馬薩諸塞州劍橋-如果在最近的制造技術會議上發表的論文是正確的，未來屬于靈活的。在一條高度自動化的裝配線上生產多種產品的能力將有助于明天的制造商在全球經濟中競爭。雖然今天的機器人和自動測試設備具有使敏捷制造成為可能的精確度和速度，但由于需要以適當的方向呈現零件以便快速運輸，因此它們受到了限制。制造商必須依靠手動托盤或專用的碗式喂料器，其固定工具和長引線設計時間可防止快速裝配線更換。

智能自動化系統的FPF 2000柔性零件進給器可以消除這種障礙。它接受大批量的小零件，將它們傳送到輸送機，然后對齊并識別正確定向的零件以便機器人拾取。它只需要一臺基于486的PC和運動控制卡，可以輕松集成到現有的裝配線控制方案中。

ADM多倫多的設計與制造提供了一個獨一無二的機會，可以將供應商與尋求最新創新，產品和解決方案的買家聯系起來。用安大略省蓬勃發展的制造業的銷售線索填補您的銷售渠道。設計與制造展，2019年6月6日至6日，多倫多會議中心。

進料器使用雙可編程部件定向臂來對齊或“單個化”傳送帶上的部件，以及低成本，高速的機器視覺系統來識別它們。通過可選的轉盤，送料器可容納多達六種不同的零件，保留每種類型的存儲器處理說明。

雖然部分選擇過程是異步的，但任何當前設想的敏捷制造過程也是如此。此外，現在運行的原型進給器可能需要進行修改以適應更大或更重的部件。“我們獲得專利的是靈活部件處理的概念，”智能自動化總裁Steven Gordon解釋道。

用戶通過簡單的屏幕指令教導系統操作不同的部件。首先，操作員設置高度和寬度單一臂的步進電機，使零件在傳送帶上粗略對齊。然后，他或她將樣品部件放置在進料器的Sharp GPB-2機器視覺系統下方輸送機前部的輸送機視覺暫存區域。

接下來，菜單驅動的機器視覺學習開始了。系統從背景圖像中減去部分輪廓，形成模板，該模板將頂部圖像與部件的側視圖耦合，如在與視覺階段相鄰的45度鏡中所見。然后，它會生成一系列附加模板，通過360度旋轉以小增量電子旋轉零件圖像。通過這種方式，機器可以在沒有人工工程師幫助的情況下學會識別零件。

在專有的機器視覺算法中使用這些模板，系統識別和定位零件，在大約350毫秒內具有0.002英寸和0.5度。

在使用高縱橫比，不對稱零件的演示中，系統將零件從其轉移桶傾倒到進料器后部的振動平臺上，從那里它們落到直流電機控制的輸送機上。系統單獨，識別和停止輸送機，以便機器人完美地拾取。

不符合模板的部件，即倒置或不正確的部件，從輸送機落到第二條帶上，從那里返回到鏟斗并返回另一輪。輸送機和鏟斗運輸系統的計時器協調這一運動。

戈登承認，FPF 2000比固定用途的碗式喂食器更昂貴，更慢，但他說，這不是一個恰當的比較。送碗機操作需要額外的時間和金錢來創建特殊工具以正確呈現零件。如果所制造的產品經過重新設計，則其工具需要進行昂貴的修改，如果生產線更換為其他產品，則必須更換。“FPF只需要保持活力，”戈登說。“這有助于改變小批量產品的自動化裝配的經濟性。”