Utilisation du jumeau numérique d'une cellule robotique éducative pendant la pandémie

Le défi

Pendant la pandémie de 2020 causée par le COVID-19, les universités sont confrontées au problème de savoir comment enseigner dans les laboratoires sans utiliser les installations de l'université. À l'ITAM, il existe un laboratoire spécifique qui enseigne aux étudiants comment planifier et programmer une ligne de production utilisant des machines-outils, des robots et des convoyeurs équipés de capteurs et d'actionneurs contrôlés par PLC. Pendant la pandémie, nous avons construit un jumeau numérique de la même cellule robotisée en utilisant SIMIO et d'autres outils de simulation pour fournir l'expérience de la planification et de l'amélioration de la ligne de production de manière virtuelle.

Introduction

Au cours des études de premier cycle en ingénierie, les laboratoires constituent une partie importante du processus éducatif. Pendant le cours Cellules robotisées à l'ITAM, les étudiants en ingénierie mécatronique et industrielle apprennent à planifier et à mettre en œuvre une ligne de production complète, y compris la programmation de l'automate et l'optimisation du processus de production.

Outre le convoyeur, la cellule robotisée comprend un robot industriel 6 DoF et deux machines-outils CNC (fraiseuses et tourneuses). Le flux de processus est implémenté dans SIMIO, et le code G pour faire fonctionner la machine CNC est généré à l'aide de PLM NX12.

Pendant la pandémie mondiale de 2020, l'université a dû être fermée et les cours ont été dispensés virtuellement. Cette situation a soulevé la question de savoir comment fournir une expérience de laboratoire adéquate. Comme une partie du laboratoire était déjà planifiée dans SIMIO, il était évident d'intégrer les mouvements des robots, la planification des trajectoires et la fabrication via des machines à commande numérique dans le modèle de simulation.

Cette étude de cas traite du jumeau numérique de cette cellule robotique éducative spécifique et explique les résultats et les leçons tirées.

La solution

Création du jumeau numérique d'une cellule robotique

La cellule robotisée (CR) du laboratoire d'ITAM contient quatre convoyeurs disposés de façon rectangulaire. Chaque coin est équipé d'un élévateur pour déplacer les palettes d'un convoyeur à l'autre. L'élévateur est équipé d'un capteur de position qui détecte la présence d'une palette.

À l'extrémité de chaque convoyeur, une butée et un capteur sont installés pour permettre un passage contrôlé vers le convoyeur suivant. Au centre des convoyeurs, le robot 6 DoF est monté. Deux machines-outils à commande numérique et un entrepôt de matériaux sont installés à l'extérieur autour des convoyeurs, chacun pouvant être atteint par le robot.

Ce scénario est implémenté dans SIMIO afin d'analyser et d'optimiser le processus de production de figurines d'échecs. Dans des circonstances normales, les étudiants fabriquent des pièces à l'aide de machines à commande numérique et programment le robot pour qu'il effectue les trajectoires requises et enregistre les temps de traitement. Ces temps servent d'entrée au modèle SIMIO.

Pendant la pandémie, le travail s'est fortement appuyé sur des outils de simulation. Le code G des machines à commande numérique a été généré à l'aide de PLM NX12, qui estime les temps d'usinage par simulation. Bien que la fabrication n'ait pas été possible, les temps d'opération estimés ont été utilisés pour alimenter le modèle SIMIO.

Les mouvements des robots ont été implémentés à l'aide de la boîte à outils robotique de Corke (2017). Les temps de trajectoire ont été calculés et stockés pour une programmation ultérieure du robot. Ces temps ont été interprétés comme des temps de préparation et de démontage lors du montage des pièces dans les machines à commande numérique.

Les temps de préparation, de traitement et de démontage ont été traités via Python dans un fichier Excel, qui a été importé dans SIMIO. Les figures d'échecs "TOWER" et "PAWN" ont été analysées à l'aide des combinaisons suivantes :

Tableau 1 : Description des variantes du modèle

Impact sur l'entreprise

La première variante a entraîné des temps d'attente, car le processus de fraisage est environ trois fois plus long que le processus de tournage correspondant. Le transfert de certaines opérations de fabrication du fraisage au tournage a permis de réduire la durée totale du processus et d'équilibrer l'utilisation des machines.

Les variantes (2) à (4) incluent la production d'une deuxième figurine d'échecs (PAWN), qui ne nécessite que des opérations de tournage et peut être traitée pendant que la fraiseuse exécute une opération TOWER.

À l'aide de plusieurs outils de simulation, les étudiants ont appris à aligner une chaîne de production en tenant compte des temps de préparation, de traitement et de démontage pendant la pandémie. Cette approche peut également réduire le temps de montée en puissance une fois que l'accès physique au laboratoire est rétabli.

Les travaux futurs comprennent l'amélioration de l'intégration du temps à l'aide de l'API .NET fournie par SIMIO et PLM NX, plutôt que de s'appuyer sur des scripts Python externes.

Actes de la Conférence sur la simulation d'hiver 2020 K.-H. Bae, B. Feng, S. Kim, S. Lazarova-Molnar, Z. Zheng, T. Roeder, et R. Thiesing, eds.

Thomas Martin Rudolf
Luis Antonio Moncayo Martinez

Departamento Académico de Ingeniería Industrial y Operaciones
Instituto Tecnológico Autónomo de México - ITAM
Río Hondo No.1
Col. Progreso Tizapán, CDMX, 01080 MEXIQUE

Références

Corke, P. 2017. Robotique, vision et contrôle : Fundamental Algorithms in Matlab; 2e édition, Springer International Publishing AG.