LUT Kone
BK10A0402 Kandidaatintyö
HITSAUKSEN AUTOMATISOINNIN UUSIMMAT KEHITYSTRENDIT
THE LATEST DEVELOPMENT TRENDS IN AUTOMATED WELDING
Lappeenrannassa 4.1.2022 Jani Utela
Tarkastaja DI Hannu Lund
TIIVISTELMÄ
LUT-yliopisto
LUT Energiajärjestelmät LUT Kone
Jani Utela
Hitsauksen automatisoinnin uusimmat kehitystrendit
Kandidaatintyö 2022
26 sivua, 2 kuvaa, 1 taulukko Tarkastaja: DI Hannu Lund
Hakusanat: automatisoitu hitsaus, robottihitsaus, sensori, etäohjelmointi, simulointi
Työssä oli tavoitteena selvittää automatisoidun hitsauksen uusimpia teknologioita ja miettiä millainen tulevaisuus niillä voisi mahdollisesti olla. Työ toteutettiin kirjallisuuskatsauksena tutkimalla aiheeseen liittyviä tieteellisiä artikkeleita ja kaupallisia sovelluksia. Lähteiden ajankohtaisuus varmistettiin käyttämällä alle kymmenen vuotta vanhoja lähteitä
Tuloksissa keskityttiin löytämään tärkeimmät ja eniten kehittyneet teknologiat, joita automatisoidussa hitsauksessa hyödynnetään. Merkittävää oli apuvälineiden kehittyminen ja hitsausrobottien tulevaisuus. Apuvälineistä etenkin optisten anturien käyttö hitsin laadun tarkastuksessa nousi esille tuloksissa, ja ohjelmoinnin osalta merkittävää oli automatisointi etäohjelmoinnissa. Robotiikassa tärkeimpiä kehityksen kohteita tulevaisuudessa ovat mobiilihitsausrobottien kehitys ja yhteistyörobottien käyttö VR-ohjauksella
Lopuksi pohdittiin saatuja tuloksia automatisoidusta hitsauksesta ja tulosten pohjalta, sitä miten hitsauksen automatisointi tulevaisuudessa kehittyy. Työn tulosten perusteella hitsauksen automatisointi tulee tulevaisuudessa kehittymään anturien, etäohjelmoinnin ja robotiikan osalta.
ABSTRACT
LUT University
LUT School of Energy Systems LUT Mechanical Engineering
Jani Utela
The latest development trends in automated welding
Bachelor’s thesis 2022
26 pages, 2 figures, 1 table
Examiner: M.Sc. (Tech) Hannu Lund
Keywords: automated welding, robotic welding, sensor, offline programming, simulation
Goal of this thesis was to find the latest technologies in automated welding and think about their possible future. This thesis is a literature review where the sources are scientific articles and commercial applications. The quality of the sources was ensured by using sources that are less than ten years old.
The focus on the results was to find the most important and most advanced technologies that have been used in automated welding. The development of assistive products and the future of welding robots was significant things. The most important results for the assistive products were vision sensors and their use in weld quality control and a significant thing in programming was automation in offline programming. The most important targets for the future developments of robotics are the development of welding mobile robots and the use of collaborative robots with VR control.
Finally, the results that obtained from automated welding were discussed and based on the results, it was discussed how automated welding will develop in the future. The conclusions answered the original research questions and the research problem.
SISÄLLYSLUETTELO
TIIVISTELMÄ ... 2
ABSTRACT ... 3
SISÄLLYSLUETTELO ... 4
LYHENNELUETTELO ... 5
1 JOHDANTO ... 6
1.1 Tutkimusongelma, tutkimuskysymykset ja työn tavoite ... 6
1.2 Työn rajaus ... 7
2 MENETELMÄT ... 8
3 HITSAUKSESSA KÄYTETTÄVÄT SENSORIT ... 9
4 HITSAUSROBOTTIEN SIMULOINTI JA OHJELMOINTI ... 11
4.1 Perinteiset ohjelmointimenetelmät ... 11
4.2 Hitsausrobottien etäohjelmoinnin kehitys ... 11
4.3 Hitsausrobottien simulointisovellukset ... 13
5 HITSAUSROBOTTIEN KEHITYS ... 15
5.1 Hitsaavat teollisuusrobotit ... 15
5.2 Mobiilirobotit ... 16
5.3 Yhteistyörobotit ... 16
6 POHDINTA ... 18
7 JOHTOPÄÄTÖKSET ... 20
8 YHTEENVETO ... 21
LÄHTEET ... 22
LYHENNELUETTELO
CAD (Computer-aided Design) CCD (Charge-Coupled Device)
CMOS (Complementary Metal-Oxide-Semiconductor)
1 JOHDANTO
Yhteiskunnan digitalisoitumisen myötä automatisointi ja simulointi ovat yleistyneet hitsaustekniikassa, mikä on mahdollistanut tehokkaan tuotannon ja tasaisen laadun hitsaustuotannossa. Jotkin teknologiat, kuten robotit, ovat hitsauksessa arkipäivää, mutta esimerkiksi hitsauksen yhdistäminen virtuaaliseen maailmaan on tullut suosioon vasta viime vuosina. Yrityksillä on myös suuri tarve pysyä mukana kehityksessä, jotta ne olisivat kilpailukykyisiä markkinoilla.
Konepajoja on erikokoisia ja käyttötarkoituksiltaan erilaisia, mikä luo tarvetta monenlaisille apuvälineille automatisoidussa hitsauksessa. Apuvälineet voivat olla esimerkiksi tietokoneohjelmia, joilla luodaan kolmiulotteinen malli hitsaustuotannon osista, tai sensoreita, joiden päätarkoitus on prosessin ominaisuuksien ja parametrien tunnistaminen sekä mittaaminen (Kah et al. 2015, s. 4-5).
