Page 1

3/2016

P O M I A RY • A U T O M AT Y K A • R O B O T Y K A

Elektroniczny niemostkowy układ konwertera rezystancji czujników temperatury Pt 500 na sygnał cyfrowy

57

Artur Wodołażski

61

Marek Ludwiński

65 71

Bezprzewodowy układ pomiarowy z analizą sieci Wi-Fi na Web Serwerze na platformie Arduino

Automatyczna maszyna do produkcji motków z rurki detonującej montowanych w zapalnikach nieelektrycznych Piotr Dutka

Metoda wyznaczenia TCP narzędzia dla triangulacyjnej głowicy pomiarowej współpracującej z robotem przemysłowym

PAR POMIARY •A UTOMATYKA • ROBOTYKA 3/2016 (221)

49

Jacek Korytkowski

PAR

Cena 25,00 zł w tym 5% VAT

kwartalnik naukowo-techniczny naukowo-techniczny | lipiec–wrzesień lipiec–wrzesień kwartalnik 2016 | www.par.pl www.par.pl

Quarterly Scientific and Technical Measurements Automation Robotics

W numerze:

3 5 13

Od Redakcji Ewelina Chołodowicz, Przemysław Orłowski

Comparison of a Perpetual and PD Inventory Control System with Smith Predictor and Different Shipping Delays Using Bicriterial Optimization and SPEA2 Mariusz Olszewski

Mechatronizacja produktu i produkcji – przemysł 4.0

29

Paweł Fotowicz

33

Piotr Cheluszka

43

Stanisław Lis, Marcin Tomasik, Magdalena Dróżdż

Daniel Figurowski, Michał Brasel, Michał Kubicki

Stanowisko laboratoryjne do badań algorytmów sterowania robotami mobilnymi z wizyjnym sprzężeniem zwrotnym

ISSN 1427-9126 Indeks 339512

Modyfikacja sposobu obliczania niepewności pomiaru

Automatyzacja pomiarów współrzędnościowych organów roboczych maszyn urabiających z wykorzystaniem skanowania 3D

System automatycznego przezbrajania stanowiska pakowania robotem przemysłowym

Ponadto: Informacje dla Autorów – 77 | IEEE Control Systems Society w Polsce. Systemy sterowania są wszechobecne – 81 | Kolejna nagroda dla prof. Janusza Kacprzyka – 84 | Awans naukowy – dr hab. inż. Paweł Dworak – 86 | Awans naukowy – dr hab. inż. Arkadiusz Mystkowski – 87 | Kalendarium – 88 | XIX Krajowa Konferencja Automatyki KKA 2017 – 89 | Internet Rzeczy – 90 | Designing the Internet of Things – 91 | Big Data w Przemyśle – 92 | Przekładnie ślimakowe – 93 | AutoCAD 2017/LT2017/360+ – 94 | Autodesk Inventor Proffesional 2017PL/2017+/Fusion 360 – 95 | Metody przemieszczeń i podstawy MES – 96 | 9th ELEC Doctoral School on Identification of Nonlinear Dynamic Systems – 97 | Młodzi Innowacyjni 2017 – 100


Rada Naukowa

Rok 20 (2016) Nr 3(221) ISSN 1427-9126, Indeks 339512

Redaktor naczelny

prof. Jan Awrejcewicz Katedra Automatyki, Biomechaniki i Mechatroniki, Politechnika Łódzka prof. Milan Dado University of Žilina (Słowacja)

dr inż. Jan Jabłkowski

prof. Tadeusz Glinka Instytut Elektrotechniki i Informatyki, Politechnika Śląska

Zastępca redaktora naczelnego

prof. Evangelos V. Hristoforou National Technical University of Athens (Grecja)

dr inż. Małgorzata Kaliczyńska

Zespół redakcyjny dr inż. Jerzy Borzymiński prof. Wojciech Grega – automatyka prof. Krzysztof Janiszowski dr inż. Małgorzata Kaliczyńska – redaktor merytoryczny/statystyczny mgr Anna Ładan – redaktor językowy prof. Mateusz Turkowski – metrologia prof. Cezary Zieliński – robotyka

Skład i redakcja techniczna Ewa Markowska

dr Oleg Ivlev University of Bremen (Niemcy) prof. Stanisław Kaczanowski Przemysłowy Instytut Automatyki i Pomiarów PIAP, Warszawa prof. Larysa A. Koshevaja Narodowy Uniwersytet Lotnictwa, Kiev (Ukraina) prof. Igor P. Kurytnik Państwowa Wyższa Szkoła Zawodowa w Oświęcimiu prof. J. Tenreiro Machado Polytechnic Institute of Porto (Portugalia) prof. Jacek Malec Lund University (Szwecja)

Druk Zakłady Graficzne Taurus Roszkowscy Sp. z o.o. Nakład 600 egz.

prof. Andrzej Masłowski Wydział Inżynierii Produkcji, Politechnika Warszawska

Wydawca

dr Vassilis C. Moulianitis University of Patras (Grecja)

Przemysłowy Instytut Automatyki i Pomiarów PIAP Al. Jerozolimskie 202, 02-486 Warszawa

Kontakt Redakcja kwartalnika naukowo-technicznego Pomiary Automatyka Robotyka Al. Jerozolimskie 202, 02-486 Warszawa tel. 22 874 01 46 nauka@par.pl www.par.pl

prof. Zdzisław Mrugalski Politechnika Warszawska, Instytut Mikromechaniki i Fotoniki prof. Joanicjusz Nazarko Wydział Zarządzania, Politechnika Białostocka prof. Dmitry A. Novikov Institute of Control Sciences, Moskwa (Rosja) prof. Serhiy Prokhorenko „Lviv Polytechnic” National University (Ukraina) prof. Eugeniusz Ratajczyk Wydział Zarządzania, Wyższa Szkoła Ekologii i Zarządzania w Warszawie prof. Jerzy Sąsiadek Carleton University (Kanada)

Pomiary Automatyka Robotyka jest czasopismem naukowo-technicznym obecnym na rynku od 1997 r. Przez 18 lat ukazywało się jako miesięcznik. Aktualnie wydawany kwartalnik zawiera artykuły recenzowane, prezentujące wyniki teoretyczne i praktyczne prowadzonych prac naukowo-badawczych w zakresie szeroko rozumianej automatyki, robotyki i metrologii.

Kwartalnik naukowo-techniczny Pomiary Automatyka Robotyka jest indeksowany w bazach BAZTECH, Google Scholar oraz INDEX COPERNICUS (ICV 2015: 57.21), a także w bazie naukowych i branżowych polskich czasopism elektronicznych ARIANTA. Punktacja MNiSW za publikacje naukowe wynosi 8 pkt (poz. 1244). Przyłączając się do realizacji idei Otwartej Nauki, udostępniamy bezpłatnie wszystkie artykuły naukowe publikowane w kwartalniku naukowo-technicznym Pomiary Automatyka Robotyka. Wersją pierwotną (referencyjną) jest wersja papierowa. Udostępniamy też aplikację PAR DIGITAL – wersję kwartalnika na urządzenia przenośne.

prof. Rossi Setchi Cardiff University (Wielka Brytania) prof. Waldemar Skomudek Wydział Inżynierii Produkcji i Logistyki, Politechnika Opolska dr Dragan Stokic ATB – Institute for Applied Systems Technology Bremen GmbH (Niemcy) prof. Eugeniusz Świtoński Wydział Mechaniczny Technologiczny, Politechnika Śląska prof. Peter Švec Slovak Academy of Sciences (Słowacja) prof. Krzysztof Tchoń Instytut Informatyki, Automatyki i Robotyki, Politechnika Wrocławska prof. Wojciech Włodarski RMIT University, Melbourne (Australia) prof. Eugenij T. Volodarsky „Kyiv Polytechnic” National University (Ukraina)


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 20, Nr 3/2016

Spis treści 3

Od Redakcji

5

Ewelina Chołodowicz, Przemysław Orłowski Comparison of a Perpetual and PD Inventory Control System with Smith Predictor and Different Shipping Delays Using Bicriterial Optimization and SPEA2 Analiza porównawcza systemu sterowania ciągłego oraz z regulatorem PD i predyktorem Smitha dla różnych opóźnień dostaw z zastosowaniem metod optymalizacji dwukryterialnej I SPEA2

13

Mariusz Olszewski Mechatronizacja produktu i produkcji – przemysł 4.0 Mechatronization of the Product and the Production – Industry 4.0

29

Paweł Fotowicz Modyfikacja sposobu obliczania niepewności pomiaru Modifying the Approach for Calculating the Measurement Uncertainty

33

Piotr Cheluszka Automatyzacja pomiarów współrzędnościowych organów roboczych maszyn urabiających z wykorzystaniem skanowania 3D Automation of Coordinate Measurements of Mining Machines Working Units with 3D Scanning

43

Stanisław Lis, Marcin Tomasik, Magdalena Dróżdż System automatycznego przezbrajania stanowiska pakowania robotem przemysłowym The System of Automatic Changeover Position Packing Industrial Robot

49

Jacek Korytkowski Elektroniczny niemostkowy układ konwertera rezystancji czujników temperatury Pt 500 na sygnał cyfrowy The electronic non-bridge circuits for conversion resistance of Pt 500 temperature sensors to the digital signal

57

Artur Wodołażski Bezprzewodowy układ pomiarowy z analizą sieci Wi-Fi na Web Serwerze na platformie Arduino Wireless Measuring System with Wi-Fi Networks Analysis and Web Server Based on Arduino Platform

61

Marek Ludwiński Automatyczna maszyna do produkcji motków z rurki detonującej montowanych w zapalnikach nieelektrycznych Automatic Machine to Productions of Hank from the Exploding Tube Installed in Nonelectric Fuses

65

Piotr Dutka Metoda wyznaczania TCP narzędzia dla triangulacyjnej głowicy pomiarowej współpracującej z robotem przemysłowym Method to set up tool’s TCP for triangulation measurement head installed on industrial robot’s flange

1


SPIS TREŚCI

71

Daniel Figurowski, Michał Brasel, Michał Kubicki Stanowisko laboratoryjne do badań algorytmów sterowania robotami mobilnymi z wizyjnym sprzężeniem zwrotnym Laboratory Station for Studying Visual Feedback Control Systems for Mobile Robots

77

Informacje dla Autorów

81

Organizacje i stowarzyszenia IEEE Control Systems Society w Polsce. Systemy sterowania są wszechobecne

84

Sylwetki Kolejna nagroda dla prof. Janusza Kacprzyka

86

Awans naukowy Algorytmy syntezy i implementacji układów sterowania liniowymi i nieliniowymi obiektami dynamicznymi o wielu wejściach i wielu wyjściach – dr hab. inż. Paweł Dworak

87

Awans naukowy Zastosowanie metod sterowania odpornego do stabilizacji obiektów mechanicznych – dr hab. inż. Arkadiusz Mystkowski

88

Kalendarium

89

Konferencje | Zapowiedź XIX Krajowa Konferencja Automatyki KKA 2017

90

Polecane książki Internet Rzeczy. Jak inteligentne telewizory, samochody, domy i miasta zmieniają świat

91

Polecane książki Designing the Internet of Things

92

Polecane książki Big Data w Przemyśle. Jak wykorzystać analizę danych do optymalizacji kosztów procesów?

93

Polecane książki Przekładnie ślimakowe

94

Polecane książki AutoCAD 2017/LT2017/360+ Kurs projektowania parametrycznego i nieparametrycznego 2D i 3D

95

Polecane książki Autodesk Inventor Proffesional 2017PL/2017+/Fusion 360 Metodyka projektowania

96

Polecane książki Metody przemieszczeń i podstawy MES Obliczenia w środowisku MATLAB

97

Projekty | Staże 9th ELEC Doctoral School on Identification of Nonlinear Dynamic Systems

100 Wydarzenia | Konkursy Młodzi Innowacyjni 2017

2

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


OD REDAKCJI

Drodzy Państwo, Rozpoczyna się kolejny rok akademicki 2016/2017, z przyjemnością przekazujemy najnowsze wydanie kwartalnika naukowo-technicznego Pomiary Automatyka Robotyka. W okresie wakacyjnym zebraliśmy kilka ciekawych tekstów, które polecamy uwadze Państwa. Oddany do Państwa dyspozycji numer zawiera treści potwierdzające, że śledzimy wydarzenia, które się dzieją wokół nas i nie pozostajemy wobec nich obojętni. Coraz częściej słyszymy o czwartej rewolucji przemysłowej i koncepcji Przemysłu 4.0. Towarzyszą temu takie terminy, jak Internet of Things, Big Data oraz Cloud Computing. Stąpając twardo po ziemi – bo takie działanie przystoi specjalistom automatyki przemysłowej, robotyki, metrologii – nie zawsze potrafimy sobie wyobrazić fabrykę bez ludzi, komunikujące się roboty przemysłowe, ogromne zbiory danych generowane przez systemy typu SCADA i przechowywane w chmurze. Musimy się przygotować do zbliżającej się ery Przemysłu 4.0 i nauczyć zarządzać komunikacją typu rzecz-rzecz oraz analizować ogromne zbiory danych. Polecamy lekturę artykułu przeglądowego, w którym autor – prof. Mariusz Olszewski prezentuje własne przemyślenia na temat Przemysłu 4.0 i przyczyn rozwoju tej koncepcji. Zapraszamy do sięgnięcia po książki, które anonsujemy w numerze. Osoby zainteresowane praktycznymi rozwiązaniami zachęcamy do zapoznania się z naszym siostrzanym wydawnictwem – miesięcznikiem branżowym AUTOMATYKA nr 10/2016 – w nim większość materiałów poświęcona jest tematyce Internet of Things. W imieniu Wydawcy – Przemysłowego Instytutu Automatyki i Pomiarów PIAP – serdecznie zapraszamy do lektury bieżącego numeru oraz do publikacji artykułów naukowych. Redaktor naczelny kwartalnika Pomiary Automatyka Robotyka dr inż. Jan Jabłkowski

3


4

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 20, Nr 3/2016, 5–12, DOI: 10.14313/PAR_221/5

Comparison of a Perpetual and PD Inventory Control System with Smith Predictor and Different Shipping Delays Using Bicriterial Optimization and SPEA2 Ewelina Chołodowicz, Przemysław Orłowski Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, ul. Sikorskiego 37, 70-313, Szczecin

Abstract: Inventory optimization is critical in inventory control systems. The complexity of real-world

inventory systems results in a challenging optimization problem, too complicated to solve by conventional mathematical programing methods. The aim of this work is to confront: a perpetual inventory system found in the literature and inventory system with PD control and Smith predictor proposed by the authors. To be precise, the two control systems for inventory management are analyzed with different shipping delays and compared. With regard to complexity of the proposed control system, we use a SPEA2 algorithm to solve optimization task for assumed scenario of the market demand. The objective is to minimize the inventory holding cost while avoiding shortages. A discrete-time, dynamic model of inventory system is assumed for the analysis. In order to compare the results of systems, Pareto fronts and signal responses are generated.

Keywords: inventory control systems, optimization, perpetual inventory system, multi-objective optimization, SPEA2, PD control, Smith predictor, inventory

1. Introduction Increasing dimension of inventory management requires advanced methods to reduce maintenance costs. As a result of the emergence of complex inventory control systems, more and more scientist began to use the methods of multi-criteria optimization. Pareto-based techniques were proposed in 1993 and 1994, e.g., MOGA [1], NPGA [2] and NSGA [3]. One of the most effective algorithms, used in multi-criteria problems, is the Strength Pareto Evolutionary Algorithm (SPEA) proposed in [4]. SPEA has shown very good performance in comparison to other multi-objective evolutionary algorithms [5]. Furthermore, improved version of SPEA has also been created. It is called SPEA2 and is presented in [6]. The improved Strength Pareto Evolutionary Algorithm is one of the most important multi-objective evolutionary algorithms that use elitism approach and therefore it has been used in recent studies: [7–12].

Autor korespondujący: Ewelina Chołodowicz, cholodowicz.ewelina@gmail.com Artykuł recenzowany nadesłany 01.08.2016 r., przyjęty do druku 22.08.2016 r. Zezwala się na korzystanie z artykułu na warunkach licencji Creative Commons Uznanie autorstwa 3.0

Inventory optimization means maintaining a certain level of inventory that would eliminate the out-of-stock situations and at the same time would provide as low as possible holding costs. In a nutshell, this is all about maintaining balance between demand and supply. Every inventory system faces the challenge of matching its supply volume to customer demand. How well control system manages this complex challenge has a profound impact on inventory profitability. Due to the necessity for effective inventory management inventory control systems have been developed. The two classic systems for managing customer demand are a periodic and a perpetual system [13]. A perpetual inventory system is a superior to the older periodic inventory system because it keeps continual track of sales and inventory levels which helps to prevent stock-outs – this is its advantage. There has been an growing interest in solving inventory management problem. Before control systems, a lot of inventory models have been invented: [14–16]. More and more works have been focusing upon creating new or modified inventory control systems: [17–24]. Issues of a similar problem dimension, but associated with congestion control in computer networks, are presented in [25]. Due to occurring variance amplifications of order quantities in inventory systems, called the bullwhip effect [26], it is necessary to use special methodology to eliminate such a situation. This extremely negative phenomenon had gave rise to range of methodologies used to this day and is indispensably connected to the stability of supply chains which is investi-

5


Comparison of a Perpetual and PD Inventory Control System with Smith Predictor and Different Shipping Delays ...

gated in [27]. Conducted research in [27] quantifies the effect of these variations on system stability and presents mechanism with work in progress (WIP) position. On the other hand, in [17] is proposed methodology for time-varying delay based on Smith predictor. However, in [26, 27] it is suggested a general replenishment rule that can reduce variance amplification significantly by control theoretic approach, which integrated different forecasting methods into the order-up-to system. To our knowledge, order-up-to systems usually result in the bullwhip effect [26]. An order-up-to policy is optimal in the sense that is minimizes the expected holding and shortage costs [28]. As far as methods for bullwhip effect reduction are concerned, H-infinity control methodology minimizes the worst case effects of the external demand fluctuations on the performance of the system [29]. The application of this method requires that the transportation and production lead times are known and constant, but also can be used with satisfactory results with time-varying delays. H-infinity policy applies the filtering techniques and optimizes local inventory costs while avoiding the bullwhip effect. In order to make a fair comparison between a classical stockbased order-up-to policy and PD with Smith predictor inventory control system we apply work-in-progress to account for the destabilizing effect in the perpetual inventory system. The aim of this work is to analyze and compare work of systems with different shipping delays: Perpetual Inventory System with adaptive order level and work-in-progress mechanism proposed by literature and Proportional-derivative Inventory Control System with Smith predictor and adaptive reference stock level proposed by the authors. In other words, this work is comparison between our PD-Smith-based methodology which was used in [21] for time-varying delay (in this work is examined for time-invariant systems) and classical order-up-to policy used mostly for time-invariant systems. Parameters were selected for all control systems structures through solving optimization tasks for a specific scenario of variable market demand using the Strength Pareto Evolutionary Algorithm 2 (SPEA2) in MATLAB/Simulink. In this article, we mainly want to show differences of results gained through solving optimization task using SPEA2 and performance for two control inventory systems and different shipping delays. The objective of inventory optimization is to maintain optimal inventory levels depending on demand and to minimize inventory holding cost while avoiding shortages [30]. In [31] Pareto-based meta-heuristic algorithm are used to solve the bi-objective inventory models. The first objective function aims to minimize the total cost of the system, which consists of holding cost, ordering cost and shortage cost and the second objective function, maximizes the service level through minimizing the cumulative distribution of the demands [31]. In this paper, the results for both systems are compared using a bi-objective optimization. In order to compare the

results, several numerical examples are generated and the results are analyzed on the basis of generated plots and tables.

2. The Mathematical Model of Inventory The number of products that could potentially be sold from the store is modelled as a certain, unknown in advance limited function of time: 0 ≤ d(k) ≤ dmax. Where dmax is the maximum number of products sold per unit of time. Instantaneous values of d(k) fluctuate in time and depend on the market demand. Demand for the products is generally variable in time. The number of products purchased from the inventory h(k) depends on the demand, as well as the available stocks y(k) and following inequalities are held: 0 ≤ h(k) ≤ d(k) ≤ dmax,

P

O

M

I

A

R

Y

A

U

T

O

(1)

If the quantity of products in stock at moment k is sufficiently large, it means that: d(k) = h(k). From the standpoint of controlling the flow of goods, it is important to maintain certain stock in the inventory, regardless of transient changes in customer demand, so as to avoid a situation in which the magazine is empty or the quantity of the stored products will be excessive, or even exceeds the storage capacity ymax. The product quantity stored in the inventory at moment k, called the stock, is therefore given as follows: y(k) = y(k – 1) + u(k – t) – h(k)

(2)

t – the time required to deliver ordered products to the inventory. The delay is known t and this model is a linear, stationary and discrete with signals saturations. The block diagram of the analysed system is shown in Fig. 1. The system consists of three main blocks: transport and production delay, inventory model and control system based on order control.

3. The Control Systems Definitions There are many different ways to keep control of the inventory but in every inventory control system, it is necessary to determine when and how much to order. Scientific methods for inventory control can give a significant competitive advantage. Control system has to order the certain amount of products at a certain time with a view to market demand and current inventory level. Inventory control means that all stocks of products are promptly and properly ordered, issued, preserved and accounted in the best interest of an entity that manages its inventory.

Fig. 2. A block diagram of Perpetual Inventory control system with adaptive order level Rys. 2. Schemat blokowy ciągłego systemu sterowania magazynem z adaptacyjnym poziomem zamówień

Fig. 1. Block diagram of inventory system with control system Rys. 1. Schemat blokowy systemu magazynowego z układem sterowania

6

0 ≤ y(k) ≤ ymax

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Ewelina Chołodowicz, Przemysław Orłowski

It is essential to create a mathematical description of investigated two control systems:

A) Perpetual Inventory System with adaptive order level

A Perpetual Inventory System is also known as “Automatic Inventory System”. A perpetual system keeps records of the amount in storage, and it replenishes when the stock drops to certain level k3. The reorder point – threshold, inventory content critical value, is fixed, but review period, order quantity and maximal inventory level are variable (max inventory level depends on demand). k1 together with a factor k2 make an affine function of maximal inventory capacity depending on market demand, given in the following form: 0  u (k ) =  ( k d k  1 ) + k2

for y (k ) > k3 , for y (k ) ≤ k3

(3)

where: k3 – reorder point. In order to make a fair comparison between a classical stock-based order-up-to policy and PD with Smith predictor inventory control system we supplement the control law (3) of the perpetual inventory system with work-in-progress term to provide for the controller data about past orders which are not delivered to the inventory yet. The system will be denoted as A’ and the control law is described in the following way:

Block diagram of the control system is shown in Fig. 3. The variables k1–k3 are parameters of the control system. Due to the similarity between the considered class of systems and engineering processes, it is a natural choice to apply control-theoretic methods in the design and analysis of strategies governing the flow of goods.

