关键要点
- 零件的可变性，而不是预算，是视觉引导机器人是否能在投资回报率上击败固定自动化的主要因素。
- 一个范围合理的视觉引导机器人项目的实际回报期为12至24个月。如果供应商的商业案例显示回报期为6个月，那么请仔细检查哪些成本被排除在该数字之外。
- 集成成本，而不是相机或机械臂成本，是大多数自动化预算实际超支的地方。
固定自动化通常是更安全的选择。这就是许多集成商希望你承认的。
这也是在工厂车间谈论人工智能和机器人视觉系统时，没人愿意听到的指责。然而，每个人都像卖视觉引导机器人一样，把它当作解决所有自动化问题的答案。事实并非如此。如果你的生产线在未来五年内只生产一种零件，只使用一种托盘模式，只按照一个班次时间表运行，那么视觉引导机器人就是一种昂贵的解决方法，而你并没有这个问题。真正的技能不是选择自动化。而是知道哪种自动化能给你带来回报。
为什么视觉引导的机器人在不适合的情况下会失败
视觉引导的机器人在团队购买他们不需要的灵活性时会失败。一条生产线以高产量运行单一 SKU，从相机和自适应路径规划中获得不了任何好处。它增加了成本、复杂性和一个新的故障点。只有当零件位置、方向或类型实际变化足够频繁时，这项技术才会有回报。
许多自动化项目因这个确切原因而停滞不前。运营经理看到竞争对手炫目的机器人单元，认为这是现在的标准，于是批准了一个项目，而没有询问潜在的生产问题是否需要它。问题不在于机械臂。问题在于工具与任务不匹配。
相比之下，固定自动化以最好的方式令人感到无聊。该术语涵盖围绕单一、不变的运动或检查构建的任何设置，无论是硬机械停止还是安装在固定点以读取条形码或验证特征的视觉系统。使其“固定”的不是没有相机。如果有相机，它始终会查看相同的位置，而不是实时定位零件并引导机器人的运动。当您的零件从未改变时，这正是您想要的。
选择自动化的逻辑门是什么？
选择自动化的逻辑门归结为按顺序提出的两个问题。首先，零件的位置、方向或类型在每个周期中变化有多大？ 其次，您需要达到什么样的吞吐量，固定工具能否在不频繁更换的情况下实现这一目标？ 固定工具是固定自动化中的物理硬件部分，包括专用夹具、硬止点和末端臂硬件，用于处理特定零件，与可能存在的视觉或传感组件相对。在定价之前，请诚实地回答这两个问题。
您的生产线是否具有高零件可变性
高零件可变性意味着您的零件以不同的位置、方向或类型到达，且固定工具无法可靠地定位它们。如果你通过同一个单元处理的 SKU 数量超过少数几个，或者你的零件从传送带上以随机方向下来，这就是一个信号，表明你应该考虑使用机器人视觉系统，而不是刚性夹具。
对于 高混合、低产量 (HMLV) 生产，一个粗略的行业基准是每个零件号的年产量在几台到几千台之间。如果你在单个零件号上远远超过这个范围，那么可变性可能不是你的瓶颈。产量是固定的，自动化可能获胜。
您实际需要的吞吐量是多少
吞吐量需求决定了视觉引导机器人是否能够赶上固定自动化，而不仅仅是是否更灵活。固定工具几乎总是在原始速度上超过视觉引导机器人系统，即使该固定设置包括一个视觉系统。检查一个已知的静止位置不需要实时定位部件、计算姿态和调整机器人的路径，这是额外的步骤，会减慢视觉引导系统的速度。
也就是说，差距已经缩小。经过良好调校的视觉引导机器人系统的循环时间越来越接近人工操作，错误率却只有人工操作的一小部分。问题不在于哪个系统在纸面上更快。问题在于哪个系统在处理实际存在的可变性的同时，达到您所需的周期时间。
因素 | 固定自动化 | 视觉引导机器人（VGR） |
|---|---|---|
| 最佳匹配 | 单一产品，稳定几何形状，高容量 | 在已知零件系列中，可变零件的位置或方向 |
| 转换时间 | 速度慢，通常需要新的工具 | 对于位置和方向的变化速度更快；真正的SKU变更仍然需要更换夹具和重新训练视觉模型 |