1.1 Tutkimusongelma, tutkimuskysymykset ja työn tavoite
Tutkimusongelmana on uusimpien kehitystrendien löytäminen automaatiohitsauksessa teknologian kehittyessä koko ajan. Etenkin automaatiohitsauksessa käytetyt virtuaaliset sovellukset kehittyvät jatkuvasti. Lisäksi konepajojen kokojen vaihtelut luovat erilaisia trendejä. Suurilla pajoilla, kuten ajoneuvotehtailla on mahdollisuus sijoittaa suuria pääomia uuteen teknologiaan, mutta pienemmillä pajoilla ja tutkimusyksiköillä täytyy tarkasti miettiä mihin apuvälineisiin investoidaan. Työn tutkimuskysymykset ovat seuraavat:
- Millaisia automaatiohitsauksen nykyiset kehitystrendit ovat?
- Miten automaatiohitsauksessa hyödynnetään erilaisia ohjelmistoja ja sensoreita?
- Mistä johtuu, että tietyt trendit ovat suosittuja?
Tutkimus kartoittaa nykyisiä ja kehittyviä teknologisia ratkaisuja tuotannon laadun ja tehokkuuden varmistamiseksi. Tutkimuksen tavoitteena on selvittää automaatiohitsauksen kehitystrendien nykytilanne ja pohtia, miten ne tulevat kehittymään tulevaisuudessa. Työn tulosta voidaan hyödyntää uusien laitteiden ja ohjelmistojen hankinnassa erikokoisilla automatisoiduilla konepajoilla.
1.2 Työn rajaus
Työ rajataan käsittelemään hitsauksen automatisointiin liittyviä apuvälineitä, kuten ohjelmistoja ja sensoreita sekä simulaatioita. On hyvä muistaa, että osa apuvälineistä on kaupallisia ja osa vasta kehitteillä olevia. Myös hitsauksen adaptiivisuutta eli sopeutumista ympäristöön on hyvä miettiä eri kohteissa. Sen avulla pystyy vertailemaan, miten apuvälineet sopivat automatisoituihin hitsausprosesseihin.
Työssä keskitytään hitsausmenetelmiin, mutta hitsausprosesseihin syventyminen jätetään tutkielman ulkopuolelle, koska tällä hetkellä suurin kehitys kohdistuu apuvälineisiin.
Ulkopuolelle jätetään lisäksi tarkempi syventyminen erilaisiin sensoreihin ja ohjelmistoihin.
2 MENETELMÄT
Kandidaatintyö on tehty kirjallisuuskatsauksena tutustumalla tieteellisiin artikkeleihin, jotka käsittelevät hitsauksen automatisoinnissa käytettäviä robotteja ja apuvälineitä. Lisäksi työssä on tutkittu kaupallisesti saatavilla olevia sovelluksia. Apuvälineet ovat pääosin sensoreita, joilla voidaan parantaa hitsauksen laatua automatisoidussa hitsauksessa sekä ohjelmia, joilla voidaan simuloida hitsausta. Työssä on tutkittu myös robotteja sekä niiden käyttöä erilaisissa hitsauskohteissa.
Tutkimuksessa käytetyt tieteelliset artikkelit, joihin tutustuttiin, käsittelivät pääosin uusimpia keksintöjä automatisoidussa hitsauksessa, jotta saatiin mahdollisimman laaja katsaus nykyaikaisiin trendeihin. Työssä mietittiin myös, miten kehitys mahdollisesti tulevaisuudessa jatkuu tutustumalla kehitteillä oleviin robotteihin ja apuvälineisiin.
Työssä käytetään enintään kymmenen vuotta vanhoja lähteitä tiedon hankinnassa.
Yleistietoa haetaan kuitenkin myös vanhemmista lähteistä. Tieteellisiä julkaisuja on haettu LUT Primo, Scopus ja Google Scholar tietokannoista. Hakusanoja artikkeleille ovat machine vision (konenäkö), real-time seam tracking (reaaliaikainen railonseuranta), simulation (simulointi), digital twin (digitaalinen kaksonen), software (ohjelmisto), offline programming (etäohjelmointi), robotics (robotiikka), welding (hitsaus), automatization (automaatio), applications (sovellukset), sensors (sensorit), virtual reality (virtuaalinen todellisuus), augmented reality (lisätty todellisuus), human-robot collaboration (ihmisen ja robotin välinen yhteistyö) ja internet of things (esineiden internet).
3 HITSAUKSESSA KÄYTETTÄVÄT SENSORIT
Yksinkertaisimmat sensorit toimivat automatisoidussa hitsauksessa koskemalla esimerkiksi kaasusuuttimella tai lisäainelangalla hitsattavaa kappaletta, mikä aiheuttaa oikosulun jännitteeseen. Tämän avulla hitsausrobotti etsii kohdat, joihin hitsi halutaan tehdä. (Lin &
Luo 2015, s. 2434) Nykyään teollisessa käytössä olevat sensorit ovat pääosin optisia sensoreita tai valokaariantureita. Älykkään hitsauksen seurauksena optiset anturit ovat nousseet tämänhetkiseksi trendiksi. (Kah et al. 2015, s. 14)
Hitsauksessa sensoreiksi eli antureiksi kutsutaan laitteita, joilla voidaan mitata havaittavissa olevia parametrejä hitsausprosessin aikana, ja ohjata hitsausprosessia halutulla tavalla.
Sensorit jaetaan kahteen ryhmään, jotka ovat teknologiset ja geometriset sensorit.