Fig. 3. A block diagram of Proportional-derivative Inventory control system with Smith predictor and adaptive reference stock level Rys. 3. Schemat blokowy systemu sterowania magazynem z regulatorem proporcjonalno-różniczkującym oraz predyktorem Smitha z adaptacyjnym referencyjnym poziomem zapasów

4. Bicriterial optimization and SPEA2 Consider, the problem of finding the optimal values of the parameters ki, i = 1, 2, 3 of a dynamic system with fixed structure from Figs. 2–3. In the case of the inventory system, cost functions can be defined by the following relations: j1 =

1 N

N

∑ [d (k ) − h (k )]

k =τ

(9)

(4) j2 =

B) Proportional-derivative Inventory Control System with Smith predictor and adaptive reference stock level

The structure shown in Fig. 3 – the control system is based on a classical structure with Smith predictor. It is a kind of a predictive controller, which was developed for control systems, which are characterized by long and inevitable delays. Its structure is based on implementations of the model without delay and with delay. Based on the control concepts for systems with delays using a Smith predictor it is assumed that an estimated model of the system without delay is given in the form: yˆp (k ) = yˆp (k − 1) + u (k − 1) − h (k )

(5)

N

1 N

∑ y (k )

where: t – the time required to deliver ordered products to the inventory, N is the length of the time horizon. The equation (9) represents a lost opportunity to make sales. In turn, the expression (10) concerns use of space in the inventory. The objective is represented as the following vector:

j = [j1,j2 ]

u (k ) = k2ε (k ) + k3 ε (k − ε k − 1 where:

ε (k ) = yref (k ) − yˆp (k )

(6) (7)

It is assumed that the reference value of stocks yref(k) is a linear function of the demand given in the form of:

yr (k ) = k1d (k )

(8)

(11)

For the model described by relationships (1)–(2) and the control systems described by equations (3)–(8) and a quality indicator in the form of (9)–(11) the optimization problem can be defined in the following form: min j k

Model of discrete-time PD controller for error e(k) of model without delay is given in the following form:

(10)

k =τ

(12)

Where optimization variables and constraints are dependent on the controller structure: k = [k1, k2, k3], k1 ≥ 0, k2 ≥ 0, k3 ≥ 0 The improved Strength Pareto Evolutionary Approach (SPEA2) is chosen to perform the control system optimization resulting in the final analysis and comparison. SPEA is an extension of the Genetic Algorithm for multiple objective optimization problems. SPEA2 has an external archive consisting of the previously found non-dominated solutions. It is updated after every generation and for each solution a strength value is computed [28]. An archive of the non-dominated set is maintained separate from the population of candidate solutions used

7


Comparison of a Perpetual and PD Inventory Control System with Smith Predictor and Different Shipping Delays ...

non-dominated solutions – set of Pareto optimal solutions. The flow chart which shows the steps of SPEA2 can be seen in Fig. 4.

5. Simulation Research and Analysis In this section the results of computer simulations and comparative analysis is presented. The structures of control systems in Figures 2 and 3 are applied. The main purpose of this section is to compare the optimization results for different time delays for two different control structures: Perpetual Inventory System with adaptive order level A, Perpetual Inventory System with adaptive order level with work-in-progress mechanism A’ which stems from literature and Proportional-derivative Inventory Control System with Smith predictor and adaptive reference stock level proposed by authors. Results for A – PIS-AOL control system are marked by black lines, A’ – PIS-AOL’ by blue lines and whereas for B – PDIS-SP-ARSL control system are marked by red line. With a view to simulation research of the control systems for a discrete, stationary linear model with signal bounds described by equations (1)–(2), the control systems described by equations (3)–(8) the quality indicator in the form of (9)–(11), the time horizon N = 1000 and the sampling period is one day. Tuning of the control system is based on a the bicriterial optimization task using SPEA2 (improved version of Strength Pareto Evolutionary Algorithm) and trapezoidal demand signal plotted in Fig. 8 and 9. On the basis of the results we try to evaluate: how does the controller structure impact on the properties of the inventory control system. To solve the optimization problem (17) a SPEA2 was used with parameters: population size 500 for all A, A’ and B, maximal number of generations 50 for A’ and B, 400 for A. In order to see the impact of the delay between ordering products and delivering it to the inventory – t on the results of optimization task and the performance of the control system, simulations were carried out for three values of t: 28, 14 and 2. First, an analysis of the objective function plots has been conducted. Pareto front with shortages cost j1 and holding cost j2 is depicted in Fig. 5 for 3 delay values. It can be noticed from Fig. 5 that almost all solutions for A control system are dominated by solutions for B control system for all considered delays except from solutions for j1 < 2 and

Fig. 4. Flow chart of SPEA2 algorithm Rys. 4. Schemat blokowy algorytmu SPEA2

in the evolutionary process, providing a form of elitism. Due to potential weaknesses of SPEA, the improved version – SPEA2 has better fitness assignment scheme, more precise guidance of the search and a new archive truncation methods [6]. To avoid situations where population members dominated by the same members of the archive have the same fitness value, SPEA2 takes into account both the number of dominating and dominated solutions in computing the raw fitness of a solution. The objective of the algorithm is to locate and maintain a front of

Fig. 6. Pareto front and selected points for inventory control system for τ = 2 Rys. 6. Front Pareto oraz wybrane punkty dla systemu sterowania dla τ = 2

Fig. 5. Pareto front and selected points for inventory control system for two different delays Rys. 5. Front Pareto oraz wybrane punkty dla systemu sterowania magazynem z dwoma różnymi opóźnieniami

8

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Ewelina Chołodowicz, Przemysław Orłowski

Table 1. Selected optimization results using SPEA2 Algorithm to A Control System Tabela 1. Wybrane wyniki optymalizacji z wykorzystaniem algorytmu SPEA2 do systemu sterowania A

Point

j1

j2

k1

k2

k3

τ =2 A1

1.60

51.1

0.997

0.131

804

A2

1.33

99.3

0.995

1.34

477

A3

1.75

40.3

0.997

0.022

318

τ = 28 Fig. 7. System response – purchased products h(k) and customer demand d(k) for A4,B4 for τ = 28 Rys. 7. Odpowiedź układu – zakupione produkty h(k) oraz zapotrzebowanie klientów d(k) dla A4, B4 dla τ = 28

A4

20.6

394

0.983

0.808

4459

A5

9.58

2918

0.887

44.96

27775

A6

17.3

1323

0.939

16.6

27495

Table 2. Selected optimization results using SPEA2 Algorithm to B Control System Tabela 2. Wybrane wyniki optymalizacji z wykorzystaniem algorytmu SPEA2 do systemu sterowania B

Point

j1

j2

k1

k2

k3

τ =2

Fig. 8. System response – difference between customer demand d(k) and purchased products h(k) for A4, B4 for τ = 28 and A1,B1 for τ = 2 Rys. 8. Odpowiedź układu – różnica pomiędzy zapotrzebowaniem klientów d(k), a zakupionymi produktami h(k) dla A4, B4 dla τ = 28 i A1,B1 dla τ = 2

j2 > 5200 for t = 28 where the opposite situation can be seen. However, due to considerably high value of holding cost, i.e. the value j2, these solutions are not relevant for practical reasons. On the other hand, A’, which is A with work-in-progress mechanism, achieves smaller cost function values j1 and j2. Although results for A and B are also relatively close to each other for small delay t = 2. It means that the phenomenon of shortages and high holding costs occurs less in B than in A and A’. Next step of the analysis requires selection of points in the Pareto front plots (Fig. 5 and Fig. 6) on the basis of three criteria. Three points were chosen among the solutions space for t = 2 and t = 28. Selected points were chosen by three criterions (see Table 1 and 2): 1) min(100j1 + j2): A1, B1, A’1 for t = 2 and A4, B4, A’4 for t = 28 – marked by blue circles; 2) j2 ≈ const ≈ 100: A2,B2, A’2 for t = 2 and j2 ≈ const ≈ 2900: A5, B5, A’5 for t = 28 – marked by green circles; 3) j1 ≈ const ≈ 1.8: A3,B3, A’3 for t = 2 and j2 ≈ const ≈ 17.3: A6, B6, A’6 for t = 28 – marked by cyan circles. After points selection, it is possible to make a simulation research of responses of presented inventory control systems: h(k), y(k), d(k) – h(k).

B1

0.0489

0.225

5.20

0.238

0.524

B2

0.00423

100

1.95

1.488

0.0081

B3

1.78

0.006

4.94

0.253

0.283

τ = 28 B4

3.91

385

68.7

0.0240

0.825

B5

1.79

2879

97.1

0.015

0.995

B6

17.3

50.9

28.1

0.529

0.219

Table 3. Selected optimization results using SPEA2 Algorithm t A’ Control System Tabela 3. Wybrane wyniki optymalizacji z wykorzystaniem algorytmu SPEA2 do systemu sterowania A’

Point

j1

j2

k1

k2

k3

τ =2 A’1

0.788

74.3

3.00

0.0259

21.1

A’2

0.662

102

3.00

0.107

8.83

A’3

1.73

46.1

2.99

0.0574

10.5

τ = 28 A’4

10.8

801

28.5

28.4

377

A’5

2.33

2918

27.5

742

200

A’6

17.3

478

28.0

8.50

308

9


Comparison of a Perpetual and PD Inventory Control System with Smith Predictor and Different Shipping Delays ...

presents the difference of the two values: customer demand minus the current number of purchased products. It is also necessary to take into account y(k) which represents number of accumulated stocks in the inventory. Inventory control system which generates higher peak stocks levels as a result of demand decrease is definitely worst than one with lower stocks level. This situation can be seen in Fig. 9 – for k ∈ (600, 700) system B has the peak value – 970, A – 4500 and A’ – 3000. After including work-in-progress mechanism in A, it can be seen that y(k) has the shape of saw and there is no single hudge signal like in A, but classical saw-shaped stock level. In the Fig. 9, you can see that B and A aims to achieve zero level of stocks for t = 28 and manage it for k > 800. On the basis of defintion of j1 it may be concluded that its difference should equal zero for k = t, t + 1, …, N where N is the length of the time horizon. In Fig. 8 and 10 it is clearly seen that difference between demand and the number of purchased products of the two systems is almost the same until k ≤ 300. We can say that on response to step demand with level 50 at the time zero of two systems is similar, but complety different responses occur for linearly increasing demand – interval k ∈ (300, 400). Tables 1–3 consist of solutions for selected points. They shown that for the same shortage cost, the holding cost is the smallest for system B, what we can observe in the Fig. 11. Furthermore, taking into consideration the interval in the Fig. 11 – k ∈ (300, 400) when d(k) rapidly changing (from 50 to 650), it is an evidence that B manage to cope with fast amplification of demand with minimal stock level. On the contrary, A and A’ have almost the same value of j1 as B, but significantly higer values of the j2 indicator (holding cost), i.e.: A – 40.3, A’ – 46.1, where for B j2 = 0.006.

Fig. 9. System response – the stock level y(k) for A4, A’4, B4 for τ = 28 Rys. 9. Odpowiedź układu – poziom zapasów y(k) dla A4, A’4, B4 dla τ = 28

Fig. 10. System response – difference between customer demand d(k) and purchased products h(k) for A3, A’3,B3 for τ = 2 Rys. 10. Odpowiedź układu – różnica pomiędzy zapotrzebowaniem klientów d(k), a zakupionymi produktami h(k) dla A3, A’3, B3 dla τ = 2

6. Conclusions Advantage of Proportional-derivative Inventory Control System with Smith predictor and adaptive reference stock level over Perpetual Inventory System with adaptive order level is clearly visible through steps of the comparison process. First step of analysis shows significant advantage of B over A for every value of assumed delay between ordering products and delivering it to the inventory. Comparison of Pareto front plots was made for the same value of the delay and the same demand function. The simulations results shows that system proposed by the authors have better values of optimization indicators presented in table 1 and 2 for all criterions described in section 5.: for criterion min(100j1 + j2) – j1 and j2 are smaller, for criterion j2 = const – j1 is smaller, and for criterion j1 = const – j1 is smaller. In order to finalize the comparison, we analyse figures with number of purchased products, the stock level response and pointed out the difference of market demand and currently purchased products. What is more, Proportional-Derivative Inventory Control System with Smith predictor and adaptive reference stock level has better inventory stocks level value – smaller for t = 28 and t = 2 taking into account the whole time horizon. Proportional-Derivative Inventory Control System with Smith predictor and adaptive reference stock level – for each delay and is characterized by the lowest value of j1 and j2. The overall conclusions show a advantage of B over A and A’ in certain periods: for all j1, j2 (t = 2, t = 14) or almost all for t = 28. As a result of this, the inventory holding cost is larger and shortages are more frequent and longer for the order-up-to policy A and A’ than it is for PD with Smith predictor approach in these periods.

In Fig. 7 h(k) is showed. It represents number of purchased products. In ideal control system h(k) = d(k) but deviations occured because of the unknown in advance demand, delay t and the criterion of minimizing inventory stocks j2. In Fig. 8 can be seen precisely difference between selled goods in two systems with different two shipping delays: t = 2 and t = 28. Beacause of broad simulation horizon and small delay (t = 2), a plot with h(k) is showed almost demand h(k) ≈ d(k). There is no visible difference between d(k), hA(k), hB(k) for points A3, B3 and t = 2. This is because of incomparably small deviation value compared to demand. For this reason, we show Fig. 8 which

Fig. 11. System response – the stock’s level y(k) for A3, A’3, B3 for τ = 2 Rys. 11. Odpowiedź układu – poziom zapasów y(k) dla A3, A’3, B3 dla τ = 2

10

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Ewelina Chołodowicz, Przemysław Orłowski

The results demonstrate the capabilities of the evolutionary optimization approach to generate true and well distributed pareto-optimal non-dominated solutions. In conclusion, adding work-in-progress mechanism to perpetual inventory control system results in better system performance in some specific periods shown in Figs. 5 and 6, but the results are still dominated by results for PD with Smith predictor approach.

Bibliography 1. 2.

3. 4. 5.

6.

7.

8.

9.

10.

11.

12.

13.

Fonseca C.M., Fleming P.J., Genetic Algorithms for Multiobjective Optimization: FormulationDiscussion and Generalization. In ICGA Vol. 93, 1993, 416–423. Horn J., Nafpliotis N., Goldberg D.E., A niched Pareto genetic algorithm for multiobjective optimization. In Evolutionary Computation, 1994. IEEE World Congress on Computational Intelligence. 1994, Proceedings of the First IEEE Conference on (82–87) IEEE. Srinivas N., Deb K., Muiltiobjective optimization using nondominated sorting in genetic algorithms, “Evolutionary computation”, 2(3), 1994, 221–248. Zitzler E., Thiele L., An evolutionary algorithm for multiobjective optimization: The strength Pareto approach. TIK-Report, 1998. Zitzler E., Thiele L., Multiobjective evolutionary algorithms: a comparative case study and the strength Pareto approach. IEEE Transactions on Evolutionary Computation 3.4, 1999, 257–271. Zitzler E, Laumanns M., Thiele L., Spea2: Improving the strength Pareto evolutionary algorithm. Technical Report 103, Gloriastrasse 35, CH-8092 Zurich, Switzerland, May 2001, 95–100. Gadhvi B., Savsani V., Patel V., Multi-Objective Optimization of Vehicle Passive Suspension System Using NSGA-II, SPEA2 and PESA-II, “Procedia Technology”, 2016, 23, 361–368. Khajwaniya K.K., Tiwari V., Satellite image denoising using Weiner filter with SPEA2 algorithm. In Intelligent Systems and Control (ISCO), 2015 IEEE 9th International Conference on (1–6). IEEE. Adham A.M., Mohd-Ghazali N., Ahmad R., Performance optimization of a microchannel heat sink using the Improved Strength Pareto Evolutionary Algorithm (SPEA2), “Journal of Engineering Thermophysics”, 2015, 24(1), 86–100. De Tommasi L., Beelen T.G., Sevat M.F., Rommes J., ter Maten E.J.W., Multi-objective optimization of RF circuit blocks via surrogate models and NBI and SPEA2 methods. In Progress in Industrial Mathematics at ECMI 2010, 195–201, 2012, Springer Berlin Heidelberg, doi: 10.1007/978-3-642-25100-9_23. Amouzgar K., Cenanovic M., Salomonsson K., Multi-objective optimization of material model parameters of an adhesive layer by using SPEA2. In 11th World Congress of Structural and Multidisciplinary Optimization (WCSMO-11), 2015, 249–254. Berrocal-Plaza V., Vega-Rodríguez M.A., Sánchez-Pérez J.M., Optimizing the Location Areas Planning in the SUMATRA Network with an Adaptation of the SPEA2 Algorithm. In International Conference on Computer Aided Systems Theory, 243–250, 2013 Springer Berlin Heidelberg. Tersine R.J., Principles of inventory and materials management, 1994.

14. Chołodowicz E., Orłowski P., Dynamiczny dyskretny model systemu magazynowego ze zmiennym w czasie opóźnieniem, „Logistyka”, Vol. 4, 2015, 28–32. 15. Ouyang L.Y., Wu K.S., Cheng M.C., An inventory model for deteriorating items with exponential declining demand and partial backlogging. “Yugoslav Journal of Operations Research”, 2013,15(2). 16. Sarkar B., A production-inventory model with probabilistic deterioration in two-echelon supply chain management. “Applied Mathematical Modelling”, 37(5), 2013, 3138–3151. 17. Ignaciuk P., Bartoszewicz A., Dead-beat and reaching-law-based sliding-mode control of perishable inventory systems, Bulletin of the Polish Academy of Sciences: Technical Sciences, Vol. 59, No. 1, 2011, 39–49, DOI: 10.2478/v10170-011-0023-1. 18. Ignaciuk P., Bartoszewicz A., LQ optimal sliding mode supply policy for periodic review inventory systems, IEEE Transactions on Automatic Control, Vol. 55, No. 1, 2010, 269–274, DOI: 10.1109/TAC.2009.2036305. 19. Leśniewski P., Bartoszewicz A., Non-switching reaching law based discrete time quasi-sliding mode control with application to warehouse management problem, IFAC Proceedings Volumes. Vol. 47, No. 3, 2014, 4589–4594, DOI: 10.3182/20140824-6-ZA-1003.00181. 20. Ignaciuk P., Bartoszewicz A., Linear-quadratic optimal control of periodic-review perishable inventory systems, IEEE Transactions on Control Systems Technology, Vol. 20, No. 5, 2012, 1400–1407, DOI: 10.1109/ TCST.2011.2161086. 21. Chołodowicz E., Orłowski P.: Sterowanie przepływem towarów w magazynie z wykorzystaniem predyktora Smitha, Pomiary Automatyka Robotyka, vol. 19, no.3, 2015, 55–60. 22. Chołodowicz E., Orłowski P.: A periodic inventory control system with adaptive reference stock level for long supply delay, Measurement Automation Monitoring, vol. 61, no. 12, 2015, 568–572. 23. Abrahamowicz E., Orłowski P., Zastosowanie regulatora ułamkowego rzędu PD do automatycznego sterowania zamówieniami dla magazynu ze zmiennym w czasie opóźnieniem dostaw, Pomiary Automatyka Robotyka, R. 20, Nr 2/2016, 5–10, DOI: 10.14313/PAR_220/5. 24. Orłowski P., Analiza dwukryterialnego problemu optymalizacji w zastosowaniu do automatycznego sterowania systemem zamówień w magazynie z dużymi opóźnieniami dostaw z wykorzystaniem regulatora feedback-feedforward z predyktorem Smitha. Przegląd Elektrotechniczny, ISSN 0033–2097, 2016. 25. Grzyb S., Orlowski P., Feedback control system with PWA load dependent reference buffer occupancy for congestion control in computer networks. “Przegląd Elektotechniczny”, No. 46, 2016, 42–45. 26. Dejonckheere J., Disney S.M., Lambrecht M.R., Towill D.R., Measuring and avoiding the bullwhip effect: A control theoretic approach. “European Journal of Operational Research”, 147(3), 2002, 567–590. 27. Riddalls C.E., Bennett S., The stability of supply chains. “International Journal of Production Research”. 40(2), 2002, 459–475. 28. Karlin S., One stage inventory models with uncertainty. In: Karlin S., Scarf H., Studies in the mathematical theory of Inventory and Production, Stanford University Press, 1958, 109–134.

11


Comparison of a Perpetual and PD Inventory Control System with Smith Predictor and Different Shipping Delays ...

31. Fattahi P., Hajipour V., Nobari A., A bi-objective continuous review inventory control model: Pareto-based meta-heuristic algorithms. “Applied Soft Computing”, 2015, 32, 211–223. 32. Coello C.A.C., Van Veldhuizen D.A., Lamont G.B., Evolutionary algorithms for solving multi-objective problems. 2002, Vol. 242, New York: Kluwer Academic.

29. Boccadoro M., Martinelli F., Valigi P., Supply chain management by H-infinity control. IEEE Transactions on Automation Science and Engineering, 5(4), 2008, 703–707. 30. Ch Y., You F., Wassick J.M., Agarwal A., Simulation-based optimization framework for multi-echelon inventory systems under uncertainty. “Computers & Chemical Engineering”, 2015, 73, 1–16.

Analiza porównawcza systemu sterowania ciągłego oraz z regulatorem PD i predyktorem Smitha dla różnych opóźnień dostaw z zastosowaniem metod optymalizacji dwukryterialnej i SPEA2 Streszczenie: W pracy przyjęto dyskretny, stacjonarny, dynamiczny model systemu magazynowego ze stałym w czasie opóźnieniem dostaw. Głównym celem jest przeprowadzenie analizy porównawczej dwóch systemów automatycznego sterowania zamówieniami: ciągłego systemu sterowania magazynem z adaptacyjnym poziomem zamówienia (ang. Perpetual Inventory System with adaptive order level) oraz systemu sterowania magazynem z regulatorem proporcjonalno-różniczkującym oraz predyktorem Smitha z adaptacyjnym poziomem referencyjnym zapasów dla trzech różnych opóźnień dostaw. Optymalne nastawy układów regulacji zostały dobrane za pomocą algorytmu ewolucyjnego dla problemów optymalizacji wielokryterialnej: SPEA2 (ang. Strength Pareto Evolutionary Approach). W symulacji uwzględniono dwa kryteria minimalizacji: koszt utrzymania zapasów (ang. Holding Cost) oraz koszt niedoboru zapasu (ang. Shortage Cost). Wyniki badań symulacyjnych zaprezentowano za pomocą wykresów oraz tabel w środowisku MATLAB/Simulink. Keywords: systemy zarządzania zapasami, optymalizacja, optymalizacja wielokryterialna, SPEA2, system sterowania, predyktor Smitha

Ewelina Chołodowicz

Przemysław Orłowski, PhD, DSc

Student at the Faculty of Electrical Engineering at West Pomeranian University of Technology Szczecin. Winner of the Ministry of Science and Higher Education scientific scholarship for students, the Mayor of Szczecin scholarship for students and the “West Pomeranian Talents – Regional Scholarship System”. Recent research topics are modelling, simulation and control of dynamic systems.