| 前期成本 | Lower | 更高，由于摄像头、照明和集成 |
| 典型的回报窗口 | 不同，通常规模越大越快 | 12 至 24 个月，适用于范围明确的项目 |
| 对新 SKU 的灵活性 | 低 | 高 |
| 故障模式 | 部件没有完美定位时会发生卡纸 | 在光线不足或反光表面上会出现误读 |
购买前如何计算实际的投资回报率
视觉引导机器人项目的实际投资回报来自于劳动力成本的避免、废品减少和吞吐量增加的总和，然后与总安装成本进行比较，而不仅仅是硬件价格。在计算中忽略集成、培训以及制造执行系统（MES）或企业资源计划（ERP）连接成本是业务案例在上线后失败的最常见原因。
计算一下今天人工处理的实际成本：每班次的操作员数量、循环时间以及产生返工或废品的错误率。相比之下，视觉引导的机器人单元可以以一致的循环时间全天候运行，不会出现疲劳曲线。对于劳动密集型、多班次拣选操作，这种劳动力成本差异通常是业务案例的制定依据，而不是机器人的原始速度。
对于一个正确规划的项目，将您的投资回报预期设定在12至24个月。如果供应商的报价比这更快，问问他们省略了什么。
当实际回报不是你预算的那样时会发生什么
康耐视的应用工程师 Wellington Araujo 说：“当客户考虑将机器视觉作为自动化流程的一部分时，他们总是希望提高生产率并减少人员数量。” "但是，如果你深入研究，你会发现，在减少废品、减少停机时间和减少返工等方面，节省更多。真正的投资回报率计算并不那么简单，从长远来看，机器视觉解决方案可以为公司带来更大的成本优势。"
机器视觉项目的真正回报有时来自于最初没有人考虑的好处，而不是围绕人员减少而建立的商业案例。数据收集和故障分析，而不是原始吞吐量，最终可能会带来更大的胜利。
Araujo 描述了一个项目，客户安装了机器视觉系统以提高生产率并减少人员，但没有意识到该系统可以提供的全部价值。他说：“机器视觉系统最大的优势之一是其收集数据和分析故障的能力。” "一旦系统收集了数据并将其提供给客户，就很容易分析故障模式、趋势和过程弱点，并加以纠正。" 在分析了收集到的数据后，客户确定了一个导致故障次数最多的特定机械部件，并对其进行了纠正，从而提高了过程可靠性和生产量。"我使用机器视觉不仅仅是为了减少人员数量或提高生产量，"Araujo说。"机器视觉可以提高质量，这反过来又引导客户提高工艺可靠性和生产量。"
固定自动化何时仍然胜出
在任何几何形状、位置和体积在设备使用寿命内保持不变的生产线上，固定自动化仍然胜出。如果您多年以高产量运行一个零件，且 SKU 周转率极低，那么专用工具将比视觉引导的机器人系统更高效，无论该工具是依赖简单的存在传感器还是固定安装的视觉系统来检查已知位置的条形码或特征。无论哪种方式，它都是在确认一个静态点，而不是定位零件或引导机器人的运动，这是一个更轻的处理任务。
这一点值得明确说明，因为供应商很少这样做。并非每个自动化问题都需要 In-Sight 相机或 3D 视觉系统来监控。有时正确的答案是硬停止、专用夹具和更小的发票。
BOS 创新如何解决随机箱拣选问题
BOS Innovations需要从箱子中随机挑选出反射锆棒，并将其交给机器人进行下一步装配。这是一个固定工具无法解决的问题，因为这些棒材永远不会两次落在同一位置。团队首先尝试了一个2D视觉系统，并将其与激光配对，发现结果不够稳定，无法用于生产。他们转向了一种 3D机器视觉系统，该系统专为解决这种可变性和反射性挑战而设计。
BOS Innovations视觉系统高级项目负责人Alex Klarenbeek表示：“我们尝试使用2D机器视觉和激光来解决箱子拣选应用问题，但我们没有看到我们引以为豪的稳健性水平。” 切换到3D成像消除了棒材镜面反射表面的背景噪声，为机器人提供了每次拾取的精确目标。