Teknologiset sensorit voivat mitata hitsausprosessin teknisiä parametrejä, kuten jännitettä, virtaa ja langansyöttönopeutta. Geometrisillä sensoreilla mitataan hitsaussauman geometrisiä parametrejä, joita ovat esimerkiksi railonpinta, ilmarako ja a-mitta. (Pires et al.
2006, s. 73-75) Tässä työssä keskitytään pääosin geometrisiin sensoreihin, jotka esimerkiksi mahdollistavat reaaliaikaisen railonseurannan automatisoidussa hitsauksessa.
Suurin osa automatisoidusta hitsauksesta tapahtuu tekniikalla, jossa hitsausrobotti ohjelmoidaan suorittamaan useita toistoja vaativia liikkeitä (Shen et al. 2010, s. 283; Hou et al. 2020, s. 1755). Ongelmana on, ettei robotti osaa korjata hitsauksen aikana omaa toimintaansa esimerkiksi hitsattavan kappaleen vaihtuessa tai siirtyessä toiseen paikkaan vaan se täytyy ohjelmoida uudelleen. Ongelmaan on tullut ratkaisuksi reaaliaikainen railonseuranta, jossa robotti huomaa tapahtuvat muutokset jo hitsauksen aikana. Tähän käyttöön on kehitelty erilaisia sensoreita, joista optiset anturit ovat käyttökelpoisimpia muihin sensoreihin verrattua. Etu muihin sensoreihin syntyy suuresta määrästä tietoa, jota optiset anturit pystyvät antamaan sekä sen tarkkuudesta ja nopeudesta hitsausprosessin aikana. Lisäksi optiset anturit eivät tarvitse kosketusta hitsattavaan kappaleeseen. (Xu et al.
2014, s. 1413; Xu et al. 2017, s. 18)
Optiset anturit jaetaan aktiivisiin ja passiivisiin antureihin. Aktiiviset anturit toimivat ulkopuolisen valon avulla ja passiiviset anturit saavat valonsa ympäristön valolähteistä esimerkiksi hitsauksesta syntyvästä valokaaresta. Näistä aktiiviset anturit ovat yleisesti kalliimpia. (Xu et al. 2012, s. 1655) Korkeampi hinta johtuu esimerkiksi aktiivisissa
antureissa käytettävistä lasersensoreista, jotka seuraavat hitsattavaa railoa. Passiivinen anturi voi koostua yhdestä kamerasta, jolloin saadaan 2D-kuvaa hitsausprosessista, tai useammasta kamerasta, jolloin kuvadatasta pystytään saamaan myös syvyystietoa. (Pérez et al. 2016, s.
5) Passiivisissa ja aktiivisissa antureissa käytettävät kamerat ovat yleensä CCD-kenno (Charge-Coupled Device) tai CMOS-kenno (Complementary Metal-Oxide-Semiconductor) -kameroita (Pires et al. 2006, s. 110). CCD- ja CMOS-kennot ovat yleisimpiä digitaalikameroissa käytettäviä kennoja.
Passiivisten ja aktiivisten optisten antureiden käyttökohteet vaihtelevat käyttötarkoituksen mukaan. Aktiivisia antureita käytetään tehtailla, joissa hyödynnetään hitsausrobotiikkaa eli ne ovat yleisimpiä kaupallisessa käytössä. Passiiviset sensorit ovat yleisesti kokeellisessa käytössä esimerkiksi tutkimuksissa erityisesti niiden halvemman hinnan takia ja ne monesti tarjoavat käyttäjilleen tarpeeksi haluttua tietoa tutkimuksiin. (Xu et al. 2014, s. 1414) Aktiivisten sensoreiden etuna on valon ominaisuuksien säätäminen, koska siinä hyödynnetään laservaloa. Passiivisella sensorilla valonlähde ei ole säädettävissä, mutta hitsauksessa syntyvän sulan tunnistus on parempaa kuin aktiivisilla antureilla, johtuen valokaaresta syntyvän valon hyödyntämisestä. (Lei et al. 2020, s. 13)
Jotta hitsattuja tuotteita voidaan hyödyntää, täytyy hitsien olla riittävän laadukkaita. Virheet hitseissä voivat tehdä hitsatuista tuotteista vaarallisia etenkin silloin, kun hitsattuun rakenteeseen kohdistuu suuria ulkoisia rasituksia. Raskas rakennusteollisuus kuten laiva- ja autoteollisuus ovat suuria robottihitsauksen käyttökohteita ja näissä paikoissa on asetettu tiukat rajat hitsauksen laadulle (Yang et al. 2017, s. 1209). Laaduntarkastus on siis tärkeä vaihe myös automatisoidussa hitsauksessa.
Hitsauksen laaduntarkastuksessa käytetään kahdenlaisia mittausmenetelmiä. Nämä ovat rikkovat ja rikkomattomat mittausmenetelmät. Automatisoituun hitsaukseen sopivat paremmin rikkomattomat mittausmenetelmät, koska ne ovat nopeampia kuin rikkovat mittausmenetelmät. Teollisuudessa usein käytetty mittausmenetelmä on röntgenkuvaus, mutta sen käyttäminen vie paljon tilaa, joten se ei sovellu hyvin automatisoituun hitsaukseen.
Kun optiset mittaustavat ovat kehittyneet, on niitä alettu käyttämään hyödyksi hitsauksen ulkoisen laadun tarkastamiseen. (Yang et al. 2017, s. 1209-1210)
4 HITSAUSROBOTTIEN SIMULOINTI JA OHJELMOINTI
Tässä kappaleessa perehdytään automatisoidussa hitsauksessa hyödynnettäviin ohjelmointimenetelmiin sekä simulointisovelluksiin ja siihen, kuinka ne toimivat. Työn kannalta tärkeimpiä ovat eniten tällä hetkellä kehittyvät menetelmät, joten niitä käsitellään eniten.