Associate Professor in the Department of Control and Measurements at West Pomeranian University of Technology Szczecin. The research topics are concerned on the analysis and synthesis of control systems, discrete-time systems, time-varying systems, nonlinear systems, uncertain systems and hybrid systems.

cholodowicz.ewelina@gmail.com

12

P

O

przemyslaw.orlowski@zut.edu.pl

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 20, Nr 3/2016, 13–28, DOI: 10.14313/PAR_221/13

Mechatronizacja produktu i produkcji – przemysł 4.0 Mariusz Olszewski

Politechnika Warszawska, Wydział Mechatroniki, Instytut Automatyki i Robotyki, ul. św. Andrzeja Boboli 8, 02-525 Warszawa

Streszczenie: Artykuł jest autorską próbą pokazania problemów związanych z przejściem od etapu

automatyzacji i robotyzacji produkcji przemysłowej, charakteryzującej się liniową strukturą wytwarzania, do etapu mechatronizacji produktów i produkcji i rozproszonej struktury, etapu nazywanego przemysłem 4.0. W tym etapie znaczącą rolę będzie odgrywał sam produkt, na każdej z faz jego „życia”, od powstania koncepcji, przez opracowanie projektu, produkcję wirtualną i realną, zautomatyzowaną i zrobotyzowaną, kontrolę jakości, ofertę rynkową, logistykę, w tym serwis i remonty, aż po wykorzystanie odpadów powstałych z jego zakończonej eksploatacji, wszystkie fazy są zarządzane informatycznie i zdalnie – przez Internet. Słowa kluczowe: mechatronika, produkcja przemysłowa, produkt mechatroniczny, produkt bioniczny, mechatronizacja produkcji, przemysł 4.0

1. Wprowadzenie Przyjęło się w publicystyce popularno-naukowej, ale także w środowiskach przemysłowych i naukowych, numerowanie dominujących technologii i organizacji wytwarzania związanych z kolejnymi przemianami i okresami rozwoju produkcji przemysłowej. Cyfryzacja życia codziennego, telekomunikacji i powszechnie dostępnych produktów są tu zrozumiałymi i przyjętymi powszechnie wzorami. W ostatnich kilku latach znaczenie wykraczające ponad przeciętne rozumienie istoty tej zmiany zdobyła tzw. rewolucja przemysłowa 4.0, choć znacznie wcześniej, już w 1991 r. Stoll [50], prawie profetycznie, przewidział ją i określił. Warto więc poświęcić trochę uwagi na uporządkowanie problematyki przyczyn, podstaw i warunków realizacji tej na razie proponowanej zmiany sposobu prowadzenia produkcji przemysłowej, a przede wszystkim na poszukanie rzeczywistych przesłanek jej urealnienia w dającej się przewidzieć przyszłości kilkunastu najbliższych lat lub, w zależności od stopnia zaawansowania rozwoju lokalnego przemysłu, kilku dziesięcioleci. W 2014 r., na Targach Hanowerskich, Komitet Doradczy trzech niemieckich organizacji technicznych, Federalnego Związku Informatyzacji, Telekomunikacji i Nowych Mediów – Bitkom (niem. Bundesverband Informationswirtschaft, Telekommunikation und neue Medien), Związku Niemieckich Producentów Maszyn i Urządzeń – VDMA (niem. Verband Deutscher Maschinen- und Anlagenbau) oraz Naczelnego Związku Przemysłów Elektrotechniki i Elektroniki – ZVEI (niem. Zentral-

Autor korespondujący: Mariusz Olszewski, m.olszewski@mchtr.pw.edu.pl Artykuł recenzowany nadesłany 29.08.2016 r., przyjęty do druku 26.09.2016 r. Zezwala się na korzystanie z artykułu na warunkach licencji Creative Commons Uznanie autorstwa 3.0

verband Elektrotechnik- und Elektronikindustrie), opublikował raport z syntetycznymi wynikami prac prowadzonych od 2012 r., związanych z utworzeniem Platformy Przemysłu 4.0 [3–5]. W pracach Komitetu wzięło udział 16 profesorów uniwersyteckich kierunków studiów, w tym inżynierii produkcji, zarządzania, automatyzacji, informatyzacji oraz prawa i socjologii pracy. Prace Komitetu Doradczego były koordynowane przez Niemiecką Akademię Nauk Technicznych – acatech (niem. Deutsche Akademie der Technikwissenschaften). W tworzeniu Platformy 4.0 uczestniczyły także największe niemieckie koncerny i przedsiębiorstwa przemysłowe, m.in. Siemens, ABB, Deutsche Telekom, MAN, Bosch Rexroth, Festo i Volkswagen. W propagowaniu idei Platformy biorą udział także inne niemieckie fundacje, stowarzyszenia i organizacje techniczne, m.in. instytuty Towarzystwa Fraunhofera (niem. Fraunhofer Gesellschaft), Stowarzyszenie Niemieckich Inżynierów VDI (niem. Verein Deutscher Ingenieure) oraz Stowarzyszenie Niemieckiej Elektrotechniki, Elektroniki i Informatyki VDE (niem. Verband der Elektrotechnik, Elektronik und Informationstechnik) [3–5]. W 2015 r., z inicjatywy wymienionych koncernów i stowarzyszeń, kierowanie wsparciem finansowym i rozwojowym Platformy 4.0 przejęły dwa federalne ministerstwa niemieckiego rządu: Gospodarki i Energii – BMWi (niem. Bundesministerium für Wirtschaft und Energie) oraz Kształcenia i Badań Naukowych – BMBF (niem. Bundesministerium für Bildung und Forschung). Celem jest przyśpieszenie wdrożenia koncepcji Platformy 4.0 w dialogu ze związkami zawodowymi, stowarzyszeniami gospodarczymi, przedsiębiorstwami, nauką i polityką [6, 7]. Proponowane w raporcie i towarzyszących opracowaniach rozwiązania, szczególnie odnoszące się do horyzontów czasowych kolejnych faz aplikacyjnych spotykają się z różnymi, także bardzo krytycznymi ocenami, nawet członków Komitetu Doradczego Platformy 4.0. Twierdzi się np., że wyraźnie przesadzona jest samoreklama Platformy 4.0, że jest wręcz arogancka i nie na serio, że odnosi się do rewolucji przemysłowej wpierw okrzykniętej, zanim jeszcze została zrealizowana. Kärcher (www.plattform-i40.de), przedstawiciel w Komisji koncernu Festo, który bardzo prag-

13


Mechatronizacja produktu i produkcji – przemysł 4.0

Rys. 1. Schemat budowy atmosferycznej maszyny parowej Newcomena (1712) Fig. 1. Diagrammatic view of Newcomen’s atmospheric or fire engine

Rys. 2. Schemat funkcjonalny pneumatycznego regulatora PID (1942) Fig. 2. Function plan of pneumatic PID-controller

matycznie i od podstaw – od dydaktyki i kształcenia kadr – rozpoczął przygotowanie do przedsięwzięcia 4.0, twierdzi, że konkretnych doświadczeń z przemysłem 4.0 w sensie bardzo ambitnych, technologicznych zapowiedzi aktualnie prezentowanych w nauce, gospodarce, mediach i polityce nadal nie ma; ba, brakuje jakichkolwiek przekonujących dowodów na możliwość takich realizacji w najbliższych latach. Podobne działania jak w Niemczech, choć na zdecydowanie mniejszą skalę, podejmowane są w innych krajach Europy, także w Japonii, Korei Południowej, Chinach, przede wszystkim w Stanach Zjednoczonych. W tych ostatnich, w 2014 r., działanie nazwane Konsorcjum Przemysłowego Internetu (ang. Industrial Internet Consortium) utworzyły takie koncerny jak AT&T, Cisco, General Electric, IBM i Intel. Mimo że Konsorcjum jest przedsięwzięciem non profit, w 2016 r. uczestniczy w nim już przeszło 200 firm, instytucji i stowarzyszeń. Celem jest rozwój nowych technologii internetowych, przy czym działania te mają być rozciągnięte nie tylko na przemysł, ale także na usługi. Warte uwagi, jak zwykle, są także przedsięwzięcia w gospodarce Chin. Otóż w najbliższych dwóch latach zaawansowanie robotyzacyjne chińskiego przemysłu ma przekroczyć zaawansowanie robotyzacyjne przemysłu japońskiego i niemieckiego – znaczącym krokiem jest informacja z ostatniej chwili, o przejęciu przez największego chińskiego producenta sprzętu AGD, za 4,5 mld euro, niemieckiego producenta robotów przemysłowych – firmy Kuka. Świadczy to niewątpliwie o chęci szybkiego przygotowania do przejścia gospodarki chińskiej do form produkcji zbliżonej do niemieckiej Platformy 4.0.

bów wytwarzania, korzystał z nich, trwają one do czasów nam współczesnych i są nadal, choć najczęściej innymi narzędziami wytwórczymi i pomiarowymi, prowadzone. Doskonale ujął to Post [44] mówiąc o ewolucji dominujących w danych okresach czasu technologiach i organizacjach wytwarzania, ale nie rewolucjach, a więc wyłącznie stopniowego procesu przeobrażeń form bardziej prostych w bardziej złożone i doskonalsze, procesu rozciągniętego w czasie i określającego granice jakości wytwarzanych produktów. Pierwszy etap to czas mechanizacji pracy fizycznej człowieka. Wykorzystano w tym etapie koncepcje wcześniejszych, mechanicznych rozwiązań maszyn, np. ręcznie napędzanej pompy wodnej [42]. W 1712 r. Newcomen buduje atmosferyczną maszynę parową, korzystając m.in. z mechanicznego sprzężenia zwrotnego od położenia elementu napędzanego (rys. 1). Maszynę Newcomena udoskonalił Watt w 1782 r., wprowadzając suwadło-zawór rozdzielający do sterowania cylindrem tłokowym dwustronnego działania oraz w 1788 r. układ regulacji automatycznej prędkości obrotowej z mechanicznym, dźwigniowym układem regulacji proporcjonalnej i odśrodkowym sensorem prędkości. Niedługo później, w 1795 r. Bramah patentuje prasę hydrauliczną z cylindrem tłokowym jednostronnego działania i sterowaniem zaworowym [42]. Pozwala to na mechanizację działania innych maszyn: włókienniczych, obróbczych, lokomocyjnych, rolniczych, górniczych, napędzanych już nie siłą fizyczną człowieka i zwierząt pociągowych, ale energią sprężonej pary, cieczy i powietrza (Sommeiler, 1861 r.). W miastach przemysłowych powstają od 1879 r. pneumatyczne sieci energetyczne (m.in. w Paryżu, Londynie, Manchesterze i Buenos Aires), po nich, od 1891 r. elektryczne sieci energetyczne. To był właśnie przemysł 1.0. Maszyny produkujące energię pozwalają na początku XX stulecia na ewolucyjne wejście do etapu automatyzacji działań człowieka w wytwarzaniu produktów – przemysłu 2.0. Znane już w przemyśle 1.0 zawory rozdzielające, cylindry-siłowniki tłokowe hydrauliczne i pneumatyczne [42, 32] oraz działające na ich podstawie przekaźniki i styczniki elektryczne [47] pozwalają na przełomie wieków XIX i XX na budowanie układów automatyzacji procesów produkcji, zarówno o działaniu przełącznym (dyskretnym), jak i ciągłym (analogowym). W 1930 r. Lassman

2. Ewolucje technologii i organizacji produkcji przemysłowej Już na samym początku warto przyjąć, że termin „rewolucja” w odniesieniu do stanu przemysłu, jest nie na miejscu. Nawet pomijając najwcześniejsze, nienumerowane, nieprzemysłowe sposoby wytwarzania produktów, a więc rzemiosło i manufakturę, także te następne, już przemysłowe etapy, nie mają nic wspólnego z rewolucjami, a więc z powstawaniem całkowicie nowych sytuacji, niemających żadnych odpowiedników w przeszłości. Żaden z tych etapów nie niszczył poprzednich sposo-

14

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Mariusz Olszewski

Rys. 3. Androidy napędzane sprężynowo i programowane krzywkowo (XVIII w.) Fig. 3. Cam controlled androids with spring drive

wykorzystuje pomysł sterowania elektrycznego hydraulicznymi zaworami rozdzielającymi i uruchamia we współpracy z koncernem General Electric napędy przełączalne w pełni zautomatyzowanej prasy elektrohydraulicznej. W 1922 r. Minorsky podaje zasadę działania regulatora PID, w 1932 r. Nyquist wprowadza do badania stabilności układu ze sprzężeniem zwrotnym badanie przebiegu charakterystyki częstotliwościowej układu bez sprzężenia – pozwala to badać stabilność analitycznie i doświadczalnie. W 1936 r. Ziegler i Nichols pogłębiają wiedzę na temat działania regulatora PID, w 1942 – opisują zasady doboru nastaw regulatora. Rozpoczyna się produkcja i stosowanie pneumatycznego regulatora PID (rys. 2) – na siedem dziesięcioleci podstawowego urządzenia do sterowania ciągłymi procesami przemysłowymi. Płynowe elementy i układy przełączne, także te o działaniu ciągłym, przenikają się w latach 60. oraz 70. XX stulecia już z następnym etapem ewolucji technologii i organizacji wytwarzania produktów. Ten kolejny etap ewolucji to robotyzacja produkcji przemysłowej, nazywanej przemysłem 3.0. I tu także odniesienia do znanych z historii techniki androidów zegarmistrzowskich z XVII i XVIII stulecia, konstruowanych m.in. przez braci Droz, są oczywiste. Zastosowane na początku I wojny światowej w Stanach Zjednoczonych pick&place devices różnią się od swoich poprzedników tylko rodzajem napędu mechanizmu, w przypadku androidów (rys. 3) był to zegarmistrzowski napęd sprężynowy, w przypadku manipulatorów mechanicznych (rys. 4) – zewnętrzny napęd płynowy lub ówcześnie jeszcze stosowany – kołowy napęd pasowy przez centralną dla fabryki maszynę parową lub już przez silnik elektryczny. Zaczyna się te maszyny nazywać robotami, co było pewną przesadą (Čapek, 1922 r.), powstają teleoperatory i roboty mobilne (Piraux, 1929 r.), nazywane już z dużą przesadą maszynami biocybernetycznymi. Opracowana przez Kegresse’a gąsienicowa mina samobieżna, a więc teleoperator mobilny, po zajęciu Francji przez wojska niemieckie i kilku modernizacjach produkowana była od 1942 r. seryjnie na potrzeby Wehrmachtu, jako tzw. lekki nosiciel ładunków wybuchowych Goliath, w kilku wersjach napędowych i teleoperacyjnych, w tym z bezprzewodowym sterowaniem radiowym. Zapisał się tragicznie w Powstaniu Warszawskim 1944 r., m.in. w zniszczeniu Katedry Św. Jana, podczas obrony Starówki.

Rys. 4. Manipulator z programowaniem krzywkowym (1914) Fig. 4. Cam controlled pick-and-place device

Opracowanie przez Mooga (1948 r.) serwozaworu rozdzielającego, przetwarzającego ciągłe sygnały elektryczne na pozycjonowany ruch tłoka cylindra napędu hydraulicznego, umożliwił w 1954 r. rozpoczęcie produkcji w Stanach Zjednoczonych obrabiarek numerycznie sterowanych (NC) z zapisem programu na taśmie magnetycznej. W tym samym roku, te same serwomechanizmy elektrohydrauliczne i ten sam sposób programowania wykorzystuje Devol, konstruując sterowanego programowo robota do zadań przemysłowych. Dwa lata później Engelberger zakłada firmę Unimation (Universal Automation) i rozpoczyna w dość prymitywnych warunkach budowanie prototypów robotów Unimate (rys. 5). Od 1961 r. próbuje zastosowań przemysłowych tych robotów, m.in. w zakładach General Motors; w 1968 r. udaje mu się umieścić w przemyśle światowym 48 sztuk robotów. W 1974 r. amerykański koncern obrabiarkowy Cincinnati Milacron wprowadza na rynek robota przemysłowego ze sterowaniem mikroprocesorowym, a szwedzki koncern ASEA roboty IRb 6 i IRb 60 z elektrycznymi napędami serwomechanizmowymi prądu stałego i z redukcyjnymi przekładniami elastycznymi, także ze sterowaniem procesorowym. Oba te rozwiązania, i serwohydrauliczne amerykańskie, i przede wszystkim serwoelek-

15


Mechatronizacja produktu i produkcji – przemysł 4.0

Rys. 5. Programowany przez nauczanie punktowe robot przemysłowy Unimate (1961) Fig. 5. Teach-in programming point-to point industrial robot Unimate

Rys. 7. Hydrauliczny jednostka napędowa z pompą promieniową (1921) [41] Fig. 7. Hydraulic drive unit with radial pump

tryczne szwedzkie, odegrały decydującą rolę w latach 70. i 80. w rozwoju robotyzacji przemysłów krajów o zaawansowanych technicznie i finansowo gospodarkach. Obu łączącym się czasowo i funkcjonalnie etapom (lata 60. i 70. XX stulecia), tzn. automatyzacji i robotyzacji produkcji przemysłowej, sprzyjały trzy czynniki: − upowszechnienie na przełomie XIX i XX stulecia podziału procesu produkcyjnego na elementarne operacje technologiczne, wykonywane na jednym stanowisku roboczym, na jednym produkcie, przez jednego lub kilku pracowników (rys. 6); Jednak było to tylko upowszechnienie, ponieważ i tu miała miejsce długotrwała ewolucja tych działań, począwszy jeszcze od okresu manufaktury. Pierwsze wiadomości pochodzą z XVI wieku, z okresu przygotowań Ligi Świętej do wojny morskiej z Imperium Osmańskim i potrzeby szybkiego zwiększenia liczby galer wojennych wystawianych przez Rzeczpospolitą Wenecką. Dzięki zastosowanemu podziałowi procesu budowy statków stocznie weneckie wodowały codziennie jedną galerę. To niespotykane w ówczesnych czasach osiągnięcie oglądały w 1571 r. nawet koronowane głowy Europy, w tym nasz przyszły, niefortunny król Polski, Henryk Walezy. W tymże roku, w bitwie morskiej pod Lepanto, galery weneckie rozgromiły flotę osmańską, chroniąc Europę zachodnią na przeszło 100 lat przed tureckimi podbojami. Na marginesie problemu, podział procesu montażu zespołów samochodowych na zadania niewymagające wykwalifikowanych robotników przez Forda w 1911 r., przytaczany powszechnie jako przedsięwzięcie pionierskie, poprzedzone było wcześniejszymi

rozwiązaniami o tym samym charakterze, m.in. w zakładach Siemensa, w montażu elektrycznych silników tramwajowych (1901 r.), tyle że nie posługiwano się jeszcze wtedy ruchomą taśmą – tylko to robotnicy przesuwali się w stosunku do nieruchomych obiektów, zajmując miejsce pracy swojego sąsiada, w każdym kolejnym takcie procesu [53, 55], − ścisła zależność rozwoju środków automatyzacji i robotyzacji aż do początku okresu intensywnej elektronizacji, od opracowanych w XIX stuleciu napędów pneumatycznych i hydraulicznych (rys. 7); Szczególnie intensywnym okresem rozwoju techniki płynowej, przede wszystkim pneumatycznej, były lata 50., 60. i 70. XX stulecia. W tym czasie rozwiązania pneumatyczne i hydrauliczne były w praktyce jedynym dostępnym środkiem mechanizacji, automatyzacji i robotyzacji procesów produkcyjnych. Jeszcze w latach 70. XX wieku układy automatyki w ok. 90% instalacji przemysłowych budowano z elementów pneumatycznych, a ponad 70% wszystkich zespołów ruchu narzędzi i urządzeń mechanizujących wyposażano w siłownikowy napęd pneumatyczny [39]. Było to jednak klasyczne rozwiązanie przełączalne, niepozwalające na realizację zadań programowania maszyn przemysłowych i manipulacyjnych, wymagających sterowanych pozycyjnie lub siłowo rozwiązań serwomechanizmowych, − cyfryzacja produktów i produkcji przemysłowej; Tu początków ewolucji cyfrowej należy także szukać w XIX stuleciu. W 1805 r. Jacquard wprowadza karty perforowane sterujące podnoszeniem nitek osnowy w krosnach tkackich, umożliwiając tkanie wzorzystych materiałów wielobarwnych. Już w 1812 r. pracowało we Francji 11 tysięcy maszyn żakardowych. Kolejne ważne, ale już w XX stuleciu, wydarzenia to uruchomienia lamp elektronowych: diody – przez Fleminga (1904 r.), triody – przez De Foresta (1907 r.), kineskopu – przez Zworykina (1923 r.), pentody – przez Tellegena (1927 r.), także zapis informacji dźwiękowej (później każdej informacji elektrycznej) na taśmie magnetycznej – przez Pfleumera (1928 r.) i wynalazek tranzystora punktowego – przez Bardeena i Brattaina z Bell Telephone Laboratories (1947 r.). W 1958 r. Kilby z Texas Instruments i Noyce z Fairchild Semiconductor budują niezależnie od siebie modele układów scalonych, w 1971 r. Hoff i Faggini w powstałej w 1968 r. firmie Intel doprowadzają do produkcji pierwszy, komercyjny procesor 4004. Elektronizacja produktów staje się stopniowo faktem, elektronizacja środków produkcji jeszcze wcześniej. W 1970 r. powstaje pierwszy programowalny sterownik maszyn i stanowisk produkcyjnych, co prawda jeszcze bez mikroprocesora, ale już po zastąpieniu „odrutowanego” algorytmu sterowania jego zapisem w pamięci scalonej układu. W końcu 1973 r. w przemyśle Stanów Zjedno-

Rys. 6. Linia montażu produktów elektromagnetycznych (1955) [28] Fig. 6. Assembly line of electromagnetic products

