af digital tvilling?

    Digital tvilling-teknologien er en metode til at forbedre processer, reducere risici og øge samarbejde, hvilket er afgørende for virksomheder, der stræber efter innovation og effektivitet. Fordelene ved brug af digital tvilling er mange, herunder har vi oplistet nogle af dem: 

    • Stærk metode i salgsstrategier: Som projektleder kan det være en fordel at vise visuelt, hvad det konkret er man går og arbejder på, eller gerne vil arbejde på, til resten af virksomheden. Projektet eksisterer ikke kun på skrift, i stedet er det koblet op på et visuelt udtryk, der for de fleste mennesker, kan være nemmere at forholde sig til. Det visuelle udtryk kan være nyttigt i både ekstern og interne salgssituationer (Teknologisk Institut, 2020). 

    • Medarbejdere fra forskellige teams kan arbejde simultant: En anden fordel er, at forskellige teams i virksomheden kan arbejde på det samme projekt simultant. Man er ikke længere lige så afhængig af projektets fysiske tilstedeværelse, og hvor mange medarbejdere, der kan afprøve og teste på den samme maskine på én gang. Og derfor er ventetiden mellem de forskellige teams ikke længere en faktor.   

    • Test af processer foregår virtuelt: Det er også en fordel, at man kan afprøve og teste ting i en virtuel verden, før man laver ændringerne i den rigtige enhed. Det betyder, at man mindsker risikoen for fejl og sparer penge. Samtidig kan man optimere produktionsprocessen, øge effektiviteten og gøre produktet eller systemet endnu bedre! 

    Den digitale tvilling er en teknologi i forsat udvikling og især dens anvendelsesområder forventes at ekspanderer til nye industrier og sektorer, da teknologiens potentiale stadig er et område der forskes i.

    Er du interesseret i at høre mere om, hvordan man går fra studerende og juniorkonsulent til digital tvilling specialist, så læs mere her: https://ngin.dk/cases/fra-konsulent-til-digital-tvilling-specialist/

    Kilder

    https://www.cegal.com/da/ordbog/digital-tvilling

    https://www.teknologisk.dk/ydelser/digitale-tvillinger-tager-beslutninger-for-produktionsvirksomheder/42656

    Opdag mere

    https://ida.dk/viden-og-netvaerk/idas-podcast/techtopia/techtopia-episoder-2022/techtopia-250-hvad-er-en-digital-tvilling