4.1 Perinteiset ohjelmointimenetelmät
Hitsausrobottien ohjelmointi tapahtuu pääosin kahdella eri menetelmällä, jotka ovat online- ohjelmointi ja offline-ohjelmointi eli etäohjelmointi (Lin & Luo 2015, s. 2437). Online- ohjelmoinnissa haluttu ohjelma luodaan robotin avulla (Košťál et al. 2014, s. 62).
Ohjelmointi robotin avulla tarkoittaa yleisesti prosessia, jossa robottia liikutetaan manuaalisesti ohjaimen avulla haluttuihin pisteisiin hitsattavissa kappaleissa. Lisäksi ohjelmoija määrittää miten robotin hitsauspää liikkuu näiden pisteiden välillä. Nämä pisteet ja liikkeet tallennetaan muistiin ja saadaan luotua hitsausrobotille ohjelma, jota se noudattaa.
Online-ohjelmoinnin haittapuolena on tuotannon pysähtyminen ohjelmoinnin ajaksi, koska hitsausrobotti on tällöin ohjelmointikäytössä. Haitasta huolimatta online-ohjelmointi on edelleen laajassa käytössä automatisoidussa hitsauksessa. (McWhirter 2012)
4.2 Hitsausrobottien etäohjelmoinnin kehitys
Offline-ohjelmoinnissa eli etäohjelmoinnissa robotin ohjelmointi tapahtuu simulointisovelluksen avulla virtuaalisessa ympäristössä. Robotista, työympäristöstä ja työkappaleesta luodaan 3D CAD (Computer-aided Design) mallit simulointisovellukseen.
Tämä mahdollistaa robotin ohjelmoinnin simuloidussa ympäristössä tietokoneen avulla.
Kun ohjelman toiminta on testattu ja saatu toimivaksi simuloidussa ympäristössä, voidaan ohjelma siirtää robotin ohjaimelle. (Kah et al. 2015, s. 4)
Suurin hyöty etäohjelmoinnissa verrattuna online-ohjelmointiin on tuotannon katkeamattomuus ohjelmoinnin aikana. Etäohjelmoinnissa ohjelmaa voi suunnitella ja testata turvallisesti simuloidussa ympäristössä ja ainoastaan lopullisen ohjelman lataaminen
ja testaaminen aiheuttaa lyhyen katkoksen tuotannossa (Bedaka et al. 2019, s. 1936).
Etäohjelmointikin kuitenkin toteutetaan yleensä manuaalisesti kaupallisella puolella eli robotille opetetaan simulaatioympäristössä ne liikkeet, jotka sen halutaan suorittavan hitsatessa (Pan et al. 2012a, s. 685).
Etäohjelmoinnin päävaiheet on kuvattu kuvassa 1. Ensimmäinen vaihe on luoda tietokoneavusteinen 3D-malli hitsattavasta kappaleesta. Toisessa vaiheessa 3D-malliin luodaan halutut paikkapisteet eli sijaintitunnisteet, joiden välillä robotin on mahdollista liikkua simuloidussa ympäristössä. Kolmas vaihe sisältää robotin liikeratojen suunnittelun simuloidussa ympäristössä. Tällä varmistetaan, että robotti saadaan liikkumaan myös oikeassa työympäristössä halutulla tavalla pisteiden välillä ja vältetään esimerkiksi törmäykset. Neljännessä vaiheessa suunnitellaan hitsausmenetelmä eli luodaan ne liikkeet, joissa robotin halutaan hitsaavan. Jälkikäsittely, simulointi ja kalibrointi suoritetaan juuri ennen kuin ohjelma siirretään oikealle robotille. Näissä vaiheissa robottia testataan simulaatioympäristössä, robotin liikkeet optimoidaan riittävän tarkoiksi ja 3D-mallin geometria kalibroidaan vastaamaan oikeaa mallia. (Pan et al. 2012b, s. 90-91; Larkin et al.
2018, s. 50)
Manuaalisen etäohjelmoinnin rinnalle on kehitelty automaattista etäohjelmointia, jolla voitaisiin nopeuttaa ohjelman luomista robotille. Tällaisen sovelluksen tarkoituksena on luoda ohjelma ilman mitään lisäohjelmointimenetelmää eli halutun ohjelman koodi saadaan luotua suoraan CAD-mallin avulla. Automaattiselle etäohjelmoinnille hyviä käyttökohteita olisivat etenkin pienet ja keskisuuret yritykset, joissa hitsauksen automatisointi ei ole kannattavaa manuaalisilla menetelmillä, koska ne ovat liian hitaita. (Pan et al. 2012a, s. 685- 686) Myös automatisoidun etäohjelmoinnin päävaiheet ovat samat kuin kuvassa 1, mutta kuluva aika etenkin paikkapisteiden luonnissa on huomattavasti alhaisempi, koska pisteet saadaan suoraan 3D-mallin geometriasta (Larkin et al. s. 50-51).