16

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Mariusz Olszewski

Rys. 8. Roboty w przemysłach Chin, Ameryki Północnej, Japonii, Korei Płd. i Niemiec – w tys. maszyn (Międzynarodowa Federacja Robotyki, dane i szacunki, 2014) Fig. 8. Robots in industries of China, the North America, Japan, Korea and German – in thousands of machines

czonych zainstalowanych było ponad 3000 sterowników klasy PLC (ang. Programmable Logic Controller), w RFN w 1976 r. około 1000 sterowników, na rynku w tym czasie oferowało swoje sterowniki aż 43 producentów. Połączenie etapu automatyzacji, robotyzacji i cyfryzacji skutkuje na przełomie lat 70. i 80. XX stulecia dwoma tokami wpływających na siebie działań: − przyspieszeniem rozwoju i poszerzeniem obszaru aplikacji maszyn manipulacyjnych; Rozwój wynikał z elektryfikacji napędów i elektronizacji, a właściwie mikroprocesoryzacji sterowania (1974 r.), aplikacje – z blisko 30% spadku ceny robotów w1984 r. spowodowanej podjęciem seryjnej produkcji tych maszyn przez liczących się już na rynku światowym producentów obrabiarek (m.in. Cincinnati Milacron, USA), samochodów (m.in. Renault, Francja) i komputerów (IBM, USA) [24, 38]. Nie spełniły się jednak prognozy z tych lat o wielomilionowej populacji robotów w XXI stuleciu – ocenia się, że w przemyśle światowym pracuje obecnie ok. miliona tych maszyn (łącznie z innymi klasami maszyn manipulacyjnych – ok. 2,5 miliona), do najsilniej zrobotyzowanych należą współcześnie przemysły Japonii, Korei Płd, krajów Ameryki Północnej oraz Chin (rys. 8), w Europie bezkonkurencyjne są przemysły Niemiec (rys. 9). Przewiduje się, że do 2018 r. nastąpi zwiększenie liczby robotów do 2,5 miliona maszyn, przede wszystkim z udziałem przemysłu chińskiego, − powstaniem nowej dziedziny techniki nazwanej mechatroniką [46]; Po raz pierwszy terminem „mechatroniczny” nazwano ste-

rownik elektroniczny silnika elektrycznego, opracowany w 1971 r. w japońskim koncernie Yaskawa Electric Corporation i nazwę tę chroniono znakiem handlowym aż do 1982 r. Już więc od samego początku stosowania tego słowa łączono je z wprowadzeniem sterowania elektronicznego do systemu mechanicznego lub elektromechanicznego. W Polsce pojęcie mechatroniki upowszechnił w drugiej połowie lat 80. profesor Tryliński z ówczesnego Wydziału Mechaniki Precyzyjnej Politechniki Warszawskiej. Wydział ten – jako pierwszy w polskich uczelniach technicznych, również jako jeden z pierwszych w Europie – przyjął w 1996 r. nazwę Wydziału Mechatroniki. Robotyzacja polskiego przemysłu przebiegała w drugiej połowie lat 70. chaotycznie, ale intensywnie, porównywalnie z postępami robotyzacji w przemysłach innych krajów europejskich. Pierwsze roboty zastosowano w Szwecji w 1971 r., w Polsce w 1976 r., w Olkuskiej Fabryce Naczyń Emaliowanych, stosując maszyny norweskiego koncernu Trallfa i oprzyrządowanie emalierskie niemieckiej firmy De Vilbiss. Mimo popełnienia szeregu błędów aplikacyjnych i licencyjnych polski przemysł w 1980 r. dysponował 600 robotami, zastosował 370 maszyn. Załamanie nastąpiło już w pierwszych latach stanu wojennego – w 1983 r. nie wyprodukowano i nie zastosowano ani jednego robota. Raport z 1986 r. [24] opisujący stan robotyzacji europejskiego i krajowego przemysłu, utajniony, dostępny tylko dla ówczesnych władz rządowych i partyjnych, wywołał jednak postrzeganie problemu: w 1988 r. zastosowano już 508 maszyn, w 1989 r. – 805 maszyn, w 1990 r. – 1253 maszyny. Brakowało

Rys. 9. Intensywność robotyzacji w przemysłach krajów europejskich – liczba maszyn na 10 tysięcy zatrudnionych (Międzynarodowa Federacja Robotyki, dane i szacunki, 2014) Fig. 9. Intensity of the robotization in industries of European countries – number of machines to 10 thousand workers

17


Mechatronizacja produktu i produkcji – przemysł 4.0

− niskie płace, stąd długie okresy amortyzacji sprzętu robotyzacyjnego, dla przykładu zrobotyzowane stanowisko w przemyśle niemieckim amortyzuje się średnio po ok. 9 miesiącach, w polskim – dopiero po 36 miesiącach, − wspomniany już brak przygotowanych kadr, nie tylko inżynierskich, ale także, może głównie, zawodowych podstawowych i technicznych. Z analiz Polsko-Niemieckiej Izby Handlowo-Przemysłowej wynika, że dla wyraźnego przyspieszenia rozwoju polskiego przemysłu brakuje ok. 400 tys. pracowników wszystkich szczebli wykształcenia technicznego, przede wszystkim w obszarze szeroko rozumianej mechatroniki, a więc robotyki, automatyki, sensoryki, aktuatoryki, elektroniki i informatyki, − trudny dostęp do kapitału inwestycyjnego – koszt jednego zrobotyzowanego stanowiska produkcyjnego wynosi od 180 do 400 tys. zł. Przekracza to poważnie możliwości inwestycyjne małych i średnich przedsiębiorstw tworzących główną tkankę polskiego przemysłu, − niski technologicznie i organizacyjnie poziom inwestycji wprowadzanych przez firmy zachodnie do Polski w latach 90. i pierwszym dziesięcioleciu XXI obecnego wieku. Były to z reguły przeniesienia linii i stanowisk produkcyjnych wczesnego etapu automatyzacji i początkującej robotyzacji, a więc inwestycje wysłużone, nienowoczesne, służące wyłącznie komercjalizacji i osadzenia swoich już od lat wytwarzanych produktów na polskim rynku, − wreszcie, brak własnych, opracowanych i wytwarzanych w kraju podzespołów mechatronicznych, co nie jest obecnie warunkiem koniecznym w przypadku końcowej mechatronizacji urządzeń, maszyn i systemów użytkowych i produkcyjnych, ale sprzyjałoby kosztowo i kadrowo postępowi technicznemu i organizacyjnemu polskiego przemysłu. Zaawansowanie etapu 3.0, a więc robotyzacji opartej na cyfryzacji i zaawansowanej automatyzacji w etapie 2.0, jest w polskim przemyśle nadal niedostateczne, aby można było z pełną odpowiedzialnością twierdzić o możliwościach natychmiastowego przeskoku do etapu określonego założeniami Platformy 4.0. Warto tu dostrzec, że tworzenie założeń Platformy 4.0 prowadzone jest właśnie w krajach o intensywnej robotyzacji produkcji przemysłowej (rys. 8).

Rys. 10. Zrobotyzowana linia spawania i zgrzewania zespołów mechanicznych, ZPP Auto, Siedlce (2013) Fig. 10. Robotized line of welding and tong welding of mechanical units

ciągle kadr zdolnych racjonalnie aplikować roboty – kształcenie inżynierów robotyków rozpoczęło się dopiero po uruchomieniu na przełomie lat 80. i 90. XX wieku kierunku kształcenia Automatyka i Robotyka, właśnie na wspomnianym już Wydziale Mechatroniki Politechniki Warszawskiej i potem na większości krajowych uczelni technicznych. Mimo szeregu efektywnie, technicznie i ekonomicznie przeprowadzonych aplikacji (rys. 10), współczesny stan robotyzacji krajowego przemysłu dramatycznie odbiega od średniej europejskiej (rys. 9). Z liczbą poniżej 10 tysięcy udanych robotyzacji (rys. 11) zaawansowanie jest zdecydowanie gorsze od przemysłów naszych najbliższych sąsiadów: Czech, Słowacji i Węgier. Podaje się różne przyczyny tego stanu – do najczęściej wymienianych należą: − przede wszystkim wspomniana już katastrofalna przerwa w działaniach automatyzacyjnych, robotyzacyjnych i kształceniowych w tym zakresie, w latach stanu wojennego [16, 24], − późny, dopiero w pierwszej połowie lat 90., kontakt z nowymi, w międzyczasie rozwiniętymi technologiami – warto tu wspomnieć, że embargo na import szybkich procesorów ze Stanów Zjednoczonych do Polski zostało zniesione dopiero po 1994 r.,

3. Produkt mechatroniczny Istotą produktu mechatronicznego jest synergiczne połączenie mechaniki, elektronicznego sterowania i systemowego myślenia przy jego projektowaniu i wytwarzaniu. Tyle mówi definicja Międzynarodowej Federacji Teorii Maszyn i Mechanizmów – IFToMM (ang. International Federation for the Promotion of

Rys. 11. Roboty w polskim przemyśle w latach 2006–2013 (Główny Urząd Statystyczny, Nauka i technika, 2013) Fig. 11. Robots in the Polish industry in years 2006–2013

18

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Mariusz Olszewski

Rys. 12. Schemat warstw działań sterujących, regulacyjnych i przepływu informacji w produkcie mechatronicznym na przykładzie aktuatora pneumotronicznego [36] Fig. 12. Scheme of control and regulation layers and the flow of information in the mechatronic product on the example of pneumotronic actuator

Mechanism and Machine Science). Podobnie definiuje produkt mechatroniczny Komisja Doradcza Unii Europejskiej ds. Badawczo-Rozwojowych – IRDAC (ang. European Commission’s Industrial Research and Development Advisory Committee). Mechatronizacja konwencjonalnego produktu mechanicznego, płynowego lub elektromechanicznego obejmuje cztery działania [36]: − zmniejszenie liczby i zakresu działania zespołów mechanicznych produktu. Rozwiązania mechaniczne są kosztowne, zawodne, wymagają ciągłego nadzoru, konserwacji i obsługi, zarówno w trakcie uruchomienia, jak i podczas normalnej eksploatacji produktu, − wprowadzenie do produktu mikroprocesorowego układu automatycznego sterowania i regulacji parametrów rozwiązujących problemy prowadzenia, koordynacji, nadzoru i diagnostyki procesów realizowanych przez produkt oraz komunikacji sieciowej produktu. Ingerencja operatora-człowieka w działanie produktu jest bowiem kosztowna, jej efektywność podlega silnym okresowym wahaniom związanych z fizjologiczną gotowością człowieka do wykonywania pracy, prowadzi do obciążeń fizycznych i psychicznych, których skutkiem są wypadki i awarie, − wykorzystanie w możliwie największym zakresie niematerialnych możliwości kształtowania właściwości produktu. Pozostawienie w produkcie materialnych zespołów kształtujących jego właściwości ogranicza ich zmiany, wymianę na inne oraz diagnostykę i optymalizację działania w konkretnych warunkach środowiskowych i użytkowych. Programowanie, będące właśnie niematerialnym składnikiem produktu mechatronicznego, w połączeniu z konsekwentnym zastosowaniem mikroprocesorowego lub komputerowego sterownia, np. klasy IPC&Chip, do przetwarzania, przesyłania i udostępniania informacji procesowych, zapewnia działanie produktu bez potrzeby ingerencji w jego działania sensoryczne i aktuacyjne, − wykorzystanie w produkcie elementów i zespołów o różnych zasadach działania, pochodzących z różnych dziedzin techniki. Podejście systemowe, dzięki niekonwencjonalnemu ujęciu problemów doboru i integracji elementów i zespołów produktu, pozwala na uzyskanie bądź nowych, bądź bardziej korzystnych charakterystyk i właściwości, niżby to miało to miejsce w przypadku ograniczenia się do rozwiązań jednorodnych technicznie. We współczesnym rozumieniu istoty produktu mechatronicznego mogą nim być dowolne urządzenia, maszyny i systemy, przetwarzające informację lub energię na inną jej postać i użyteczną pracę – zarówno powszechnego użytku, jak i technologicz-

nego wyposażenia wszystkich gałęzi współczesnego przemysłu, od elektromaszynowego, przez spożywczy do inżynierii biomedycznej. To, co łączy te tak różne użytkowo produkty, to połączenie zespołów elektrycznych, elektronicznych i procesorowych z zespołami elektromechanicznymi w nowy, powiązany sprzętowo i informatycznie system. Ten zintegrowany system (rys. 12) [36, 37, 40]: − odbiera za pomocą sensorów informacje ze środowiska roboczego, otoczenia oraz sygnały wytwarzane przez własne zespoły, − przetwarza, interpretuje i przechowuje we własnym IPC&Chip dostarczone informacje, udostępnia je innym użytkownikom, wizualnie, przewodowo lub bezprzewodowo, w sieciach komunikacyjnych, lokalnych lub rozległych, także internetowych, chroniąc je przed niepożądanym dostępem, − reaguje, odpowiednio do stanu środowiska i własnych zachowań, za pomocą aktuatorów, działając – w sposób zgodny z celem użytkowania produktu – na środowisko. Zadaniem sensorów jest zapewnienie wiernego przetworzenia informacji środowiskowej w ujednolicone sygnały elektryczne, akceptowane przez własną lokalną sieć oraz przez procesor systemu [37, 54]. Procesorowe przetwarzanie i interpretowanie pobranych przez sensory informacji procesowych, bez względu na strukturę i realizowane zadania procesora systemu, charakteryzują się trzema głównymi cechami [40, 41]: − działaniem w czasie rzeczywistym, a więc z możliwie najmniejszymi opóźnieniami między zaistnieniem nowej sytuacji procesowej i reakcją na tę sytuację, − realizacją programową przetwarzania zapewniającą wspomnianą już niematerialną zdolność kształtowania właściwości i zachowań mechatronicznego systemu produktu, − osiągnięciem takiego stopnia inteligencji maszynowej, który pozwala na przejęcie od użytkownika produktu, przez system produktu, przynajmniej części odpowiedzialności za realizację przewidzianych zadań. Wyróżnia się trzy poziomy zadań przewidzianych dla procesora systemu mechatronicznego produktu [1, 29, 32]: − sterowanie i regulacja wielkości procesowych – jest to najniższa lub dolna warstwa działania, − kontrola wartości granicznych, meldowania sytuacji awaryjnych, zapewnienie działania równoległego lub zatrzymanie pracy systemu w przypadku pojawienia się wybranych uszkodzeń, − nadzór i diagnoza uszkodzeń, koordynacja systemów cząstkowych w systemach złożonych, zarządzanie systemami złożonymi – i jest to najwyższy lub górny poziom działania. Zbliżenie aktuatorów do wielkości procesowych, podobnie jak w przypadku sensorów, skutkuje koniecznością wyboru różnych zasad działania urządzeń wykonawczych oraz różnych sposobów ich działania w czasie [40]. Działania te wymagają w zdecydowanej większości produktów aktuacyjnych [18, 39] realizacji dodatkowych funkcji, jak: − wzmocnienie energetyczne sygnałów – podanie energii pomocniczej, najczęściej w postaci elektrycznej, także pneumatycznej lub hydraulicznej, − przetworzenie elektrycznych sygnałów cyfrowych procesora na akceptowaną przez aktuatory postać (analogową, cyfrową, binarną) i wielkość fizyczną sygnału (prąd, ciśnienie, przepływ itd.), − dobra jakość przetwarzania sygnałów wejściowych aktuatora na sygnały procesowe – może to wymagać potraktowania urządzenia wykonawczego jako cząstkowego systemu (lub podsystemu) mechatronicznego, z własnymi sensorami, procesorem i aktuatorami (rys. 13). Osiągnięcie i realizacja opisanych żądań w stosunku do produktu mechatronicznego, zwłaszcza w obszarze przetwarzania, interpretowania i udostępniania informacji, stały się możliwe w minionym dziesięcioleciu dzięki:

19


Mechatronizacja produktu i produkcji – przemysł 4.0

procesor realizujący dwa automatycznie wybierane tryby pracy: tryb konwencjonalny – z wyborem stref czasowych globu ziemskiego oraz tryb nurkowania – ze zintegrowanymi sensorami obecności w wodzie, jej temperatury i ciśnienia przeliczanego na głębokość, z pełną kontrolą zanurzenia i wynurzenia oraz odpowiednią dla wymagań uprawiania tego sportu pamięcią historii tego faktu. Jedynymi elementami mechanicznymi są: tytanowa koperta i mineralne szkło odporne na stłuczenie i zadrapania. Dobrym przykładem połączenia zespołów pochodzących z różnych dziedzin techniki jest zmechatronizowane stanowisko dojenia krów dla przemysłowych farm mleczarskich (rys. 14). W robodojarce opracowanej w koncernie Festo, produkowanej przez niemiecką firmę Lely, zastosowano robotyczny mechanizm portalowy, szeregowy, trójczłonowy, przetwarzający ruch liniowy aktuatorów pneumotronicznych w ruch liniowo-obrotowy zespołu myjąco-dojącego, z automatycznym poszukiwaniem położenia wymion oraz zautomatyzowanym odbiorem i kontrolą jakości mleka. Proces dojenia odbywa się całkowicie bez udziału człowieka – robodojarki te zastosowano już z powodzeniem w polskich farmach mleczarskich. Największy we współczesnym świecie kompleks mechatroniczny towarzyszy Tamie Trzech Przełomów na rzece Jangcy w Chinach (rys. 15). Zapora, ujarzmiająca trzecią co do wielkości rzekę świata, o długości 2309 m i wysokości 181 m jest obecnie największym zrealizowanym projektem wodnym. Dzieli się na pięć części: właściwą tamę, 26 śluz wodnych, pochylnię dla mniejszych statków, hydroelektrownię obejmująca 26 zestawów turbin o łącznej mocy 85 TWh oraz zbiornik wodny o długości 630 km, głębokości do 175 m i powierzchni 1045 kilometrów kwadratowych. Większość urządzeń, maszyn i systemów mechatronicznych zapory dostarczył koncern Siemensa. Koszt budowy i wyposażenia mechatronicznego zapory wyniósł 37 mld dolarów. Obecność mechatroniki w nauce, technice i edukacji pozwala na tworzenie wspólnego środowiska, w którym integrowane mogą być pomysły i działania zmierzające do realizacji nowych projektów i rozwiązań potrzebnych nowoczesnej gospodarce każdego kraju, w tym oczywiście i Polski. Mechatronizacja, rozumiana w sensie Platformy 4.0, nie tylko w odniesieniu do techniki i technologii, ale w znacznie szerszym ujęciu uwzględniająca aspekty pozatechniczne, jak elastyczna integracja czynności produkcyjnych i zarządzania produkcją, zarządzanie kadrami, zarządzanie informacją i logistyką [1], jest najefektywniejszą drogą do ewolucyjnego rozwiązania nie tylko problemu wzrostu produktywności i konkurencyjności gospodarki, ale również drogą do zapewnienia gospodarce wykwalifikowanych pracowników zdolnych do sprostania nowoczesnym wymaganiom zawodowym i społecznym we wszystkich gałęziach przemysłu.

Rys. 13. Aktuator pnuemotroniczny z siecią komunikacyjną AS-i, Festo (1997) Fig. 13. Pneumotronic actuator with the communication network AS-i

− postępom w technologiach wytwarzania elektroniki cyfrowej, w tym opanowania litografii 10 nanometrowej i zapowiedziom wdrożenia litografii 7 nm (na początku 2018 r.), z perspektywą litografii 5 nm. Ten absolutnie niewyobrażalny postęp, w stosunku do lat 90. XX, obniżył ze współczynnikiem 105 (czyli 100 tys. razy!) koszty przetwarzania, udostępniania i przechowywania informacji [16], − powszechnemu, na całym świecie, dostępowi do przewodowych i bezprzewodowych sieci telekomunikacyjnych, do towarzyszących im aplikacjom, w tym Internetu [25], tym samym praktycznie nieograniczonym możliwościom pobierania gromadzenia i przesyłania informacji, − odnawialnym źródłom energii, chroniącym przyrodę i dającym się integrować nawet z mobilnymi w skali ludzkiej urządzeniami i maszynami, − globalnej mobilności, zarówno urządzeń, maszyn, jak i posługujących się nimi ludzi, − wreszcie, co może najtrudniejsze, stopniowe, ale coraz lepsze poznawanie inteligencji własnego rozumu i możliwości jego wykorzystania do sterowania urządzeniami i maszynami – także przenoszenia tych doświadczeń na obszar inteligencji maszynowej [9]. Świetnym przykładem mechatronicznego produktu jest np. zegarek naręczny japońskiego koncernu CITIZEN dla osób uprawiających nurkowanie powierzchniowe i głębinowe (do 100 m), zasilany fotowoltaicznie (kilka minut naświetlania zapewnia kilka tygodni pracy zegarka), wyposażony w nano-

Rys. 14. Mechatroniczne stanowisko dojenia krów ze zrobotyzowanym ruchem zespołu myjąco-dojącego i zautomatyzowanym odbiorem mleka, Festo (2006), Lely Fig. 14. Mechatronic stand for milking cows with robotised move of the washing and milking unit and the automated receipt of the milk

20

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Mariusz Olszewski

Rys. 15. Tama Trzech Przełomów na rzece Jangcy: mechatroniczne systemy śluz, zapory i energetyki wodnej, Siemens (1994–2006) Fig. 15. Three Gorges Dam of Yangtze River: mechatronic systems of ship – and aqueous locks, the dam barrier and the water power industry

4. Produkt bioniczny Od zarania swych rozumnych dziejów człowiek starał się wychodzić poza przypisane mu pierwotnie granice natury. Stara się czynić to także obecnie i dobrych narzędzi do tego działania dostarcza mu właśnie mechatronika (rys. 16). Wykorzystanie procesów biologicznych w technice, zwłaszcza w automatyce i budowanie urządzeń technicznych na wzór organizmów żywych nazywa się bioniką – definicję podał jeszcze w 1967 r. Kopaliński w swoim doskonałym „Słowniku wyrazów obcych”, jeszcze przed powstaniem terminu mechatronika. Za prekursorów bioniki, ale już w odniesieniu do naszych czasów, uważa się Leonarda da Vinci (przełom XV i XVI wieku), m.in. badał i analizował lot ptaków w celu wykorzystania tych doświadczeń przy budowie maszyn do latania oraz Galvaniego (XVIII), który dostrzegł zjawiska elektryczne w trakcie skurczu mięśni. Uważa się obecnie coraz częściej, że cała natura, w jej pierwotnym znaczeniu otaczającej nas rzeczywistości, a nie tylko późniejszego jej ujęcia jako przyrody żywej, z jej niewyobrażalnym bogactwem rozwiązań, procesów i trwającego od 4 miliardów lat ewolucyjnego doskonalenia, powinna stać się przedmiotem najżywszego zainteresowania inżynierów, którzy powinni jej doskonałości wykorzystywać w nieporównywalnie większym wymiarze, niż to czynią dotychczas (rys. 17) [19, 20]. Natura jednak nie może być niewolniczo kopiowana – tego nie da się uczynić, to prowadzi zwykle do katastrofy. Inżynier może tylko wykorzystać te zasady, które legły u jej podstaw – i to te zasady winien wbudować w projektowane urządzenia i maszyny. Właśnie tylko jako bodziec, jako zachętę, jako inspirację, ale także jako niezastąpiony drogowskaz (Stoll, [51]). Jednym ze szczególnie obecnie badanych obszarów bioniki jest neurorobotyka, próbująca znaleźć inne niż dotychczas sposoby nastawiania i programowania urządzeń i maszyn mechatronicznych [9]. Czynności te są nadal prowadzone w sposób podobny jak w rozwiązaniach konwencjonalnych, przez operatora lub użytkownika posługującego się sensorami elektromechanicznymi lub elektronicznymi umieszczonymi na pulpitach

i panelach sterowniczych, w przypadku wspomagania komputerowego – klawiaturami, myszami i monitorami dotykowymi. W bardziej zaawansowanych rozwiązaniach mechatronicznych używającego głosu (np. komend dla prowadzenia endoskopu przez chirurga w operacjach teleoperacyjnych), mimiki twarzy (np. dla sterowania wózków inwalidzkich przez pacjentów pozbawionych sprawności ruchowej kończyn), ruchów ramion i dłoni (np. dla bezpiecznego programowania robotów przemysłowych). W najbardziej zaawansowanych rozwiązaniach elektromiografii (EMG, np. dla sterowania aktywnymi ortezami utraconych kończyn) ze wszystkimi fizjologicznie ujemnymi skutkami tej techniki [14, 15]. Ogólnie – jest to wykorzystanie procesów myślowych mózgu człowieka, przekształconych