这是逻辑门在实际应用中的一个干净的实例。高变异性加上反射性强、难以定位的零件，立即排除了固定工具的使用。更难的决定是2D与3D 视觉引导，以及在切换到3D成像解决之前，第二次通话的错误几乎毁了这个项目。
人工智能在视觉引导决策中扮演什么角色
基于人工智能的机器视觉通过概括零件差异来改变可变性计算，而这些差异原本需要重新编程或重新训练基于规则的系统。传统的基于规则的视觉系统能够很好地处理一致的几何形状：条形码读取、存在和缺失检查、尺寸测量。当零件表现出有机变化时，人工智能工具就会接管，例如刷毛金属上的划痕，每次看起来都与自然纹理不同。
对于规模化制造商来说，这一点很重要，因为它将灵活性对话的一部分从硬件转移到软件。基于现代视觉软件构建的系统有时可以吸收新的零件变体，而无需进行全面的机械重新设计，这改变了“我能处理多少变体”逻辑门的 ROI 计算。
"最常见的错误是认为人工智能视觉系统应该取代基于规则的系统，用于所有类型的应用，"Wellington Araujo说。"人工智能系统非常适合识别没有明确形状的零件，或者在对比度、亮度或背景条件上有很大差异的零件。它们也擅长分类问题，或者需要解释和涉及一些主观性的问题。但认为人工智能可以解决所有需求是错误的。对于以测量零件为目标的应用，或者对于视觉引导应用，基于规则的系统仍然是最推荐的方法。"
如何将循环时间和精度一起考虑
循环时间和精度相互制约，将它们视为独立的要求是导致视觉引导机器人预算超支的最快方法之一。更快的循环时间需要更快的机器人，而在高速下实现高精度在机器人方面是困难且昂贵的，这在很大程度上与视觉系统的优劣无关。
Wellington Araujo 表示：“当考虑将机器视觉系统作为解决方案的一部分时，客户需要改变他们对循环时间和精度的定义方式。” "短周期时间需要更高转速的机器人，而精度不仅取决于机器视觉系统，还取决于机器人本身的精度。在高速下实现高精度的机器人很难，而且成本会大幅增加。" 在视觉方面，精度更多地与分辨率、光学、照明和校准相关，而不是与速度和分辨率相关。 可以根据客户实际需求明确定义要求。"如果客户在范围界定阶段了解周期时间、准确性和成本之间的权衡，他们就可以定义更现实的项目要求，"Araujo说。"这将带来更可靠、更容易实施且更有可能满足期望的解决方案。” 如果确实需要高速处理，那就需要投资一台能够高速工作的精密机器人，最终成本会更高。如果成本是更大的制约因素，而速度不是真正的要求，降低速度可以让您以较低的成本在机器人和机器视觉系统之间进行高精度处理。
如何将逻辑门应用于���的生产线
应用逻辑门是一个可以在下午完成的五步流程，这在与任何供应商对话开始之前就可以完成。
- 记录您的零件可变性。计算每个零件号的 SKU、方向变化和年产量。
- 计算您的所需吞吐量，并将其与固定工具在不进行频繁更换的情况下实际可提供的吞吐量进行比较。
- 计算包括集成、照明和MES或ERP连接在内的视觉引导机器人选项的全部安装成本，而不仅仅是硬件成本。
- 将避免的劳动力成本和减少的废品成本与全部成本进行比较，使用12至24个月的投资回报目标作为现实检查。
- 在全厂推广之前，先在一条生产线上进行试点。
机器人视觉系统、符合GigE Vision标准的相机和IIoT连接的检测站都符合工业4.0战略，但前提是首先出于正确的原因选择使用视觉自动化，而不是固定工具。
如果您正在自己的生产线上做出这一决定，视觉技术提供商可以在您为任一路径投入预算之前，与您一起分析可变性和吞吐量。获取演示，了解3D视觉系统或标准2D视觉系统如何处理您的实际零件。
从业者的见解来自对康耐视应用工程师Wellington Araujo的采访。