Kuva 1. Etäohjelmoinnin päävaiheet. (Pan et al. 2012b)
4.3 Hitsausrobottien simulointisovellukset
Etäohjelmointi perustuu erilaisten simulointisovellusten käyttöön. Käytettävät simulointisovellukset voidaan luokitella kolmeen eri ryhmään, jotka ovat kaupalliset etäohjelmointiohjelmistot, sovellusohjelmointirajapinta CAD-paketeilla ja avoimen lähdekoodin kirjastot. Nämä kaikki menetelmät ovat käytössä automatisoidussa hitsauksessa. (Bedaka & Lin 2020 s. 1)
Kaupalliset ohjelmistot ovat yleisin ja helpoin tapa etäohjelmointiin, sillä niillä pystyy luomaan tarkkoja ohjelmia perustuen oikeisiin työkappaleisiin. Huonona puolena näissä ohjelmistoissa on kuitenkin niiden korkeat hinnat. Lisäksi suurin osa kaupallisista ohjelmistoista tukee vain saman valmistajan robotteja, eikä niillä ole universaalia robottikooditukea. (Bedaka & Lin 2020 s. 1) Valmiit kaupalliset etäohjelmointiohjelmat ovat teollisuudessa laajassa käytössä. Taulukkoon 1 on listattu yleisimpiä käytössä olevia etäohjelmointiohjelmistoja ja kerrotaan, onko sovellusta mahdollista käyttää muiden valmistajien robottien kanssa.
3D-malli Sijaintitunnisteiden
eli paikkapisteiden luominen Liikeradan suunnittelu
Prosessin suunnittelu Jälkikäsittely
Kalibrointi Valmis ohjelma
robotilla
Simulointi
Taulukko 1. Kaupalliset etäohjelmointiohjelmat (ABB 2021; Delfoi 2021; FANUC 2021;
KUKA AG 2021; RoboDK 2021; Yaskawa 2021a)
Ohjelman valmistaja ja nimi Universaali robottikoodituki
ABB, RobotStudio ei
Delfoi Robotics, Delfoi ARC kyllä
FANUC, ROBOGUIDE ei
KUKA AG, KUKA.Sim ei
RoboDK Inc, RoboDK kyllä
Yaskawa, MotoSim EG-VRC ei
Sovellusohjelmointirajapinnan hyödyntäminen perustuu etäohjelmoinnin tapauksessa CAD- mallinnusohjelmien käyttämiseen. Siinä etäohjelmoinnin halutut komennot luodaan CAD- ohjelmiston avulla. (Hong et al. 2019 s. 1587) Ei tarvita siis erillistä etäohjelmointiin tarkoitettua ohjelmistoa. Esimerkiksi Mitsi et al. 2005 hyödynsi SolidWorks-ohjelmistoa etäohjelmoinnissa saaden onnistuneita tuloksia kasvattaen hitsausprosessin tehokkuutta.
Myöhemmin sovellusohjelmointirajapintaa on hyödynnetty myös käyttäen CATIA-, AutoCAD- ja CAX- ohjelmistoja tutkimuskäytössä (Hong et al. 2019 s. 1587).
Avoimen lähdekoodin kirjastojen hyödyntäminen etäohjelmoinnissa perustuu myös sovellusohjelmointirajapintaan ja sen käyttö on yleistä nykyaikaisissa tutkimuksissa. Siinä simuloitu ympäristö luodaan käyttäen apuna grafiikkakirjastoja kuten OpenGL tai VTK.
(Hong et al. 2019 s. 1588) Tässä tavassa suurena etuna on hinta, koska avoimen lähdekoodin kirjastot ovat ilmaisia käyttäjilleen. Vaatimuksena on kuitenkin laajat koodaustaidot.
5 HITSAUSROBOTTIEN KEHITYS
Automatisoitua hitsausta pidetään yhtenä yleisimpänä robottien käyttökohteena teollisuudessa. Ensimmäiset hitsausrobotit tulivat laajaan käyttöön 1980-luvun autoteollisuudessa. (Lin & Luo 2015, s. 2403) Teollisuusroboteista noin 50 prosenttia on hitsauskäytössä ja näistä suurin osa pistehitsaus- ja kaarihitsauskäytössä (Sprovieri 2016, s.
36). Työn kannalta tärkeimpiä ovat kaarihitsausta käyttävät robotit, koska ne ovat monimutkaisempia automatisoida ja niissä apuvälineiden käyttö on laajempaa, kuin pistehitsausta käyttävissä roboteissa.
5.1 Hitsaavat teollisuusrobotit
Suurin osa kaarihitsaukseen soveltuvista hitsausroboteista on nivelrakenteisia ja niissä on kuusi vapausastetta, mikä mahdollistaa hitsauspolttimen vaivattoman suuntaamisen hitsausprosessissa. Robotteja yleensä liikuttaa vaihtovirralla toimivat servomoottorit, jotka tekevät hitsausroboteista tarkkaliikkeisiä ja lähes huoltovapaita. (Lin & Luo 2015, s. 2420) Kuvassa 2 on Yaskawan valmistama Motoman AR1730 (Yaskawa 2021b). Kuvasta näkee hyvin perinteisen kuuden vapausasteen kaarihitsausrobotin mallin.
Kuva 2. Motoman AR1730 kaarihitsausrobotti (Yaskawa 2021b)
5.2 Mobiilirobotit
Mobiilirobotit ovat robotteja, jotka pystyvät liikkumaan ympäristössään esimerkiksi renkaiden tai telojen avulla. Hitsaavat mobiilirobotit voivat toimia itse hitsausrobotteina kuljettaen mukanaan hitsauspoltinta tai ne voivat kuljettaa mukanaan nivelrakenteista hitsausrobottia eli toimien hitsausrobotille kuljettimena, jotta sitä voidaan siirtää paikasta toiseen (Zhang et al. 2014; Lü et al. 2016). Molemmat tavat kuitenkin sisältävät ongelmia, joten mobiilirobotit eivät ole ainakaan vielä laajassa käytössä teollisuudessa. Yksi ongelmia aiheuttava tekijä on railon seuranta etenkin mobiiliroboteilla, jotka toimivat itse hitsausrobotteina.