Rys. 16. Mechatroniczna realizacja bionicznej maszyny kroczącej do prac leśnych w Finlandii, Harvester (2004) Fig. 16. Mechatronic realization of the striding machine of bionics to forest works in Finland

21


Mechatronizacja produktu i produkcji – przemysł 4.0 Rys. 17. Pneumotroniczna realizacja bionicznego aktuatora, tzw. “trąby słonia” (festo.com/bionic) Fig. 17. Pneumotronic realization of the bionic actuator, so-called “trunk of the elephant”

Rys. 19. Stanowisko badawcze zastosowania BCI do sterowania serwomechanizmami mechatronicznymi, Instytut Automatyki i Robotyki Politechniki Warszawskiej, Festo (2016) [9, 14] Fig. 19. Research stand of usage of BCI to control the mechatronic servomechanisms

w jego układzie nerwowym na ruch jego układu mięśniowo-szkieletowego, z całym zbiorem możliwych błędów popełnianych w trakcie kolejnego przekształcania tego ruchu na ruch elementów elektromechanicznych lub inne działania, np. o charakterze wizyjnym, służące wprowadzaniu informacji do użytkowanych urządzeń i maszyn [9]. Wykorzystanie w pełni zautomatyzowanych i zrobotyzowanych urządzeń, maszyn i systemów mechatronicznych jest pożądane [45], ale ze względu na środowisko, w którym mają one działać bez obecności operatora lub użytkownika, obarczone możliwością wypadków. Dowodem są już stwierdzone przypadki zderzeń pojazdów samobieżnych (bez kierowcy), dopuszczonych w niektórych stanach USA do ruchu po drogach publicznych, nawet o ograniczonej dostępności (autostrady), czy też śmiertelne wypadki operatorów i serwisantów w zrobotyzowanych liniach produkcyjnych mimo zaawansowanych systemów zabezpieczeń. W tej sytuacji nieinwazyjny interfejs mózg-komputer BCI (ang. Brain Computer Interface) może stać się główną lub dodatkową metodą sterowania urządzeniami, maszynami i systemami mechatronicznymi [9, 14]. Potwierdzają to już udane zastosowania BCI w medycynie [15], zaawansowane próby kierowania pojazdami (rys. 18), coraz liczniejsze wykorzystanie BCI w grach komputerowych, w tym także w próbach gier czynnościowych. Sensoryka BCI obejmuje różne metody pomiaru aktywności mózgu, takie jak eletroence-falografia EEG (ang. Electroencephalography), magnetoencefalografia MEG (ang. Magnetoencephalography), rezonans magnetyczny MRI (ang. Magnetic resonance

imaging) lub spektroskopia w bliskiej podczerwieni NIRS (ang. Near-infrared spectroscopy). Techniki te są aktualnie rozwijane w obszarze inżynierii medycznej [26, 30, 56]. Udowodniono już możliwości ich zastosowania dla porozumiewania się osób niepełnosprawnych, sterowania jedno-, dwu- a nawet trójwymiarowego i rozrywki [2, 8, 6, 17]. Badane są możliwości wykorzystania tych metod, w tym właśnie EEG, w mechatronice (rys. 19) [9, 14]. W badaniach tych [9, 14] próbuje się korzystać z pomiaru różnych rodzajów aktywności mózgu, takich jak potencjały wywołane, wolne potencjały korowe, wzrokowe potencjały wywołane stanu ustalonego i rytmy sensomotoryczne [52]. Ze względu na specyfikę zastosowania EEG, system powinien być niezależny od wzroku, z możliwie najkrótszym czasem uczenia użytkownika, w tym z wykorzystaniem tylko wyobrażenia ruchu. Sygnały pomiarowe są klasyfikowane w celu wyodrębnienia ich cech charakterystycznych [23, 49]. Klasyfikacja sygnału może wynikać z analizy różnych parametrów sygnałów: prostych, takich jak częstość wywoływania impulsów lub średnia moc sygnału lub złożonych, jak np. koherencja spektralna [35]. Preferowane są proste algorytmy klasyfikacji ze względu na łatwiejszą i bardziej

a)

b)

Rys. 18. Sterowanie BCI z wykorzystaniem pomiaru poziomu skupienia mózgu opaską MindWave NeuroSky: a) trójkołowy robot mobilny, b) mikrokontroler Arduino Uno (2015) [14] Fig. 18. Control BCI using attention measurements of brain with MindWave NeuroSky headset: a) three wheel mobile robot, b) microcontroller Arduino Uno

22

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Mariusz Olszewski efektywną adaptację. Dzięki zastosowaniu zasad uczenia maszynowego, spodziewane są skrócenia czasu uczenia użytkownika, zniwelowanie wpływu naturalnych wahań aktywności mózgu i zwiększenie dokładności [34]. Bada się także zastosowanie układów hybrydowych, w których do wyznaczania sygnału sterującego, oprócz sygnałów mózgowych EEG, mogą być wykorzystane również inne postacie sygnałów, takie jak np. obrót głowy lub aktywność mięśni EMG (ang. Electromyography) [27, 30, 52]. Interfejs BCI jest rozwiązaniem, które ma zapewnić mózgowi człowieka, bez aktywowania jego aktonów mięśniowych, fascynujące możliwości oddziaływania na produkty mechatroniczne (rys. 19). Pasjonujące, choć jeszcze nadal przyszłościowe, w horyzoncie czasowym pełnego uruchomienia przemysłu 4.0 jak najbardziej możliwe, wydaje się korzystanie z BCI we wszystkich klasach i rozwiązaniach maszyn i robotów przemysłowych. Dotyczy to szczególnie robotyki społecznej o zaawansowanej autonomii i możliwościach bezpośredniej współpracy z człowiekiem, w tym robotyki antropomorficznej, przeznaczonej do wspomagania osób chorych, kalekich lub niedołężnych oraz personelu lekarskiego i pielęgniarskiego, opiekującego się tymi osobami. Japońskie prognozy zakładają, że w 2025 r. w każdej rodzinie będzie obecny robot o właściwościach społecznych [10], antropomorficzny lub humanoidalny [30], wspomagający lub zastępujący wykonywanie rutynowych czynności powszednich. Porozumiewanie się z nim przez BCI jest w tych zastosowaniach oczywiste [46].

5. Mechatronizacja produkcji – przemysł 4.0 Perspektywę osiągnięcia wszystkich założeń Platformy Przemysłu 4.0 interpoluje się na lata 30. naszego wieku [5]. Tak długi okres powodowany jest kompleksowym charakterem powiązanych ze sobą wymagań, których jednoznaczne i równoległe w czasie spełnienie jest warunkiem transformacji zautomatyzowanej i zrobotyzowanej konwencjonalnie produkcji w produkcję również zautomatyzowaną i zrobotyzowaną, ale jeszcze dodatkowo zinformatyzowaną i zinternetyzowaną [48]. Perspektywa wspomnianych lat ewolucji transformacyjnej odnosi się do najsilniej w Europie rozwiniętej gospodarki niemieckiej i to nawet w przypadku jej przemysłu, wiodącego w skali globalnego rynku, jako dostawca urządzeń, maszyn i systemów mechatronicznych, ogólnie najnowszych rozwiązań technicznych dla przemysłów innych krajów. Ekscytacja informacjami o już dokonanych osiągnięciach Platformy 4.0, w tym o zyskach i rentowności, jest nieporozumieniem [22]. Dotyczy z reguły wielkoseryjnego wytwarzania w konwencjonalnych liniach produkcyjnych, sztywnych lub elastycznych, a więc produkujących także średnio i małoseryj-

Rys. 20. Przemysł 4.0 wymaga bezprzewodowej komunikacji między modułami produkcyjnymi a Internetem (init-owl.de/init) Fig. 20. Industry 4.0 requires the cordless communication between production modules and the Internet

nie, z dostępem do bieżących informacji produkcyjnych przez pracowników wyposażonych w specjalizowane lub uniwersalne, bezprzewodowe, środki komunikacji sieciowych, w tym aplikacje internetowe. Tego wymagać będzie także przemysł 4.0 (rys. 20), ale to nie jest jeszcze etap, który można już nazwać realizacją Platformy 4.0.

5.1. Założenia i cele transformacji 4.0

Podaje się następujące założenia transformacji od dominujących na obecnym etapie rozwoju produkcji przemysłowej technologii 2.0 i 3.0 do zmechatronizowanych, zinformatyzowanych i zinternetyzowanych technologii przemysłu 4,0 [3–7, 12, 22, 43, 44]: − przyjęcie, że właściwości produktów – urządzeń, maszyn i systemów, stanowiące o powodzeniu transformacji 4.0, odpowiadają ujęciu ich istoty jako CPS (ang. Cyber-Physical Systems), tzn. otwartych systemów socjotechnicznych, zdolnych do akceptacji szeregu nowych funkcji i działań narzuconych przez produkcję, logistykę i zarządzanie. Produkty CPS powinny dysponować sensorami zbierającymi fizyczne dane procesowe, procesorami przetwarzającymi te dane, aktuatorami oddziaływującymi na realnie istniejące procesy, powinny także umożliwiać łączenie sieciowe z innymi produktami, korzystać z ich danych, informacji i usług, wreszcie dysponować interfejsami typu człowiek-maszyna i maszyna-maszyna. To znaczy muszą to być produkty – nawet w definicyjnym ujęciu – mechatroniczne, − korzystanie w okresie transformacji 4.0 z dotychczas stosowanych technologii i struktur organizacyjnych przemysłów 2.0 i 3.0. Zmechatronizowane, zautomatyzowane i zrobotyzowane produkty i produkcje stanowić powinny podstawę do ewolucyjnego formowania nowych form organizacyjnych zarówno w produkcji, jak i w komplementarnym łańcuchu usług. Przewiduje się, że w przemyśle 4.0 pionowa piramida zarządzania i sterowania liniową strukturą produkcji, w tym także strukturą elastyczną, dopuszczającą średnioseryjność wytwarzania, zastąpiona zostanie docelowo strukturą rozproszoną, poziomą, równowartościowych w sensie zarządzania i sterowania modułów-maszyn produkcyjnych, używanych zgodnie z zapisem technologii w obiekcie-produkcie, komunikującym się z modułami za pośrednictwem sieci komunikacyjnych lub Internetu Rzeczy IoT (ang. Internet of Things) [25], − traktowanie mechatronicznych produktów CPS w łańcuchu PLM (ang. Product Life-cycle Management), rozpoczynając od podania koncepcji i dokumentacji wirtualnej, drukowania modeli, ich badań symulacyjnych, laboratoryjnych i przemysłowych, decyzji o podjęciu produkcji, wirtualnej dokumentacji produkcyjnej, wytworzenia produktu w wirtualnym środowisku produkcyjnym, sprawdzenia jego poprawności, przejścia z wirtualnego środowiska produkcyjnego do środowiska realnego, opracowania wspomaganej programowo i dokumentowanej komputerowo dokumentacji produkcyjnej i montażowej, logistyki magazynowej, transportowej i sprzedażnej, kontroli poprawności eksploatacji, przestrzegania terminów przeglądów, napraw i remontów, wskazywania miejsca i wykonawcy tych czynności, wreszcie sterowanego recyklingu. Także prowadzenia w całym tym łańcuchu rachunku wytwarzanych wartości dodanych, towarzyszących produktowi od jego powstania aż do skorzystania z jego odpadów, − opracowanie jednolitych, obowiązujących możliwie w całym obszarze Unii Europejskiej norm prawnych umożliwiających sieciową wymianę danych produkcyjnych i usługowych dotyczących całego łańcucha działań związanych z wytworzeniem i eksploatacją już wytworzonych produktów, towarzyszących temu łańcuchowi działań wartości dodanych lub wytworzonych: patentowych, wzorów użytkowych, umów licencyjnych, także zakresu odpowiedzialności prawnej w procesach wymiany i dostępności tych danych,

23


Mechatronizacja produktu i produkcji – przemysł 4.0 − opracowanie norm, otwartych aplikacji i dostępnych standardów umożliwiających sieciowe połączenie zarówno producentów przemysłowych, średnich i małych przedsiębiorstw producenckich i usługowych, jak i użytkowników wytworzonych produktów, − zapewnienie bezawaryjnego i bezpiecznego przebiegu produkcji (Safety), ochrony przesyłanych sieciowo, w tym internetowo, informacji (Privacy) oraz bezpieczeństwa korzystania z technologii informatycznych i sieciowych (Security), − analizę skutków społecznych uruchomienia przemysłu 4.0 dla człowieka i pracobiorcy jako czynnika decydującego w planowanych i uruchamianych przedsięwzięciach i scenariuszach organizacji pracy i organizacji nowego miejsca pracy. Na przykład: implikacji przemysłu 4.0 na stan zatrudnienia, kształtowany przez zaawansowaną robotyzację wytwarzania lub przez wykorzystanie zasobów mocy produkcyjnych u jednego przedsiębiorcy względem innego przedsiębiorcy – w odniesieniu do regionu, kraju czy też państwa, − uruchomienie pilotażowych instalacji przemysłowych demonstrujących i sprawdzających poprawność założeń transformacji 4.0. Niezbędne będzie tu wspomaganie finansowe państwa dla rzeczywistej aktywacji związków finansowo-prawnych pomiędzy uniwersytetami technicznymi, szkołami zawodowymi, producentami przemysłowymi oraz małymi i średnimi przedsiębiorstwami. Także prowadzenie szeroko zakrojonych, w całym horyzoncie czasowym faz transformacji, tzn. do lat 30. i 40. bieżącego wieku, badań zarówno teoretycznych, jak i eksperymentalnych, w obszarach człowiek, technika i organizacja, m.in. [3] w zakresie nowych metod i modeli biznesowych, tworzenia łańcuchów wartości dodanych uwzględniających mechatronizację, automatyzację i robotyzację wytwarzania oraz eksploatację produktu w sensie PLM, modularyzacji złożonych systemów produkcyjnych, tworzenia i dostępu do sieci sensorycznych – także w sensie PLM, rozwoju inteligencji maszynowej i komunikacji pomiędzy człowiekiem a maszyną oraz pomiędzy maszynami, w tym badań nad syntaksą i semantyką języków porozumiewania się maszyn i ludzi, dalszego rozwoju mikro- i nanoelektroniki, przede wszystkim nanoprocesoryki, − sformułowanie nowych treści i form kształcenia zawodowego i nowych specjalizacji, z jednoczesnym naciskiem na zwiększenie znaczenia i liczby inżynierów mechatroników i związanych z mechatroniką zawodów inżynierskich: produkcji, automatyki, robotyki, aktuatoryki, sensoryki, informatyki przemysłowej, także właśnie inżyniera przemysłu 4.0, być może też [16] ITmatyka, cyberbiologa (cyberbionika raczej)

i cyberfizyka, odpowiedzialne gospodarowanie zasobami naturalnymi, w tym osobowymi, finansowymi, mineralnymi i materiałowymi, także odzyskiwanymi w recyklingu, ogólnie ochrony naturalnego środowiska człowieka. Do celów i związanych z nimi korzyści z transformacji 4.0 zalicza się głównie: − możliwość spełniania życzeń klienta-użytkownika produktu, a więc produkowania jednostkowego i małoseryjnego, bez uszczerbku dla ich rentowności. Jest to powiązane z dynamicznie kształtowanymi modyfikacjami całego procesu przygotowania, wyprodukowania i przekazania gotowego produktu z wykorzystaniem Internetu IoT [11, 21, 25] oraz informacji przechowywanych i dostarczanych np. przez środowiska Big Data, Social Media i Cloud Computing, − zdecydowaną poprawę efektywności produkcji, a przez to także jej konkurencyjności, dzięki możliwości korzystania z zasobów materiałowych, maszynowych, energetycznych, pracowniczych itp., aktualnie niewykorzystywanych u innych, objętych sieciowo, współpracujących producentów. Także te decyzje będą podejmowane ze wspomaganiem internetowym, − zmianę socjalnych warunków pracy przez pełną automatyzację i robotyzację pracy fizycznej z jednej strony, z drugiej zaś konieczność kształtowania i wspierania dróg kariery kadry technicznej i inżynierskiej, której wiedza i doświadczenie będą miały w przemyśle 4.0 absolutnie decydujące znaczenie dla rynkowego powodzenia danego przedsiębiorstwa. Będzie to skutkowało innym rozłożeniem świadczonej pracy w czasie i w miejscu, niż ma to miejsce obecnie, zwiększając kontakt pracownika z rodziną i zwiększając jego czas wolny. Także zwiększeniem liczby miejsc pracy powiązanych z usługami dotyczącymi eksploatacji wprowadzonego na rynek produktu, wykonywanymi komplementarnie w ramach Product Life-cycle Management. Także i tu wydłużenie tworzonego łańcucha wartości dodanych nie jest bez znaczenia i dla producenta, i dla użytkownika, i dla świadczących z wykorzystaniem Internetu te usługi IoS (ang. Internet of Services),

5.2. Produkt i produkcja 4.0

Najpilniej w obecnym czasie pracuje się nad różnymi wariantami i realizacjami zmechatronizowanego montażu, traktując go jako poligon doświadczalny dla transformacji 4.0. Wynika to z trzech przyczyn: − montaż jest tą częścią procesu produkcyjnego, która pochłania nawet do kilkudziesięciu procent czasu i kosztu wytworzenia produktu [29],

Moduły obróbcze, zrobotyzowane

Moduł obróbczy

Moduły logistyczne, wejścia/wyjścia elementów, zepołów i produktów

Moduły montażowe, zrobotyzowane

Moduły buforowe

Moduły montażowe, zautomatyzowane

Roboty mobilne, transportowe

Moduły kontroli jakości

Rys. 21. Model systemu produkcyjnego w środowisku Platformy Przemysłu 4.0 (festo.com/industrie4.0) (2016) Fig. 21. Model of the production system in the environment of the Platform Industry 4.0

24

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Mariusz Olszewski − wytwór montażu to, z reguły spektakularny w procesie produkcyjnym produkt końcowy, łączony wg założeń Platformy 4.0 z częścią usługową IoS łańcucha PLM, − wytworzone w montażu produkty otaczają nas w domu i na ulicy, w pracy i w czasie wolnym, są częścią kultury naszego dnia powszedniego, niekiedy obsesyjnie (jak np. smartfony) wykorzystywane i uwielbiane. Zadania mechatronicznego produktu w montażu wg wymagań Platformy 4.0 to: − przechowywanie procedur własnych produktu i wybieranie kolejnych do zrealizowania procedur wytwórczych w modułach-stanowiskach montażowych, obróbczych i pomocniczych, w tym adresów tych wybranych modułów dla aktywacji transportu produktu w rozproszonej strukturze procesu technologicznego montażu, − jak wyżej, w zakresie własnych procedur sterowania zachowaniem produktu. Wybieranie kolejnych faz procesu i kolejnych modułów-stanowisk montażowych, obróbczych i pomocniczych, wpisane jest tu do procesora palety, na której umieszczany jest, na początku tej drogi np. w module-stanowisku stanowiącym bramę wejściową procesu, element nośny przyszłego produktu. To paleta, docierając do konkretnego modułu, kontaktuje się z jego procesorem i aktywuje kolejną fazę wykonywania działań technologicznych. To drugie podejście zmniejsza obciążenie procesora produktu, umożliwiając wpisanie do niego innych, poza produkcyjnych działań, wykorzystywanych w logistyce lub marketingu, np. do sprzedaży bezkasowej produktów lub kontroli recyklingu. Na system produkcyjny montażu, w dzisiejszym wyobrażeniu jego postaci i właściwości, w środowisku Platformy 4.0 (rys. 21) składają się: − moduły montażowe, zautomatyzowanego i zrobotyzowanego działania; Moduły są autonomicznymi jednostkami produkcyjnymi i mogą być sytuowane w stosunku do siebie całkowicie dowolnie, nawet nie tworząc linii produkcyjnej lub tworząc jej wybrane i uzupełniające się odcinki. Urządzenia transportu wewnątrzmodułowego nie są łączone z analogicznymi urządzeniami innych modułów – zapewniony jest jedynie kontakt tych urządzeń w bezpośredniej styczności sąsiadujących modułów, zapewniający przejście palety z produktem lub samego produktu. To bezpośrednie przejście jest konieczne tylko wtedy, gdy sąsiadujące ze sobą moduły wykonują dwa kolejne ciągi operacji technologicznych. Informację z żądaniem wykonania tych czynności nosi obiekt lub paleta z obiektem montażu, − moduły obróbcze, także o zautomatyzowanym i zrobotyzowanym działaniu; Moduły mogą być samodzielne lub połączone robotycznie, tworząc miniciąg operacji technologicznych, mogą też funkcjonować jako moduły pomocnicze będąc bramką wejściową do konwencjonalnych maszyn technologicznych, np. obrabiarek NC, − moduły zautomatyzowanej kontroli jakości wykonania wybranych operacji technologicznych, rozproszone jak moduły montażowe lub obróbcze, łączone z nimi na identycznych zasadach lub osadzone jako autonomiczne jednostki w przestrzeni roboczej działu produkcji 4.0; − roboty mobilne transportujące montowane obiekty do wybranych modułów montażowych, obróbczych lub modułów kontroli jakości, zgodnie z instrukcjami zapisanymi w procesorach palet lub obiektów; Mechanizmy kinematyczne, umieszczone na platformach jezdnych robotów, są w stanie dostarczyć obiekt lub paletę do urządzenia transportu wewnątrzmodułowego. Sterowniki procesorowe robotów mogą korzystać z torów podłogowych, tworzących sieć połączeń kierujących platformę do wybranego modułu lub realizować autonomicznie trajektorię po jej docelowym zaadresowaniu, zapewniając bezkolizyjny ruch z innymi platformami lub modułami. Na rys. 21 pokazano

Rys. 22. Moduły dydaktyczne procesów ciągłych w środowisku Platformy Przemysłu 4.0 (festo.com/industrie4.0) (2016) Fig. 22. Didactic modules of continuous processes in the environment of the Platform Industry 4. 0

7 identycznych platform mobilnych z mechanizmami robotów obsługujących system, − moduły logistyczne wejścia/wyjścia obiektu lub wykonanego produktu do lub z obszaru systemu produkcyjnego; Obiektu-półproduktu, jeśli system produkcyjny nie może zapewnić wykonania wszystkich operacji technologicznych i jest konieczna aplikacja niewykonanych operacji w innym dziale tego samego lub innego producenta, dysponującego żądanymi maszynami lub modułami technologicznymi. Także identyfikacji, kontroli jakości i przechowywania gotowych do wykorzystania elementów i podzespołów, − moduły buforowe, stanowiące rezerwę w przypadku awarii i konieczności zapewnienia sprawnego funkcjonowania systemu przez szybkie zestawienie, z wykorzystaniem ich konstrukcji nośnej, aktualnie brakującego lub uszkodzonego modułu. Pilotażowa instalacja o opisanej budowie i charakterze (rys. 21) została wykonana i uruchomiona w 2016 r., jest wykorzystywana na bieżąco w celach pokazowych i szkoleniowych. W drugiej grupie procesów wytwórczych, z ciągłym przetwarzaniem materiałów w przemysłach m.in. energetycznych, chemicznych, farmakologicznych i spożywczych, zaproponowano budowę podobnych modułów technologicznych (rys. 22). Ta instalacja ma na razie charakter dydaktyczny i służy uczeniu projektowania sterowania, regulacji i łączenia tych procesów, z założeniem spełniania wymagań Platformy 4.0, np. w złożonych technologicznie instalacjach przepływowych, zbiornikowych i temperaturowych (rys. 23).