Yksi tutkittu käyttökohde mobiiliroboteille on suuret teollisuuskohteet kuten laivat, joissa mobiilirobotit voisivat korvata ihmishitsaajan. Tämänkaltaisissa kohteissa tutkitut mobiilirobotit ovat niin sanottuja seinäkiipeilyrobotteja, jotka pystyvät kulkemaan seinillä magneettien avulla. Kermorgant (2018) rakensi prototyypin magneettisilla teloilla kulkevasta automatisoidusta mobiilirobotista, joka on suunniteltu hitsaamaan laivan runkoja.
Robotilla onnistuttiin hitsaamaan suoria hitsejä, joita laivojen rungoissa on useita ja niihin kuluu ihmishitsaajilla suurin osa heidän työajastaan. Tällaisten robottien käyttö mahdollistaisi tulevaisuudessa sen, että ihmishitsaajat voisivat keskittyä monimutkaisempiin hitsauskohteisiin laivateollisuudessa. (Kermorgant 2018 s. 185)
5.3 Yhteistyörobotit
Robottien täydellinen automatisointi on vaikeaa hitsauksessa, joten on tärkeä hyödyntää robottien ja ihmisten yhteistyötä. Yleisesti ihmiset ja robotit ovat erotettu toisistaan esimerkiksi aidan avulla, mikä on hyvä vaihtoehto turvallisuuden kannalta. Robotin täytyy kuitenkin lopettaa toimintansa, kun ihminen menee sen kanssa samaan tilaan ja se maksaa aikaa. Aikakustannuksia voidaan kuitenkin vähentää sillä, että ihminen ja robotti työskentelevät synkronoidusti yhdistetyssä työtilassa. Vielä parempi on, jos ihminen ja robotti pystyvät työskentelemään samaan aikaan yhteisessä tilassa. (Müller et al. 2017, s. 15) Yksi ihmisten ja robottien yhteistyötä mahdollistava tekijä on nykyään virtuaalinen todellisuus ja lisätty todellisuus. Wang et al. (2019) tutki näiden hyödyntämistä hitsauksessa niin, että ihminen tekee hitsauksen virtuaalisessa maailmassa ja hitsausrobotti toteuttaa
hitsauksen todellisessa ympäristössä. Tehdyt hitsit olivat yksinkertaisia, jotta mallinnus- ja ennustusalgoritmit saatiin riittävän tarkoiksi tulevaisuutta ja mahdollisia vaikeampia hitsejä varten. (Wang et al. 2019)
6 POHDINTA
Työn tavoitteena oli löytää automatisoidun hitsauksen uusimpia keksintöjä sekä innovaatioita, jotka olisivat tulevaisuudessa mahdollista saada osaksi hitsausteollisuutta.
Tutkimukseen käytetyt lähteet olivat pääosin tieteellisiä artikkeleita, joita löytyi LUT- Primon ja Scopuksen kautta. Luotettavuutta arvioitiin sen mukaan, kuinka paljon artikkeleihin oli aiemmin viitattu ja oliko artikkelien tekijöillä paljon muitakin tieteellisiä julkaisuja. Lisäksi uutta tietoa haettiin vain alle kymmenen vuotta vanhoista lähteistä, jotta vältettäisiin vanhentuneen tiedon käyttöä.
Työn tutkimustulokset jaettiin kolmeen osioon, joista ensimmäisenä oli sensorien käyttö automatisoidussa hitsauksessa. Tutkimustyön perusteella sensoreihin liittyviä tutkimuksia löytyi eniten railonseurannasta, joka toteutetaan optisilla antureilla, joten niillä on melko varmasti jatkossa enemmän kysyntää myös teollisuudessa. Tällä hetkellä optiset anturit vaativat suuren investoinnin, joten niiden käyttö ei ole kannattavaa kaikille yrityksille.
Passiivisten anturien kehitys voisi kuitenkin olla yksi ratkaisu siihen, koska niiden hinnat ovat alhaisempia kuin aktiivisten anturien.
Toisena asiana työssä tutkittiin automatisoidun hitsauksen ohjelmointia ja simulointia.
Merkittävin asia siihen liittyen on tällä hetkellä etäohjelmointi ja sen kehittäminen. Monilla robottivalmistajilla onkin jo nykyään omat etäohjelmointiohjelmistot. Hitsausteollisuuden kannalta tärkeitä asioita ovat hitsauksen nopeus ja tarkkuus, joita etäohjelmoinnillakin pyritään parantamaan. Erityisen kiintoisa tutkimuksen kohde onkin automatisoitu etäohjelmointi, mikä mahdollistaisi hitsausohjelmien nopean luonnin ja näin etäohjelmoinnista saisi vieläkin enemmän hyötyä irti. Tähän vaikuttaa paljon myös CAD- ohjelmien kehitys, jotta 3D-malleista saisi riittävästi tietoa robotin ohjelmien luomiseen.
Kolmantena asiana työssä tutkittiin itse robotteja, joita automatisoidussa hitsauksessa hyödynnetään. Perinteisissä kuuden vapausasteen roboteissa ei lähiaikoina ole suuria muutoksia tapahtunut, joten työtä rajattiin koskemaan tutkimuksia roboteista, joita olisi mahdollista hyödyntää tulevaisuudessa automatisoidussa hitsauksessa. Mobiilirobotit ovat sellaisia, joilla olisi tulevaisuudessa potentiaalia korvata ihmishitsaajia ja niiden avulla saisi nopeutettua tuotantoa esimerkiksi laivateollisuudessa. Perinteisillä nivelrakenteisilla roboteilla ei ole pääsyä hitsaamaan näihin paikkoihin, mutta mobiiliroboteille se olisi
mahdollista niiden pienen koon ansiosta. Lisäksi työturvallisuus paranee, jos mobiilirobotit pystyvät hoitamaan korkealla tapahtuvat hitsaukset. Turvallisuutta lisäävä asia voisi olla myös virtuaalisen todellisuuden lisääminen hitsausteollisuudessa, mikä mahdollistaisi etähitsaamisen.