Rys. 23. Moduł dydaktyczny procesu przepływu i napełniania cieczą zbiornika dla nauczania projektowania sterowania w środowisku Platformy Przemysłu 4.0 (festo.com/didactic) Fig. 23. Didactic module of the process of the flow and filling the container with liquid for the teaching of the design of automatic control in the environment of the Platform Industry 4.0

25


Mechatronizacja produktu i produkcji – przemysł 4.0

6. Podsumowanie

to na nieporównywalnie większą w przypadku zapewnienia większych środków rozwojowych od tych, które istnieją lub które są centralnie zapowiadane, np. na tzw. innowacje. Znaczące w aspekcie przemysłu 4.0 są doświadczenia producenckie jednego z największych na świecie wytwórców sprzętu sportowego, ubrań i butów, niemieckiego koncernu Adidas. Otóż na przełomie lat 70. i 80. minionego stulecia, a więc na przełomie etapu automatyzacji i bardzo wczesnej robotyzacji firma zdecydowała się przenieść całą produkcję butów (obecnie 300 mln par butów rocznie) z Niemiec, na tzw. daleki wschód, najpierw do Korei, kolejno do Chin, Wietnamu i Myanmaru (Birmy), prowadząc ją ręcznie i zawsze tam, gdzie praca była tańsza. Wzrastające koszty tej pracy (ostatnio 60 dolarów na miesiąc), kłopoty transportowe, logistyczne i wizerunkowe, związane z jawnym wyzyskiem pracowników azjatyckich, spowodowały powrót firmy do rodzimego Ansbach w Niemczech. Tyle, że produkcji całkowicie zrobotyzowanej, w linii obsługiwanej przez 12 pracowników (na dalekim wschodzie było to ok. 300 osób) i konkurencyjnej cenowo ze stanem poprzednim. Dodatkowo, Adidas uruchomi jeszcze w 2016 r., trzy miniaturowe wydziały produkcyjne, połączone z centrami handlowymi, gdzie klient będzie mógł zamówić buty o wielkości i kształcie ściśle dopasowanych do stopy, także w wybranych kolorach i materiałach, które otrzyma po kilkunastu minutach oczekiwania. Zamówienie i wykonanie będzie możliwe także przez Internet. To jest już zalążek przemysłu 4.0. Ale koncern twierdzi także, że zdecydowana większość jego butów będzie nadal produkowana konwencjonalnie, zgodnie z zasadami przemysłu 3.0. Uzasadnienie – większość klientów chce kupować buty w sklepie firmowym, po ich obejrzeniu, przymierzeniu, wyborze, po rozmowie ze sprzedawcą w realu, co, okazuje się, sprawia kupującym dużą przyjemność [33]. Po prostu.

Przemiany etapów dominujących technologii i organizacji wytwarzania odbywały się dotychczas ewolucyjnie, można też to tak określić – naturalnie, po udoskonaleniu znanych narzędzi i metod, przeniesieniu aprobowanych wyników na inne warsztaty, fabryki, regiony, wreszcie na inne gałęzie przemysłu i przemysły w innych krajach i regionach świata. Wszystkie znane historycznie etapy wytwarzania, od produkcji rzemieślniczej po produkcję zrobotyzowaną, są nadal, choć w różnym stopniu, wykorzystywane. Różnice w zaawansowaniu realizacji tych etapów w poszczególnych gałęziach przemysłu, regionach i krajach, wynikają z bardzo różnych przyczyn, są niekiedy dramatycznie różne nawet w przemysłach krajów sąsiadujących ze sobą. Różnice te wynikają przeważnie z historycznych zaszłości, względów ustrojowych, wolności rynkowej danej gospodarki, jej własności prywatnej lub/i państwowej, także od aktualnego stopnia ingerencji państwa w rozdział tej wolności i własności. Przemysł 4.0 to historycznie pierwsza propozycja prowadzenia przemysłu wymyślona sztucznie, w pewnej unii gospodarki, nauki i techniki. Jest to propozycja zdefiniowana w formie Platformy postępowania z zadaniami i horyzontami czasowymi kolejnych kroków przemian, odnoszącą się do człowieka, do techniki i do organizacji, a więc trzech czynników, których te przemiany dotykają i od których zależy też ich realizacja. Podstawą przemysłu 4.0 jest mechatronizacja zarówno produktów, jaki i urządzeń, maszyn i systemów służących ich wytwarzaniu. Można więc ten etap nazwać także etapem mechatronizacji produktu i produkcji, podobnie jak poprzednie można było nazwać etapami mechanizacji, automatyzacji i robotyzacji produkcji. Mechatronizacja produktów i produkcji jest tu bezwzględnie potrzebna, bo tylko ona, w odróżnieniu od produktów i środków ich produkcji w poprzedzających przemysł 4.0 etapach, zakłada połączenie działań procesorycznych, zdolnych do wspomagania czynności sensualnych i intelektualnych człowieka, z działaniami aktuacyjnymi, zdolnymi do wspomagania i zastępowania jego funkcji energetycznych. A więc splotu tych czynności i funkcji, które właśnie oczekujemy od nowoczesnego, służącego nam, ludziom, produktu. Twórcy Platformy Przemysłu 4.0 zakładają, że inaczej niż było to w realizowane w poprzednich etapach, to właśnie zinformatyzowany i zinternetyzowany produkt, a więc produkt mechatroniczny, będzie decydował o sposobie i kolejności korzystania z urządzeń, maszyn i systemów produkcyjnych, nie tylko u jednego, ale w miarę potrzeby, u wielu innych producentów. To z kolei oznacza odejście od liniowej struktury produkcji i sztywnej, pionowej piramidy zarządzania i sterowania linią produkcyjną, na rzecz struktury rozproszonej, modułowej, z modułami wewnątrz obszaru produkcyjnego łączonymi przez mobilną obsługę robotyczną oraz łączonymi zewnętrznie przez zaawansowane logistycznie systemy transportu krajowego i globalnego. Polski przemysł charakteryzuje się umiarkowanie słabym stanem automatyzacji produkcji, tzn. etapu 2.0 (mniej niż 15% fabryk jest w pełni zautomatyzowanych, 76% – tylko częściowo [16]) i bardzo złym zawansowaniem realizacji etapu 3.0, tzn. robotyzacji i cyfryzacji produkcji. Przyczyny zostały omówione w poprzednich rozdziałach artykułu – tu należy wymienić główną: są nią niewątpliwie niskie płace wynikające z niskiej wydajności pracy, ta z kolei powodowana jest słabym umaszynowieniem małych i średnich przedsiębiorstw dominujących w polskiej gospodarce. Wysiłek fizyczny polskiego pracownika jest równy lub większy w stosunku do pracownika zatrudnionego w przemyśle innych europejskich krajów, tyle że tam jest zwielokrotniany maszynowo. To samo można odnieść do kadry inżynierskiej, mogącej śmiało konkurować w zakresie wiedzy i umiejętności ze swoimi odpowiednikami w innych krajach europejskich i mogącej przerwać ten zamknięty krąg polskiego przemysłu. Co już czynią, ale na zbyt małą skalę, a mogliby czynić

26

P

O

M

I

A

R

Y

A

U

T

O

M

Bibliografia 1. 2.

3.

4.

5.

6.

A

T

Abele E., Reinhart G., Zukunft der Produktion. Carl Hanser Verlag, München 2011. Amiri S., Rabbi A., Azinfar L., Fazel-Rezai R., A review of P300, SSVEP, and hybrid P300/SSVEP brain-computer interface systems. Brain-Computer Interface Systems —Recent Progress and Future Prospects, 2013. Autorenteam des wissenschaftlichen Beirates von BITKOM e.V., VDMA e.V., ZVEI e.V., Forschung und Innovation, (in der) Plattform Industrie 4.0. Bundesverband Informationswirtschaft, Telekommunikation und neue Medien e.V., Verband Deutscher Maschinen- und Anlagenbau e.V., Zentralverband Elektrotechnik- und Elektronikindustrie e.V., Hannower 2014; Berlin, Frankfurt 2015. Autorenteam des wissenschaftlichen Beirates von BITKOM e.V., VDMA e.V., ZVEI e.V., Referenzarchitektur, Standardisierung, Normung, (in der) Plattform Industrie 4.0. Bundesverband Informationswirtschaft, Telekommunikation und neue Medien e.V., Verband Deutscher Maschinen- und Anlagenbau e.V., Zentralverband Elektrotechnik- und Elektronikindustrie e.V., Hannower 2014; Berlin, Frankfurt 2015. Autorenteam des wissenschaftlichen Beirates von BITKOM e.V., VDMA e.V., ZVEI e.V., Umsetzungsstrategie Industrie 4.0, (in der) Plattform Industrie 4.0. Bundesverband Informationswirtschaft, Telekommunikation und neue Medien e.V., Verband Deutscher Maschinen- und Anlagenbau e.V., Zentralverband Elektrotechnik- und Elektronikindustrie e.V., Hannower 2014; Berlin, Frankfurt 2015. Bauernhansl Th., ten Hompel M., Vogel-Henser B., Industrie 4.0 in Produkten, Automatisierung und Logistik. Springer Fachmedien, Wiesbaden 2014.

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Mariusz Olszewski 7. 8.

9.

10. 11. 12.

13.

14.

15.

16. 17.

18. 19. 20. 21. 22. 23.

24. 25.

26.

27.

Bundesministerium für Bildung und Forschung, Zukunftsbild „Industrie 4.0“. Berlin 2013. Carlson T., Tonin L., Leeb R., Rohm M., Rupp R., Al-Khodairy A., Millán J. d. R., BCI telepresence: A six patient evaluation, [in:] Proceedings of TOBI Workshop lll: Bringing BCIs to End-Users: Facing the Challenge, EPFLCONF-174371, 2012, 18–19. Cegielska A., Olszewski M., Nieinwazyjny interfejs mózg-komputer do zastosowań technicznych. „Pomiary Automatyka Robotyka”, 3(19), 2015, 5–14, DOI: 10.14313/ PAR_217/5 Chojecki R., Olszewski M., A mobile robot for laboratory purposes and its applications, “Pomiary Automatyka Kontrola”, 3(55), 2009, 190–193. Chui M., Löffler M., Roberts R., The Internet of Things, (w:) „The McKinsey Quarterly“, 2(47), 2010, 1–9. Deutsche Kommission Elektrotechnik Elektronik Informationstechnik in DIN und VDE, Die deutsche Normungs-Roadmap Industrie 4.0. Reihe DKE Normungsroadmap, Version 1.0, Berlin 2013. George L., Lécuyer A., An overview of research on ’passive’ brain-computer interfaces for implicit human-computer interaction. International Conference on Applied Bionics and Biomechanics ICABB 2010-Workshop W1’Brain-Computer Interfacing and Virtual Reality’, 2010. Górska M., Olszewski M., Interfejs mózg-komputer w zadaniu sterowania robotem mobilnym. „Pomiary Automatyka Robotyka”, 3(19), 2015, 15–24, DOI: 10.14313/ PAR_217/15 Górska T., Majczyński H., Mechanizmy sterowania ruchami dowolnymi, [w:] praca zbiorowa Górska T., Grabowska A., Zagrodzka J., Mózg a zachowanie, Wydawnictwo Naukowe PWN, 2000. Gracel J., Industry 4.0 – kluczowe pytania i odpowiedzi, „Automatyka, Podzespoły, Aplikacje”, 6(10), 2016, 36–39. Gürkök H., Nijholt A., Poel M., Obbink M., Evaluating a multi-player brain-computer interface game: Challenge versus co-experience, “Entertainment Computing”, Vol. 4, Issue 3, 2013, 195–203, DOI: 10.1016/j.entcom.2012.11.001. Helduser S., Mednis W., Olszewski M., Elementy i układy hydrauliczne. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2009. Herwig O., Thallemer A., Air/Luft. Unity of art and science. Arnoldsche Art Publishers, Stuttgart 2005. Herwig O., Thallemer A., Water/Wasser. Unity of art and science. Arnoldsche Art Publishers, Stuttgart 2008. Hoske M.T., Internet Rzeczy w Fabryce 4.0. “Control Engineering Polska”. 6(116), 2015, 22–30. Jaworowska M., Piątek Z., Przemysł 4.0 – czwarta rewolucja przemysłowa na świecie. „Automatyka, Podzespoły, Aplikacje”, 6(10), 2016, 24–27. Jonmohamadi Y., Poudel G., Innes C., Jones R., Sourcespace ICA for EEG source separation, localization, and time-course reconstruction. “NeuroImage”, Vol. 101, 2014, 720–737, DOI: 10.1016/j.neuroimage.2014.07.052. Kaczanowski S., Olszewski M., Stan i kierunki rozwoju robotyzacji w rozwiniętych przemysłowo krajach świata i w Polsce. CINTiE, Warszawa 1986. Kaliczyńska M., Dąbek P., Value of the Internet of Things for the Industry – An Overview, [w:] Mechatronics: Ideas for Industrial Applications, 2015, 51-63, DOI: 10.1007/9783-319-10990-9_6. Kübler A., Mattia D., Rupp R., Tangermann M., Facing the challenge: Bringing brain-computer interfaces to end-users. “Artificial Intelligence in Medicine”, 59, 2013, 55–60, DOI: 10.1016/j.artmed.2013.08.002. Lee E.C., Woo J.C., Kim J.H., Whang M., Park K.R., A brain–computer interface method combined with eye

28.

29. 30. 31. 32.

33. 34.

35.

36.

37.

38.

39. 40.

41.

42. 43. 44. 45. 46.

tracking for 3D interaction. Journal of Neuroscience Methods, 190(2), 2010, 289–298. Lotter B., Das Zusammenwirken von Mensch und Maschine im Bereich der Montage. (im) Ein Essay zum 60. Geburtstag von Kurt Stoll, Denken in Systemen. Festo Verlag, Esslingen 1991. Lotter B., Wirtschaftliche Montage. Ein Handbuch für Elektrogerätebau u. Feinwerktechnik. VDI-Verlag, Düsseldorf 1992. Luna P., Controlling machines with just the power of thought. “The Lancet Neurology”, 10(9), 2011, 780–781. Mianowski K., Berns K., Robot humanoidalny ROMAN. „Pomiary Automatyka Robotyka”, 1(20), 2016, 37–46. Milberg J., Den Menschen entlasten, den Menschen unterstützen - Entwicklung der Produktionstechnik im Zeichen der Rechneranwendung. (im) Ein Essay zum 60. Geburtstag von Kurt Stoll, Denken in Systemen. Festo Verlag, Esslingen 1991. Monkenbusch H., Unterwegs auf neuen Routen. “Focus Network”, 4(14), 2016, 32–35. Müller K.-R., Tangermann M., Dornhege G., Krauledat M., Curio G., Blankertz B., Machine learning for real-time single-trial EEG-analysis: from brain–computer interfacing to mental state monitoring. “Journal of Neuroscience Methods”, 167(1), 2008, 82–90. Neuper C., Scherer R., Wriessnegger S., Pfurtscheller G., Motor imagery and action observation: modulation of sensorimotor brain rhythms during mental control of a brain– computer interface, “Clinical Neurophysiology”, 120(2), 2009, 239–247. Olszewski M., Barczyk J., Bartyś M., Kościelny W.J., Mednis W., Sierota A., Szaciłło-Kossowski J., Podstawy mechatroniki, podręcznik opracowany pod kierunkiem M. Olszewskiego, wyd. REA, Warszawa 2006. Olszewski M., Barczyk J., Bartyś M., Mednis W., Chojecki R., Urządzenia i systemy mechatroniczne. Część 2, podręcznik opracowany pod kierunkiem M. Olszewskiego, wyd. REA, Warszawa 2009. Olszewski M., Barczyk J., Falkowski J.L., Kościelny W.J., Manipulatory i roboty przemysłowe. Automatyczne maszyny manipulacyjne, praca napisana pod kierunkiem M. Olszewskiego. Wydawnictwa Naukowo-Techniczne, Warszawa I wyd. 1985; II wyd. popr. i uzupełnione 1993. Olszewski M., Basics of servopneumatics. VDI-Verlag, Düsseldorf 2007. Olszewski M., Kościelny W.J., Mednis W., Szaciłło-Kosowski J., Wasiewicz P., Urządzenia i systemy mechatroniczne. Część 1, podręcznik opracowany pod kierunkiem M. Olszewskiego, wyd. REA, Warszawa 2009. Ostalczyk P., Jezierski E., Gmyrek Z., Szczerbanowski R., Tosik G., Lisik Z., Gołębiewski J., Pacholski K., Gniotek K., Frydrych I., Korycki R., Sobiczewska G., Dems M., Wiak S., Rosiak W., Drzymała P., Welfle H., Lasota R., Glaba M.J., Mechatronika. Tom 2, [w:] podręcznik pod redakcją Wiak S., wyd. EXIT, Politechnika Łódzka, Łódź 2010. Pippenger J.J., Fluid power – the hidden giant. Amalgam Publishing Company, Jenks, Oklahoma 1992. Porter M., Heppelmann J., How Smart, Connected Products Are Transforming Competition. „Harvard Business Review“, 11(92), 2014, 65–68. Post P., Przemysł 4.0, sieciowy i inteligentny. Festo Magazyn – Trends in automation, wyd. 21, 2016, 18-21. Reinhard A., Zeller E., Prospective concepts. Festo Verlag, Esslingen 2007. Reyes J. F., Tosunoglu S., An overview of brain-computer interface technology applications in robotics. [w:] Florida Conference on Recent Advances in Robotics, May, 4–5, 2011.

27


Mechatronizacja produktu i produkcji – przemysł 4.0

47. Schmid D., Baumann A., Kaufmann H., Paetzold H., Zippel B., Mechatronika, opracowanie merytoryczne wersji polskiej Olszewski M., wyd. REA, Warszawa 2002. 48. Sendler U., Industrie 4.0 – Die Beherrschung der industrieller Komplexität mit SysLM. Springer Vieweg, Berlin 2013. 49. Stern R. M., Ray W. J., Quigley K. S., Psychophysiological recording. Oxford University Press, 2001. 50. Stoll W., Auf dem Weg zum Lernunternehmen. (im) Ein Essay zum 60. Geburtstag von Kurt Stoll, Denken in Systemen. Festo Verlag, Esslingen 1991. 51. Stoll W., Bionics. Inspiring technology. H. Schmidt University Printing Press Publishing House, Mainz 2012. 52. Úbeda A., Iáñez E., Azorín J. M., Shared control architecture based on RFID to control a robot arm using a spontaneous brain–machine interface. “Robotics and Autonomous Systems”, Vol. 61(8), 2013, 768–774, DOI: 10.1016/j.robot.2013.04.015.

53. von Zeppelin W., Wider die Arbeitsteilung. [w:] Ein Essay zum 60. Geburtstag von Kurt Stoll, Denken in Systemen. Festo Verlag, Esslingen 1991. 54. Wiak S., Smółka K., Firych-Nowacka A., Kołaciński Z., Kubiak A., Lisik Z., Gołębiewski J., Szermer M., Sękalski P., Napieralski A., Gmyrek Z., Witczak P., Mechatronika. Tom 1, [w:] podręcznik pod redakcją Wiak S., wyd. EXIT, Politechnika Łódzka, Łódź 2009. 55. Wiendahl H.P., Vom Fluss der Dinge – ein ganzheitlicher Ansatz zur Produktionssteuerung. [w:] Ein Essay zum 60. Geburtstag von Kurt Stoll, Denken in Systemen. Festo Verlag, Esslingen 1991. 56. Wolpaw J. R., Wolpaw E. W., Brain-computer interfaces: something new under the sun. [w:] Brain-Computer Interfaces: Principles and Practice. Oxford University Press New York, 2012.

Mechatronization of the Product and the Production – Industry 4.0 Abstract: The article is an author’s attempt to show the problems connected with the transition from

the stage the automation and of the robotization of the industrial production, being characterized by a linear structure of the production, till the stage mechatronization of products and the production and the structure dispersed for her, the stage called Industry 4.0. In this stage very product will be playing the major part, on every of phases of him „lives”, from the coming into existence of the conception, through the drafting, the virtual and real production, automated and robotized, the quality control, the market offer, the logistics, in it the service and renovations, until using waste that come from his finished exploitation, all phases ordered computer and on the Internet. Keywords: mechatronics, industrial production, product of mechatronics, product of bionics, mechatronization of the production, industry 4.0

dr hab. inż. Mariusz Olszewski, prof. PW m.olszewski@mchtr.pw.edu.pl

Pracownik Politechniki Warszawskiej od 1965 r., stypendysta Fundacji Alexandra von Humboldta w latach 70., w 1978 r. organizuje pierwszą w Polsce konferencję naukową na temat robotyki przemysłowej, w 1985 r. WNT wydaje napisaną pod jego kierunkiem pierwszą polską monografię na temat maszyn manipulacyjnych, w minionym dziesięcioleciu wydawnictwo REA wydaje napisane pod jego kierunkiem pierwsze polskie podręczniki z zakresu mechatroniki: Mechatronika (2002), Podstawy mechatroniki (2006) oraz dwutomowe Urządzenia i systemy mechatroniczne (2009). Specjalista w zakresie napędów i sterowania maszyn i robotów przemysłowych. Dyrektor Instytutu Automatyki i Robotyki na Wydziale Mechatroniki Politechniki Warszawskiej w latach 1994–2012; od 2003 r. członek Rady Naukowej Przemysłowego Instytutu Automatyki i Pomiarów, wiceprzewodniczący Komisji Kształcenia Zawodowego w Polsko-Niemieckiej Izbie Przemysłowo-Handlowej.