Yksi mahdollinen tulevaisuuden tutkimuksen kohde voisi olla antureiden hyödyntäminen 3D-mallien luonnissa. Jos 3D-mallit pystyttäisiin luomaan suoraan työkappaleesta ilman käsin tehtävää CAD-mallintamista, saisi etäohjelmoinnista nopeampaa. Konenäön avulla on jo pystytty joitain yksinkertaisia 3D-malleja luomaan, mutta esimerkiksi hitsausteollisuudessa mallien pitäisi olla tarkkoja, jotta niistä olisi etäohjelmoinnissa hyötyä.
7 JOHTOPÄÄTÖKSET
Kaikista tutkituista aihealueista löytyi vastauksia tutkimusongelmaan, joka oli uusimpien kehitystrendien löytäminen. Sensoreista etenkin optiset anturit ovat kehittyneet ja niiden hyödyntäminen on lisääntynyt automatisoidussa hitsauksessa viimeisen kymmenen vuoden sisällä. Hitsausrobottien ohjelmoinnissa etäohjelmointi on tullut suosituksi ja sitä on alettu hyödyntämään yhä enemmän teollisuudessa. Tutkimuksissa etäohjelmoinnin nopeutta on pyritty kehittämään onnistunein tuloksin esimerkiksi tutkimalla automatisoitua etäohjelmointia. Erikoisempien hitsausrobottien kuten mobiilirobottien kehitys vaatii vielä paljon tutkimista tulevaisuudessa, jotta niitä voitaisiin hyödyntää hitsausteollisuudessa.
Tiettyjen trendien suosio automatisoidussa hitsauksessa johtuu erilaisten teknologioiden nykyaikaisesta hyödyntämisestä. Monet näistä trendeistä kuten optiset anturit ja etäohjelmointi ovat olleet suosittuja myös muilla teollisuuden aloilla. Niitä on ollut helpompi hyödyntää automatisoituun hitsaukseen, koska niistä on jo aiempaa tutkittua tietoa.
Tulevaisuuden kannalta on siis tärkeä tutkia myös muita teollisuuden aloja, jotta mahdollisia tulevaisuuden kehitystrendejä löydetään.
8 YHTEENVETO
Työssä selvitettiin automatisoidun hitsauksen uusimpia kehitystrendejä, joita yhteiskunnan teknologinen kehittyminen on saanut aikaan. Tutkinnassa todettiin sensoreiden, ohjelmoinnin ja erilaisten robottien olevan aihealueita, joista trendejä voi löytää. Näistä aihealueista etenkin uusimmat innovaatiot olivat tutkimuksen kohteena. Työ toteutettiin kirjallisuuskatsauksena.
Tavoitteena oli löytää tällä hetkellä eniten käytössä olevat automatisoidun hitsauksen apuvälineet ja selvittää mahdolliset tavat, joilla apuvälineitä hyödynnetään tutkimuskäytössä ja teollisuudessa. Lisäksi tavoitteena oli miettiä, mitkä olisivat tulevaisuuden kannalta tärkeitä tutkimuskohteita.
Kaikista aihealueista löytyi haluttuja tuloksia. Etenkin uusista tutkimuskäytössä olevista apuvälineistä kuten optisista antureista ja etäohjelmointiin käytettävistä ohjelmistoista saatiin työhön tutkimustietoa. Lisäksi tuloksia löytyi jonkin verran robottien mahdollisesta kehityksestä tulevaisuudessa.
Työn lopuksi pohdittiin tärkeimpiä asioita, joita kirjallisuuskatsauksessa tuli esille ja mietittiin mitä tulevaisuudessa kannattaisi tutkia aiheeseen liittyen. Johtopäätöksissä mietittiin, kuinka työ vastasi alkuperäiseen ongelmaan ja tutkimuskysymyksiin.
LÄHTEET
ABB. RobotStudio. (2021). [www-sivusto]. [Viitattu 28.12.2021] Saatavissa:
https://new.abb.com/products/robotics/robotstudio
Bedaka, A. K., Vidal, J. & Lin, C.-Y. (2019). Automatic robot path integration using three- dimensional vision and offline programming. International Journal of Advanced Manufacturing Technology. s. 1935-1950.
Bedaka, A. K. & Lin, C.-Y. (2020). CAD-based offline programming platform for welding applications using 6-DOF and 2-DOF robots. International Conference on Advanced Robotics and Intelligent Systems (ARIS). s. 1-4.
Delfoi. Delfoi ARC. (2021). [www-sivusto]. [Viitattu 28.12.2021]. Saatavissa:
https://www.delfoi.com/delfoi-robotics/delfoi-arc/
FANUC. ROBOGUIDE. (2021). [www-sivusto]. [Viitattu 28.12.2021]. Saatavissa:
https://www.fanuc.eu/dk/en/robots/accessories/roboguide
Hong, L., Wang, B., Xu, Z. & Yan, Z. (2019). Research on off-line programming method of spatial intersection curve welding based on VTK. International Journal of Advanced Manufacturing Technology. s. 1587-1599.
Hou, Z., Xu, Y., Xiao, R. & Chen, S. (2020). A teaching-free welding method based on laser visual sensing system in robotic GMAW. International Journal of Advanced Manufacturing Technology. s. 1755–1774.