28

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 20, Nr 3/2016, 29–32, DOI: 10.14313/PAR_221/29

Modyfikacja sposobu obliczania niepewności pomiaru Paweł Fotowicz Główny Urząd Miar, ul. Elektoralna 2, 00-139 Warszawa

Streszczenie: Wspólny Komitet ds. Przewodników w Metrologii JCGM zaproponował zmianę

podejścia dotyczącą obliczania niepewności pomiaru przy wykorzystaniu prawa propagacji niepewności. Celem jest zbliżenie uzyskiwanych wyników obliczania niepewności standardowej wielkości wyjściowej z wynikiem otrzymywanym przy zastosowaniu zasady propagacji rozkładów za pomocą metody Monte Carlo. W artykule przedstawiono skutki przyjęcia nowych zasad obliczania niepewności standardowej podczas wyznaczania błędu przyrządu pomiarowego. Słowa kluczowe: niepewność pomiaru, prawo propagacji niepewności, propagacja rozkładów

1. Wprowadzenie Działający przy Międzynarodowym Biurze Miar, Wspólny Komitet ds. Przewodników w Metrologii JCGM (Joint Committee for Guides in Metrology) przygotowuje zmianę w podejściu dotyczącym obliczania niepewności pomiaru [1]. Zmiana ma polegać na ujednoliceniu koncepcji wyznaczania niepewności, przedstawionej już w Suplemencie [2], z rozwiązaniami opisanymi w podstawowym dokumencie [3]. Ujednolicenie koncepcji polegać ma na jednakowym podejściu przy obliczaniu niepewności standardowej. Jej miarą ma być odchylenie standardowe rozkładu związanego z określoną wielkością wejściową. O ile takie podejście stosowane jest przy wyznaczaniu niepewności obliczanej metodą typu B, to nieco inaczej jest w przypadku metody typu A. Tym samym, w sposobie wyznaczania niepewności standardowej ma być zniesiona różnica pomiędzy tymi dwiema metodami obliczeniowymi. Proponuje się jedynie kategoryzację na wielkości wejściowe obliczane na podstawie informacji dostępnej bezpośrednio z danych pomiarowych lub pochodzącej z wiedzy o pomiarze. W obu przypadkach informacja ta jest przedstawiana w postaci rozkładu prawdopodobieństwa, którego podstawowy parametr opisujący rozproszenie (odchylenie standardowe) jest miarą niepewności standardowej. Dzięki takiemu podejściu wynik obliczania niepewności standardowej związanej z wielkością wyjściową, przy zastosowaniu prawa propagacji niepewności, zbliża się do wyniku wyznaczania tej niepewności metodą propagacji rozkładów zalecaną w [2]. Uzyskuje się tym samym jednolitość w obliczeniach. Tematyka powyższego ujednolicenia obliczeń wiąże się również z podejściem probabilistycznym w dziedzinie wyrażania

niepewności pomiaru, które było szeroko dyskutowane [4, 5]. Sugerowano podejście bayesowskie [6, 7] oraz wykorzystanie do obliczeń metody numerycznej Monte Carlo [8, 9].

2. Podejście dotychczasowe Przewodnik [3] zaleca, by przy obliczeniach wykonywanych metodą typu A, wykorzystywać statystykę w postaci odchylenia standardowego eksperymentalnego średniej: n

s (q ) =

∑ (q k k =1

(n − 1) n

Artykuł recenzowany nadesłany 26.06.2016 r., przyjęty do druku 02.08.2016 r. Zezwala się na korzystanie z artykułu na warunkach licencji Creative Commons Uznanie autorstwa 3.0

=

s (q ) n

(1)

gdzie qk oznacza pojedynczą obserwację, a n ich liczbę w próbie losowej, przy czym s(q) to odchylenie standardowe eksperymentalne. Uzyskana wartość jest miarą rozrzutu wartości średniej z próby losowej i stanowi niepewność standardową obliczaną metodą typu A: u A (x ) = s (q )

(2)

3. Nowe podejście Nowe podejście polega na zastosowaniu odchylenia standardowego związanego z rozkładem t-Studenta: u (x ) =

Autor korespondujący: Paweł Fotowicz, uncert@gum.gov.pl

− q )2

v s (q ) v −2

(3)

gdzie v jest liczbą stopni swobody związaną z wielkością wejściową. W przypadku pojedynczej serii pomiarowej liczba stopni swobody wynosi v = n – 1. W literaturze można spotkać również zależność v = n – 1,5 stosowaną dla małych liczności próbek [13], ale autorzy Przewodnika [3] nie zalecają tego rozwiązania.

29


Modyfikacja sposobu obliczania niepewności pomiaru

80

3

(%)

(%) 2

70

1

60

0

50

5

10

15

20

25

30

-1

40

-2

30

-3

20

-4 -5

10 0

v 0

-6

v 0

5

10

15

20

25

30

-7

Rys. 1. Względne zmiany wartości niepewności standardowej obliczanej na podstawie danych pomiarowych przy zastosowaniu nowego i dotychczasowego podejścia Fig. 1. Relative changes in the value of standard uncertainty calculated on the basis of measurement data using new and existing approach

Rys. 2. Względne różnice wyników obliczeń niepewności standardowej za pomocą formuły definicyjnej (3) i formuły przybliżonej (4) Fig. 2. Relative differences in calculation of standard uncertainty using a definitional (3) and an approximate (4) formula

Niepewność standardowa określona zależnością (3) jest miarą niepewności wielkości wyznaczanej na podstawie danych pomiarowych. W przypadku wielu serii pomiarowych można zastosować wypadkową liczbę stopni swobody. Miara ta w stosunku do dotychczasowego rozwiązania powiększona jest o czynnik związany z liczbą stopni swobody, tym większy im mniejsza jest ta liczba. Ilustruje to, wykonany na podstawie własnych obliczań, wykres (rys. 1), przedstawiający względną różnicę między wartościami niepewności standardowej obliczanymi przy użyciu formuły (3) i (2) w zależności od liczby stopni swobody. Dla małych ich wartości, od v = 3 do v = 11, różnice te są większe od 10%.

gdzie tv to zmienna losowa o rozkładzie t-Studenta z liczbą stopni swobody v.

5. Niepewność rozszerzona i współczynnik rozszerzenia Jednym z postulatów zmodyfikowanego podejścia dotyczącego wyznaczania niepewności pomiaru jest zachowanie jako podstawy obliczeniowej tzw. prawa propagacji niepewności. Prawo to dla niezależnych wielkości wejściowych definiuje niepewność standardową związaną z wielkością wyjściową w postaci:

4. Konsekwencje przyjęcia nowego rozwiązania

N  ∂f u 2 (y ) = ∑  i = 1  ∂x i

Jedną z podstawowych konsekwencji przyjęcia nowego rozwiązania przy obliczaniu niepewności standardowej na podstawie danych pomiarowych jest zwiększenie jej wartości i zbliżenie do wartości obliczanej metodą Monte Carlo na podstawie symulacji rozkładu t-Studenta. Dzięki temu zabiegowi wyniki obliczania niepewności standardowej związanej z wielkością wyjściową metodą propagacji rozkładów również zbliżają się do wartości tej samej niepewności obliczanej na podstawie prawa propagacji niepewności. W klasycznym Przewodniku [3] niepewność ta nazywana była złożoną niepewnością standardową. Będzie możliwe uzyskanie jednolitości obliczeń przy zastosowaniu obu metod. Jednak pewnym ograniczeniem stosowania formuły (3) jest warunek matematyczny postaci: v ³ 3, co eliminuje możliwość obliczania niepewności standardowej dla prób losowych o liczebności n = 3. Temu problemowi można zaradzić stosując przelicznik: u (x ) =

t (v ) s (q ) kN

gdzie t(v) to kwantyl rozkładu Studenta obliczony dla dowolnej liczby stopni swobody, a kN to kwantyl rozkładu normalnego. Przykładowo (na podstawie własnych obliczeń), dla kwantyli rzędu p = 95% względne różnice w obliczeniach niepewności standardowej przy użyciu zależności (3) i (4) na ogół nie przekraczają 2%, tylko dla v = 3 są bliskie 7% (rys. 2). Przyjęcie definicji niepewności standardowej dla wielkości wejściowej w postaci równania (3) umożliwia również zastępowanie w obliczeniach rozkładu t-Studenta rozkładem normalnym N(m, s), gdyż w przybliżeniu:

30

P

O

M

I

A

R

(5)

Y

A

U

T

O

M

(6)

i jako takie nie może być wykorzystywane przy obliczeniach przeprowadzanych metodą Monte Carlo. W metodzie tej bowiem wszystkie obliczenia wykonywane są przy użyciu jedynie równania pomiaru. Dotyczy to zarówno wyznaczania niepewności standardowej, jak i przedziału rozszerzenia. Dla równań liniowych, będących podstawą modelowania pomiaru zalecaną w Przewodniku [3], połowę tego przedziału stanowi niepewność rozszerzona U, która definiowana jest jako iloczyn współczynnika rozszerzenia k i niepewności standardowej wielkości wyjściowej u(y). Generalnie współczynnik rozszerzenia związany jest z kwantylem rzędu p rozkładu wielkości wyjściowej. Jednakże na jego wartość (w metodzie typu A) ma również wpływ sposób przyjęcia miary niepewności standardowej. Gdy jest nią odchylenie standardowe eksperymentalne średniej s (jak w dotychczasowym podejściu), to dla prawdopodobieństwa 95% wartość współczynnika większa jest od 2. Jednakże, gdy zastosujemy nowe podejście w postaci odchylenia standardowego rozkładu Studenta s, to dla tego samego prawdopodobieństwa 95% otrzymamy współczynnik rozszerzenia mniejszy od 2 [10]. Obie sytuacje ilustruje rys. 3, wykonany na podstawie własnych obliczeń. W metodzie typu B obliczania niepewności pomiaru niejednokrotnie wielkości wejściowej przypisuje się rozkład prostokątny. Łącząc zatem informacje dotyczące wielkości wyznaczanych na podstawie danych pomiarowych i płynących z poza pomiaru można przewidywać, że rozkładem wynikowym będzie rozkład stanowiący splot rozkładu normalnego z prostokątnym, tworzący rozkład płasko-normalny [11]. W takiej sytuacji niepewność rozszerzona może być wyznaczona na podstawie:

(4)

 v  t v ≈ N  0, v − 2  

2

 2  u (x i )  

(7)

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Paweł Fotowicz 3,5

(8)

3

2,5

k=U/s

2

k=U/ 1,5

1

0,5

0

v 0

5

10

15

20

25

30

Rys. 3. Współczynnik rozszerzenia k dla niepewności rozszerzonej U wyznaczonej dla prawdopodobieństwa p = 95% Fig. 3. Coverage factor k for the expanded uncertainty U determined for the probability p = 95%

gdzie współczynnik kPN przybiera postać kwantyla rozkładu płasko-normalnego. Dla prawdopodobieństwa rozszerzenia p = 95% wartości tego współczynnika mogą przyjmować wartości z przedziału od kPN = 1,96 do kPN = 1,65, czyli w skrajnych przypadkach jak dla rozkładu normalnego lub prostokątnego.

6. Przykładowy budżet niepewności Wprowadzana zmiana będzie miała wpływ na obliczenia budżetu niepewności, szczególnie dla składowej opisywanej rozkładem Studenta. Dla zilustrowania tej sytuacji posłużmy się przykładowym budżetem [12]. Jest nim budżet wzorcowania mikrometru, przedstawiony w postaci tabeli 1. Równanie pomiaru, dotyczące błędu wskazania mikrometru, zawiera cztery składowe, z których każda opisana innym rozkładem prawdopodobieństwa:

gdzie: l – długość płytki zmierzona mikrometrem, dl – rozdzielczość pomiaru mikrometrem, lw – długość płytki wzorcowej, dlt – poprawka temperaturowa. Pierwsza składowa opisana jest rozkładem Studenta z liczbą stopni swobody v = 4. Odchylenie standardowe eksperymentalne średniej, zdefiniowane wzorem (1), daje w wyniku wartość 0,32 µm. Natomiast dla odchylenia standardowego rozkładu przypisanego tej wielkości, określonego wzorem (3), daje wartość 0,45 µm. Stosując tę wartość jako miarę niepewności standardowej związanej z pierwszą składową, otrzymamy zmodyfikowany budżet niepewności (tab. 2). Na tej podstawie niepewność standardowa związana z wielkością wyjściową wyniesie u(e) = 0,62 µm i będzie większa od złożonej niepewności standardowej związanej z tą wielkością, która wynosi uc(e) = 0,54 µm (tab. 1). Te same wartości niepewności, co w tab. 2, można uzyskać stosując do obliczeń metodę Monte Carlo.

7. Podsumowanie Celem przewidywanych zmian w Przewodniku wyrażania niepewności pomiaru jest ujednolicenie sposobu jej obliczania i uzyskanie porównywalności wyników tych obliczeń niezależnie od zastosowanej techniki obliczeniowej, z jednoczesnym utrzymaniem w mocy podstawowego rozwiązania, jakim jest prawo propagacji niepewności. Promowana obecnie przez JCGM metoda propagacji rozkładów, jako metoda odniesienia do wykonywanych obliczeń niepewności pomiaru, przy realizacji techniką Monte Carlo powoduje rozbieżności w obliczeniach. Wprowadzona modyfikacja obliczania niepewności standardowej w postaci odchyleń standardowych rozkładów związanych wielkościami wejściowymi wyeliminuje te rozbieżności.

Tabela 1. Budżet niepewności wzorcowania mikrometru Table 1. Uncertainty budget for micrometer calibration

Symbol wielkości

Estymata wielkości

Niepewność standardowa

Rozkład prawdopodobieństwa

Współczynnik wrażliwości

Udział niepewności

l

20,001 mm

0,32 µm

Studenta (v = 4)

1

0,32 µm

dl

0 mm

0,41 µm

trójkątny

1

0,41 µm

lw

20,0002 mm

0,05 µm

normalny

–1

–0,05 µm

dlt

0 mm

0,14 µm

prostokątny

–1

–0,14 µm

e

0,0008 mm

0,54 µm

Tabela 2. Budżet niepewności wzorcowania mikrometru po modyfikacji Table 2. Modifying uncertainty budget for micrometer calibration

Symbol wielkości

Estymata wielkości

Niepewność standardowa

Rozkład prawdopodobieństwa

Współczynnik wrażliwości

Udział niepewności

l

20,001 mm

0,45 µm

Studenta (v = 4)

1

0,45 µm

dl

0 mm

0,41 µm

trójkątny

1

0,41 µm

lw

20,0002 mm

0,05 µm

normalny

–1

–0,05 µm

dlt

0 mm

0,14 µm

prostokątny

–1

–0,14 µm

e

0,0008 mm

0,62 µm

31


Modyfikacja sposobu obliczania niepewności pomiaru

Prawo propagacji niepewności stanowi podstawowy sposób obliczania niepewności standardowej związanej z menzurandem, jest zrozumiałe i proste w zastosowaniu, za pomocą prostej formuły analitycznej. Natomiast propagacja rozkładów wymaga zastosowania złożonej procedury numerycznej opartej o generator liczb losowych i przez to może być mniej chętnie stosowana w praktyce laboratoryjnej. Jednakże możliwość eliminacji rozbieżności wyników obliczeń niepewności rozszerzonej przy zastosowaniu obu technik obliczeniowych poprawi jakość działań związanych z opracowaniem danych pomiarowych.

7. Elster C., Bayesian uncertainty analysis compared with the application of the GUM and its supplements, „Metrologia”, Vol. 51, 2014, S159–S166, DOI: 10.1088/0026-1394/51/4/S159. 8. Forbes A.B., An MCMC algorithm based on GUM Supplement 1 for uncertainty evaluation, “Measurement”, Vol. 45, 2012, 1188–1199, DOI: 10.1016/j.measurement.2012.01.018. 9. Harris P.M., Cox M.G., On a Monte Carlo method for measurement uncertainty evaluation and its implementation, „Metrologia”, Vol. 51, 2014, S176–S182, DOI: 10.1088/0026-1394/51/4/S176. 10. Fotowicz P., Propagation of distributions versus law of uncertainty propagation, Series of Advances in Intelligent Systems and Computing, Vol. 440, Challenges in Automation, Robotics and Measurement Techniques. Springer International Publishing, 2016, 771779, DOI: 10.1007/9783-319-29357-8_67. 11. Fotowicz P., Methods for calculating the coverage interval based on the Flatten-Gaussian distribution, “Measurement”, Vol. 55, 2014, 272–275, DOI: 10.1016/j.measurement.2014.05.006. 12. Fotowicz P., Obliczanie niepewności pomiaru zgodne z definicją przedziału rozszerzenia na przykładzie opracowania wyniku wzorcowania mikrometru, „Pomiary Automatyka Robotyka”, Nr 10, 2010, 48–52. 13. Granowski V.A., Siraja T.H., Metody obrobotki eksperymentalnych danych pri izmiereniach, Energoatom-zdat oddz. Leningrad 1990.

Bibliografia 1. Bich W., Revision of the ‘Guide to the Expression of Uncertainty in Measurement’. Why and how. „Metrologia”, Vol. 51, 2014, S155–S158, DOI: 10.1088/0026-1394/51/4/S155. 2. Supplement 1 to the GUM – Propagation of distributions using a Monte Carlo method. JCGM 101:2008. 3. Guide to the expression of uncertainty in measurement. JCGM 100:2008. 4. Rossi G.B., A probabilistic model for measurement processes, “Measurement”, Vol. 34, 2003, 85–99, DOI: 10.1016/ S0263-2241(03)00026-5. 5. Rossi G.B., Crenna F., A probabilistic approach to measurement-based decisions, “Measurement”, Vol. 39, 2006, 101– 119, DOI: 10.1016/j.measurement.2005.10.011. 6. Forbes A.B., Sousa J.A., The GUM, Bayesian inference and the observation and measurement equations, “Measurement”, Vol. 44, 2011, 1422–1435, DOI: 10.1016/j.measurement.2011.05.007.

Modifying the Approach for Calculating the Measurement Uncertainty Abstract: Joint Committee for Guides in Metrology JCGM proposed the change of an approach for calculating the measurement uncertainty using the law of propagation of uncertainty. The purpose is a comparison between the results of a standard uncertainty calculation of the output quantity with the use of the law of propagation and applying the propagation of distributions using a Monte Carlo method. In the article a results of the adoption of new approach for calculating the standard uncertainty of the measuring instrument error is presented. Keywords: measurement uncertainty, law of uncertainty propagation, propagation of distributions

dr inż. Paweł Fotowicz uncert@gum.gov.pl

Absolwent Politechniki Warszawskiej. Studia ukończył na Wydziale Mechaniki Precyzyjnej w 1981 roku. Do 1999 roku pracował w Instytucie Metrologii i Systemów Pomiarowych PW, specjalizując się w problematyce laserowych technik pomiarowych, będąc współautorem sześciu patentów. Od 1999 roku pracuje w Głównym Urzędzie Miar, zajmując się zagadnieniami teoretycznymi metrologii, głównie teorią niepewności pomiaru. Jest autorem ponad stu publikacji – referatów i artykułów w czasopismach krajowych i zagranicznych.

32

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 20, Nr 3/2016, 33–42, DOI: 10.14313/PAR_221/33

Automatyzacja pomiarów współrzędnościowych organów roboczych maszyn urabiających z wykorzystaniem skanowania 3D Piotr Cheluszka Politechnika Śląska, Wydział Górnictwa i Geologii, Instytut Mechanizacji Górnictwa, ul. Akademicka 2, 44-100 Gliwice

Streszczenie: Maszyny urabiające należą do podstawowej grupy maszyn roboczych stosowanych w górnictwie podziemnym i powierzchniowym. W przypadku maszyn urabiających na zasadzie skrawania proces urabiania realizowany jest za pomocą organów roboczych wyposażonych w wymienne narzędzia, np. noże osadzone w uchwytach nożowych. Noże te rozmieszczone i ustawione są w przestrzeni w ustalony na etapie projektowania sposób, dostosowany do właściwości urabianego ośrodka skalnego. Pomiary współrzędnościowe sprowadzają się do wyznaczenia sześciu parametrów dla każdego z noży. Ze względu na sposób rozmieszczenia, pomiar bezpośredni tych parametrów nie jest możliwy. Metody pośrednie polegają na pomiarze wielkości wchodzących do definicji funkcji modelujących pomiar. W takim przypadku wygodnym rozwiązaniem zadania metrologicznego, szczególnie pod kątem automatyzacji procesu, jest wykorzystanie metod optycznych, na przykład skanera światła strukturalnego. Metoda ta wymaga zbudowania, dla każdego uchwytu nożowego oraz związanego z nim noża, modelu pomiaru. W przypadku dużej liczby noży jest to proces czaso- i pracochłonnych. Możliwość automatyzacji procesu pomiarowego przedstawiono na przykładzie głowicy urabiającej wysięgnikowych kombajnów chodnikowych, stosowanych do drążenia wyrobisk korytarzowych i tuneli. Omówiono przetwarzanie uzyskanych w trakcie pomiaru danych w celu wyznaczenia zestawu wartości parametrów stereometrycznych opisujących rozmieszczenie i ustawienie w przestrzeni poszczególnych noży oraz związanych z nimi uchwytów nożowych. Wykorzystano do tego funkcjonalność oprogramowania GOM Inspect Professional umożliwiającą budowanie strategii pomiaru za pomocą skryptów w języku Python. Słowa kluczowe: maszyna urabiająca, organ roboczy, stereometria, skanowanie 3D, pomiary, automatyzacja, język programowania Python

1. Wprowadzenie Maszyny urabiające służą do mechanizacji jednego z głównych procesów składających się na technologie górnicze, jakim jest urabianie skały. Podstawowym sposobem urabiania mechanicznego jest skrawanie za pomocą noży. Organy robocze maszyn urabiających wyposażone są w tym przypadku w przyspawane do ich pobocznicy uchwyty nożowe, w których osadzone są wymienne narzędzia (noże) (rys. 1). Organy te cechują się złożoną stereometrią. Liczba oraz spo-

Autor korespondujący: Piotr Cheluszka, Piotr.Cheluszka@polsl.pl Artykuł recenzowany nadesłany 01.06.2016 r., przyjęty do druku 25.08.2016 r. Zezwala się na korzystanie z artykułu na warunkach licencji Creative Commons Uznanie autorstwa 3.0

sób rozmieszczenia i ustawienia noży na ich pobocznicy dostosowane muszą być do warunków realizacji procesu urabiania (urabialności skał) zapewniając możliwość osiągnięcia jak największej efektywności pracy maszyny urabiającej. Stąd, organy robocze tego rodzaju maszyn wyposażone są niejednokrotnie w dużą liczbę noży. Przykładowo, głowice urabiające wysięgnikowych kombajnów chodnikowych (rys. 2) wyposażone mogą być nawet w 90 noży [1]. Każdy z noży osadzony jest w uchwycie nożowym umieszczonym w ściśle określonym miejscu pobocznicy organu, w ściśle określony sposób. Pomiar współrzędnościowy organów roboczych maszyn urabiających polega na wyznaczeniu dla każdego noża oraz związanego z nim uchwytu nożowego wartości sześciu parametrów [2]: − współrzędnych w układzie walcowym: ri, zi oraz Ji (dla i = 1, …, N) opisujących położenie wierzchołka ostrza i-tego noża (punktu Si) – rys. 3a, − kątów: di, ei oraz Qi determinujących ustawienie w przestrzeni osi i-tego noża oraz płaszczyzny symetrii związanego z nim uchwytu nożowego (płaszczyzny przekroju uchwytu nożowego pokazanej na rys. 1) – rys. 3b.