Kah, P., Shrestha, M., Hiltunen, E. & Martikainen, J. (2015) Robotic arc welding sensors and programming in industrial applications. International journal of mechanical and materials engineering. s. 1–16.
Kermorgant, O. (2018). A magnetic climbing robot to perform autonomous welding in the shipbuilding industry. Robotics and Computer-Integrated Manufacturing. s. 178-186
Košťál, P., Daynier, R., Delgado, S., Holubek, R. & Ružarovský, R. (2014) Offline Programming of an ABB Robot Using Imported CAD Models in the RobotStudio Software Environment. Applied mechanics and materials. s. 62–67.
KUKA AG. KUKA.Sim. (2021). [www-sivusto]. [Viitattu 28.12.2021]. Saatavissa:
https://www.kuka.com/en-us/products/robotics-systems/software/simulation-planning- optimization/kuka_sim
Larkin, N., Short, A., Pan, Z. & Van Duin, S. (2018). Automated Programming for Robotic Welding. Transactions on Intelligent Welding Manufacturing. s. 48-59.
Lei, T., Rong, Y., Wang, H., Huang, Y. & Li, M. (2020). A review of vision-aided robotic welding. Computers in Industry.
Lin, W. & Luo, H. (2015) Robotic Welding. Handbook of Manufacturing Engineering and Technology. s. 2403-2444.
Lü, X., Zhang, K. & Wu, Y. (2016). The seam position detection and tracking for the mobile welding robot. International Journal of Advanced Manufacturing Technology. s. 2201-2210.
Mitsi, S., Bouzakis, K.-D., Mansour, G., Sagris, D. & Maliaris, G. (2005). Off-line programming of an industrial robot for manufacturing. International Journal of Advanced Manufacturing Technology. s. 262-267.
McWhirter, K. (2012) Welding robot programmability, Canadian Fabricating & Welding
[Verkkoartikkeli]. [Viitattu 22.11.2021]. Saatavissa:
https://www.canadianmetalworking.com/canadianfabricatingandwelding/article/welding/w elding-robot--programmability
Müller, R., Vette, M. & Geenen, A. (2017). Skill-based dynamic task allocation in Human- Robot-Cooperation with the example of welding application. Procedia Manufacturing. s. 13- 21.
Pan, Z., Polden, J., Larkin, N., Van Duin, S. & Norrish, J. (2012a). Automated Offline Programming for Robotic Welding System with High Degree of Freedoms. Advances in Computer, Communication, Control and Automation. s. 685-692.
Pan, Z., Polden, J., Larkin, N., Van Duin, S. & Norrish, J. (2012b). Recent progress on programming methods for industrial robots. Robotics and Computer-Integrated Manufacturing. s. 87-94.
Pérez, L., Rodríguez, Í., Rodríguez, N., Usamentiaga, R. & García, D. F. (2016). Robot Guidance Using Machine Vision Techniques in Industrial Environments: A Comparative Review. Sensors. s. 1-26.
Pires, J. N., Bolmsjö, G. & Loureiro, A. (2006). Welding Robots: Technology, System Issues and Applications. Springer-Verlag London Limited.
RoboDK Inc. RoboDK. (2021). [www-sivusto]. [Viitattu 28.12.2021]. Saatavissa:
https://robodk.com/simulation
Shen, H., Lin, T., Chen, S. & Li, L. (2010). Real-Time Seam Tracking Technology of Welding Robot with Visual Sensing. Journal of Intelligent & Robotic Systems. s. 283–298.
Sprovieri, J. (2016). New technology for robotic welding: a new generation of robots is helping assemblers weld parts better, faster and more cost-effectively. Assembly. s. 36-39.
Wang, Q., Jiao, W., Yu, R., Johnson, M. T. & Zhang, Y. (2019). Modeling of Human Welders’ Operations in Virtual Reality Human-Robot Interaction. IEEE Robotics and Automation Letters. s. 2958-2964.
Xu, Y., Yu, H., Zhong, J., Lin, T. & Chen, S. (2012). Real-time seam tracking control technology during welding robot GTAW process based on passive vision sensor. Journal of Materials Processing Technology. s. 1654–1662.
Xu, Y., Fang, G., Chen, S., Zou, J. J. & Ye, Z. (2014). Real-time image processing for vision- based weld seam tracking in robotic GMAW. International Journal of Advanced Manufacturing Technology. s. 1413–1425.
Xu, Y., Lv, N., Fang, G., Du, S., Zhao, W., Ye, Z. & Chen, S. (2017). Welding seam tracking in robotic gas metal arc welding. Journal of Materials Processing Technology. s. 18–30.
Yang, L., Li, E., Long, T., Fan, J., Mao, Y., Fang, Z. & Liang, Z. (2017). A welding quality detection method for arc welding robot based on 3D reconstruction with SFS algorithm.
International Journal of Advanced Manufacturing Technology. s. 1209-1220.
Yaskawa. MotoSim EG-VRC. (2021a). [www-sivusto]. [Viitattu 28.12.2021]. Saatavissa:
https://www.yaskawa.eu.com/products/software/productdetail/product/motosim-eg- vrc_1686
Yaskawa. Motoman AR1730. (2021b). [www-sivusto]. [Viitattu 29.12.2021]. Saatavissa:
https://www.motoman.com/en-us/products/robots/industrial/welding-cutting/ar- series/ar1730
Zhang, T., Wu, M., Zhao, Y. & Chen, S. (2014). Motion planning for a new-model obstacle- crossing mobile welding robot. Industrial Robot. s. 87-97.