33


Automatyzacja pomiarów współrzędnościowych organów roboczych maszyn urabiających z wykorzystaniem skanowania 3D

Wartości parametrów stereometrycznych określane są w układzie współrzędnych XYZ związanym z pobocznicą organu roboczego maszyny urabiającej. Oś Z tego układu pokrywa się z osią obrotu organu roboczego, zaś osie: X i Y leżą w płaszczyźnie jego podstawy. W przypadku organu roboczego wyposażonego w N noży końcowy wynik pomiaru będzie miał postać macierzy N × 6 utworzonej z estymat parametrów charakteryzujących rozmieszczenie i ustawienie poszczególnych noży wraz z odpowiadającą im niepewnością rozszerzoną pomiaru:

wyodrębnić informacje niezbędne do wyznaczenia wartości poszukiwanych wielkości. Zaletą metody jest możliwość automatyzacji procesu pomiarowego, zarówno na etapie akwizycji danych pomiarowych, jak i ich komputerowego przetwarzania. Sprzyja to redukcji czasu oraz pracochłonności procedury pomiarowej. Automatyzacja akwizycji danych pomiarowych może być zrealizowana dzięki zastosowaniu robota przemysłowego (rys. 4). Robotyzacja procesu skanowania powierzchni organów roboczych maszyn urabiających opisana została w pracy [4]. Skanowanie realizowane jest tu za pomocą skanera wykorzystującego metodę światła strukturalnego zamocowanego do ramienia robota przemysłowego. Rekonstrukcja cyfrowa powierzchni skanowanego obiektu dokonywana jest przy różnych ustawieniach skanera przemieszczanego za pomocą robota realizującego zaprogramowane ruchy zapisane w opracowanym w tym celu programie użytkowym. Wykorzystanie robota przemysłowego do akwizycji danych pomiarowych (w postaci chmury punktów) wymaga komunikowania się oprogramowania służącego do zarządzania procesem skanowania z układem sterowania robota (w omawianym rozwiązaniu proces skanowania skanerem smartSCAN 3D-HE – prod. Breuckmann AICON 3D Systems – zarządzany jest z poziomu oprogramowania Optocat). Kolejne pozycje robota przekazywane do oprogramowania zarządzającego tym procesem wykorzystywane są na etapie dopasowywania, optymalizacji i łączenia skanów. W artykule rozważono problem automatyzacji procesu przetwarzania uzyskanych podczas skanowania 3D danych pomiarowych. W oparciu o zbudowany model pomiaru dokonywana jest identyfikacja wartości parametrów wchodzących do definicji funkcji umożliwiających wyznaczenie wartości poszukiwanych parametrów stereometrycznych. Na etapie przetwarzania danych

gdzie: N – liczba noży na pobocznicy organu roboczego objętego pomiarem, zi, ri, qi, di, εi, Θi – estymaty parametrów opisujących rozmieszczenie i ustawienie w przestrzeni i-tego noża oraz związanego z nim uchwytu nożowego (dla i = 1, …, N), U( ) – niepewność rozszerzona pomiaru parametru zawartego w nawiasie. Bezpośredni pomiar tych parametrów, w szczególności zaś kątów definiujących przestrzenne ustawienie noży oraz uchwytów nożowych jest trudny. Dogodnym sposobem realizacji tego rodzaju pomiarów jest wykorzystanie metod pośrednich, w których wyznaczenie wartości poszukiwanych parametrów dokonywane jest w oparciu o wyniki pomiaru pewnych łatwo mierzalnych wielkości geometrycznych. Realizowany on może być na wiele różnych sposobów – metodami stykowymi lub bezstykowymi [2]. W niniejszym artykule omawiana jest metoda bezstykowa, aktywna – z wykorzystaniem skanera pracującego w technice światła strukturalnego. Metoda ta umożliwia pozyskanie szczegółowych informacji o kształcie, wymiarach skanowanego obiektu oraz cechach jego powierzchni (fakturze). Wadą tej metody jest nadmiarowość danych, z których należy

Rys. 1. Przykładowy nóż stożkowy stosowany do urabiania skał wraz z uchwytem nożowym umożliwiającym zamocowanie noża na pobocznicy organu roboczego maszyny urabiającej Fig. 1. Example of conical pick with stepped shank for rock cutting with a pickbox enabling top mount of a pick on the side surface of the mining machine working unit

34

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Piotr Cheluszka

Rys. 2. Wysięgnikowy kombajn chodnikowy R–2000 (prod. Famur S.A.) wyposażony w poprzeczne głowice urabiające [3] Fig. 2. R–2000 boom-type roadheader (manufactured by Famur S.A.) with transverse cutting heads [3]

Rys. 3. Sposób wymiarowania układu noży na organach roboczych maszyn urabiających: parametry opisujące rozmieszczenie noży (a) oraz kąty opisujące ich przestrzenne ustawienie (b) [2] Fig. 3. Pick system dimensioning method: parameters describing the arrangement of picks (a) and angles defining their spatial positioning (b) [2]

pomiarowych wykorzystano funkcje środowiska GOM Inspect Professional. Automatyzacja tego procesu zrealizowana została z wykorzystaniem wbudowanego języka skryptowego Python. Opracowanie odpowiedniego skryptu umożliwiło półautomatyczną realizację zaprogramowanych sekwencji operacji graficznych, arytmetycznych i logicznych, które w efekcie doprowadziły do uzyskania wyniku pomiaru. Sposób realizacji tego zadania przedstawiono na przykładzie pomiaru głowicy urabiającej wysięgnikowego kombajnu chodnikowego (rys. 2). Kombajny te stosowane

są do drążenia wyrobisk korytarzowych w kopalniach podziemnych, tuneli oraz innych obiektów podziemnych w budownictwie inżynieryjnym.

2. Komputerowe przetwarzanie danych pomiarowych Dla potrzeb wyznaczenia wartości parametrów stereometrycznych organów roboczych maszyn urabiających niezbędne jest wyodrębnienie informacji o cechach geometrycznych uchwy-

35


Automatyzacja pomiarów współrzędnościowych organów roboczych maszyn urabiających z wykorzystaniem skanowania 3D

Rys. 4. Przebieg zautomatyzowanego pomiaru stereometrii organów roboczych maszyn urabiających Fig. 4. Progress of automated measurement of stereometry of mining machines working units

tów nożowych (umożliwiających zbudowanie modelu pomiaru) oraz pobocznicy organu roboczego dla potrzeb utworzenia układu współrzędnych, w którym parametry te są zdefiniowane. Opracowanie danych pomiarowych w celu wyznaczenia wyniku pomiaru realizowane jest za pomocą oprogramowania graficznego i metrologicznego, które umożliwia przetwarzanie chmur punktów do postaci siatek trójkątów odwzorowujących skanowane powierzchnie, a następnie ich cyfrową obróbkę. Proces komputerowego przetwarzania danych pomiarowych zrealizowany został w dwóch etapach (rys. 4). W pierwszym z nich opracowano dane pomiarowe (chmurę punktów) w programie Optocat. Oprogramowanie to jest narzędziem dedykowanym do współpracy ze skanerami SmartSCAN, umożliwiającym obróbkę uzyskiwanych tą drogą skanów oraz ich konwersję do postaci siatki trójkątów. W środowisku tym zrealizowane zostały czynności przygotowujące dane pomiarowe do dalszego przetwarzania i analizy. Polegały one na dopasowaniu i połączeniu kolejnych skanów, oczysz-

36

P

O

M

I

A

R

Rys. 5. Sposób rozmieszczenia charakterystycznych punktów w metodzie trzypunktowej pomiaru rozmieszczenia i ustawienia noży oraz związanych z nimi uchwytów nożowych na pobocznicy organu roboczego maszyny urabiającej Fig. 5. Arrangement of characteristic points in the three-point method of arrangement and positioning pickboxes on the side surface of the mining machine working unit

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Piotr Cheluszka

czeniu skanów ze zbędnych elementów tła, wygładzeniu powierzchni, usunięciu błędnych trójkątów oraz optymalizacji siatki. O ile dopasowanie oraz łączenie skanów realizowane jest automatycznie, o tyle oczyszczenie modelu 3D oraz jego optymalizacja odbywa się przy udziale operatora. Utworzona siatka trójkątów odwzorowująca powierzchnię skanowanego obiektu zapisywana jest do pliku w formacie STL umożliwiającym import danych do oprogramowania metrologicznego. Zasadniczy etap procedury pomiarowej realizowany był w środowisku GOM Inspect Professional. Jest to oprogramowanie umożliwiające realizację złożonych strategii pomiaru obiektów 3D w celu uzyskania interesujących informacji o jego cechach geometrycznych oraz analizę ilościową w trakcie porównywania wartości cech geometrycznych uzyskanych z pomiaru z modelem CAD lub danymi pobranymi z dokumentacji technicznej [5–8]. Istotną funkcjonalnością tego oprogramowania w wersji Professional z punktu widzenia automatyzacji procesu pomiarowego jest wbudowany interpreter języka programowania Python. Umożliwia on tworzenie programów metrologicznych w formie skryptów. Wyposażony jest on, obok standardowych bibliotek programistycznych, w dedykowane biblioteki zawierające zestaw instrukcji sterujących programem GOM Inspect, z poziomu którego jest wywoływany. Możliwe jest Rys. 6. Algorytm procedury półautomatycznego przetwarzania danych pomiarowych dzięki temu automatyczne, wielokrotnie w środowisku GOM Inspect Professional powtarzane wykonywanie zaprogramoFig. 6. Algorithm of procedure of semi-automatic measuring data processing in GOM Inspect Professional environment wanych sekwencji operacji, co w przypadku ręcznej obsługi programu jest niejednokrotnie zadaniem żmudnym i pracochłonnym. Z problemem takim mamy do czynienia pod− punktu S2 – leżącego na prostej prostopadłej do osi podłużnej czas pomiarów współrzędnościowych organów roboczych maszyn noża w płaszczyźnie symetrii uchwytu nożowego. urabiających, w przypadku których dla kolejnych uchwytów Punkt S oddalony jest od powierzchni czołowej uchwytu nożonożowych objętych pomiarem wykonywana jest sekwencja opewego (punktu R) o wielkość bU równą wysunięciu noża z uchwytu racji na wirtualnym modelu mierzonego obiektu. Celem tych nożowego ln (rys. 1). W celu identyfikacji położenia tego punktu działań jest zbudowanie, dla każdego z nich, modelu pomiaru. niezbędna jest zatem znajomość geometrii noży przewidzianych W oparciu o ten model wyznaczane są wartości parametrów dla organu roboczego maszyny urabiającej objętego pomiarem. Położenie punktów: S1 i S2 wynika z kolei z założonej długości opisujących rozmieszczenie i ustawienie noża oraz związanego z nim uchwytu nożowego. odcinków: i (dla potrzeb realizacji pomiaru Dla potrzeb pomiaru wartości parametrów stereometryczprzyjęto: aU = cU = 125 mm). nych dla poszczególnych noży oraz związanych z nimi uchwytów Estymaty parametrów opisujących rozmieszczenie i ustanożowych wykorzystano metodę trzypunktową opisaną m.in. wienie noży oraz związanych z nimi uchwytów nożowych na w pracy [9]. W celu jednoznacznego określenia położenia oraz pobocznicy organu roboczego maszyny urabiającej, dla których orientacji przestrzennej układu nóż–uchwyt nożowy, wystarrealizowany jest pomiar są funkcją współrzędnych przestrzennych czające jest określenie położenia trzech charakterystycznych punktów: Si, S1i oraz S2i, wygenerowanych dla rozpatrywanych uchwytów nożowych (dla i = 1, …, N): punktów uchwytu nożowego w lokalnym układzie współrzędnych XYZ (rys. 5): − punktu S – odwzorowującego położenie wierzchołka ostrza noża związanego z rozpatrywanym uchwytem nożowym, − punktu S1 – leżącego na przedłużeniu osi podłużnej noża gdzie: xSi, ySi, zSi, … – współrzędne punktów: Si, S1i oraz S2i (pokrywającej się z osią gniazda w uchwycie nożowym), w układzie odniesienia XYZ.

37


Automatyzacja pomiarów współrzędnościowych organów roboczych maszyn urabiających z wykorzystaniem skanowania 3D

(takich jak: okrąg, wielobok, płaszczyzna, cylinder, stożek, kula). Ze względu na skomplikowany kształt siatki odwzorowującej zeskanowaną powierzchnię organów roboczych maszyn urabiających, w której wydzielić można niezliczoną liczbę powierzchni elementarnych zrezygnowano z takiego podejścia. Stwierdzono bowiem, iż automatyczna analiza kształtu uzyskanej podczas skanowania powierzchni jest procesem bardzo czasochłonnym i nie daje oczekiwanych rezultatów. Dlatego zdecydowano, że proces dopasowywania elementów geometrycznych stanowiący podstawę dla budowy modelu pomiaru realizowany będzie w trybie półautomatycznym – przy udziale operatora. Rys. 7. Program pomiarowy napisany w języku Python – Etap 1 – wczytanie zeskanowanej Zadaniem operatora jest przy tym jedysiatki z pliku STL do środowiska GOM Inspect Fig. 7. Measuring programme created in Python language – Phase 1 – the scanned net is downloaded nie wskazywanie charakterystycznych from STL file to GOM Inspect environment powierzchni zgodnie z komunikatami wyświetlanymi w oknach dialogowych programu pomiarowego. Przeprowadzone testy wykazały, że rozwiązanie Model matematyczny pomiaru tworzy zbiór relacji wiążących to pozwala na istotne skrócenie czasu analizy danych pomiaposzukiwane parametry stereometryczne ze współrzędnymi zderowych, przy czym pracochłonność czynności wykonywanych finiowanych w wyżej opisany sposób punktów. Ponieważ parameręcznie nie jest zbyt wielka. Opracowany program pomiarowy w języku Python, uruchatry te zależą od dziewięciu wielkości wejściowych, niepewności ich pomiaru, które wraz z estymatami wielkości mierzonych miany w środowisku GOM Inspect (rys. 4), podzielony został na tworzą wynik pomiaru, szacowane są w oparciu o prawo prosześć funkcjonalnych etapów (rys. 6). Po uruchomieniu skryptu pagacji niepewności, na podstawie wariancji dla funkcji wielu w środowisku GOM Inspect Professional inicjowana jest prozmiennych losowych [10]. Jak wykazały wcześniej prowadzone cedura przetwarzania danych pomiarowych. Skrypt ten otwiera w tym zakresie badania, wielkości wchodzące do definicji funkokna dialogowe pozwalające na interaktywną realizację kolejnych cji modelujących pomiar (współrzędne punktów: S, S1 i S2) są etapów procesu pomiarowego. Rozpoczyna się on od zaimportowania siatki trójkątów odwzorowujących powierzchnię zeskaskorelowane. Siła korelacji poszczególnych parametrów jest przy nowanego organu roboczego maszyny urabiającej z pliku STL tym różna. Bardzo wysoką lub prawie pełną korelację (większą od 0,8) wykazują współrzędne tych punktów mierzone w jednauzyskanego z programu Optocat (ETAP 1) – rys. 7. Na tym kowym kierunku. Wartości współczynników korelacji obliczane są w trakcie realizacji omawianego zadania metrologicznego na podstawie wartości współrzędnych wyżej wymienionych punktów odczytanych w programie GOM Inspect, dla wszystkich uchwytów nożowych objętych pomiarem.

3. Procedura półautomatycznego pomiaru parametrów stereometrycznych organu roboczego maszyny urabiającej w środowisku GOM Inspect

Jedną z funkcjonalności oprogramowania GOM Inspect jest możliwość automatycznej klasyfikacji kształtu powierzchni opracowywanego modelu 3D oraz identyfikacji wartości parametrów figur płaskich lub brył dopasowanych do wyodrębnionych powierzchni

38

P

O

M

I

A

R

Rys. 8. Etap 2 programu pomiarowego – zbudowanie lokalnego układu współrzędnych XYZ (kolorem zielonym oznaczone są wygenerowane elementy geometryczne wykorzystane do skonstruowania układu współrzędnych) Fig. 8. Phase 2 of measuring programme – local system of coordinates XYZ is created (geometrical elements used for building the system of coordinates are marked green)

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Piotr Cheluszka

Rys. 9. Etap 3 programu pomiarowego – dopasowanie do uchwytów nożowych elementów geometrycznych skojarzonych: a) walca opisanego na powierzchni gniazda w uchwycie nożowym, b) płaszczyzny dopasowanej do powierzchni czołowej uchwytu, c) efekt końcowy (kolorem czerwonym oznaczone są powierzchnie rozpoznane przez program GOM Inspect, kolorem zielonym – dopasowane do tych powierzchni elementy geometryczne) Fig. 9. Phase 3 of measuring programme – the matched geometrical elements are fitted into the pickbox: a) a cylinder circumscribed on a pickbox socket surface, b) plane fitted to the pickbox face, c) final result (the surfaces recognised by GOM Inspect programme are marked red, geometrical elements of the defined class matched to such surfaces are marked green)

etapie dokonywany jest również wybór rodzaju organu roboczego (prawy lub lewy), gdyż zależy od niego matematyczny opis transformacji niektórych parametrów stereometrycznych. W następnym etapie (rys. 6 – ETAP 2) zbudowany zostaje układ współrzędnych XYZ związany z pobocznicą (kadłubem) organu roboczego. W układzie tym wyznaczane będą później wartości poszukiwanych parametrów stereometrycznych. Układ współrzędnych XYZ utworzony zostaje na bazie dwóch elementów geometrycznych skojarzonych (zastępczych) – walca (ozn. „Piasta”) o osi zgodnej z osią obrotu rozpatrywanego organu (osią Z) oraz płaszczyzny jego podstawy (ozn. „Pod-

stawa”). W tym celu wskazywane są przez operatora dokonującego pomiar dwie powierzchnie cylindryczne o osi zgodnej z osią Z – od strony płaszczyzny podstawy organu oraz od strony jego powierzchni czołowej (patrz rys. 3a). W wyniku wywołania instrukcji gom.script.primitive.create_fitting_cylinder( ) z metodą minimum_circumscribed program GOM Inspect generuje walec odniesienia opisany najmniejszy (MCCY) [11]. Po wskazaniu w kilku miejscach powierzchni podstawy następuje automatyczne dopasowanie płaszczyzny – instrukcja gom.script.primitive.create_fitting_plane( ) z metodą best_fit – płaszczyzna odniesienia najmniejszych kwadratów (LSPL)

Rys. 10. Etap 4 programu pomiarowego – wygenerowanie punktów S, S1 i S2: a) rozmieszczenie punktów dla wybranego uchwytu nożowego, b) efekt końcowy – punkty wygenerowane dla wszystkich uchwytów nożowych głowicy urabiającej objętej pomiarem Fig. 10. Phase 4 of measuring programme – generation of points S, S1 i S2: a) arrangement of points for the selected pickbox, b) final result – points generated for all pickboxes of cutting head subject to measurements

39


Automatyzacja pomiarów współrzędnościowych organów roboczych maszyn urabiających z wykorzystaniem skanowania 3D

Rys. 11. Etap 5 programu pomiarowego – pomiar wartości współrzędnych punktów pomiarowych: S, S1 i S2 dla poszczególnych uchwytów nożowych Fig. 11. Phase 5 of measuring programme – values of coordinates of measuring points are measured: S, S1 and S2 for particular pickboxes

[12]. Na podstawie wyżej wymienionych elementów geometrycznych program automatycznie buduje kartezjański układ współrzędnych XYZ (ozn. „UCS”) w wyniku wywołania instrukcji gom.script.cs.create_by_geometric_elements( ) – rys. 8. Kolejnym etapem realizowanym przy udziale operatora jest proces dopasowywania określonych elementów geometrycznych skojarzonych do uchwytów nożowych objętych pomiarem (rys. 6 – ETAP 3). Model matematyczny pomiaru zbudowany jest w oparciu o trzy elementy skojarzone: walec opisany na powierzchni gniazda uchwytu nożowego, płaszczyznę odwzorowującą powierzchnię czołową uchwytu oraz płaszczyznę dopasowaną do powierzchni bocznej podstawy uchwytu (por. rys. 1). Po wprowadzeniu liczby uchwytów nożowych (N), dla których realizowany będzie pomiar, dla kolejnych uchwytów generowane są wymienione elementy – po uprzednim wskazaniu przez operatora odpowiedniej powierzchni. Na rys. 9 pokazano kolejne etapy tej procedury. Kolorem czerwonym zaznaczone są rozpoznane przez program GOM Inspect obszary, na bazie których budowane są poszczególne elementy geometryczne według założonej metody dopasowania. Na zielono oznaczone są dopasowane elementy geometryczne, będące efektem realizacji tego procesu. Generowanie poszczególnych elementów geometrycznych skojarzonych dokonywane jest automatycznie w wyniku wywołania następujących instrukcji [13]: − walec dopasowywany jest do powierzchni gniazda w uchwycie nożowym (ozn. „CylinderNR”) za pomocą instrukcji gom.script.primitive.create_fitting_cylinder( ), − płaszczyzny dopasowywane są do powierzchni czołowej (ozn. „PlaneNR”) oraz powierzchni bocznej podstawy uchwytu (ozn. „PlaneNR_1”) z wykorzystaniem instrukcji gom.script.primitive.create_fitting_plane( ), gdzie NR oznacza numer bieżący uchwytu nożowego. Jako metodę dopasowywania wymienionych elementów zastosowano: „minimum_circumscribed” (walec odniesienia opisany najmniejszy) – w przypadku walca oraz „best_fit” (płaszczyzna odniesienia najmniejszych kwadratów) – w przypadku obu płaszczyzn. Po wygenerowaniu dla każdego uchwytu nożowego objętego pomiarem wymienionych elementów geometrycznych skojarzonych program przechodzi do konstruowania punktów: Si, S1i i S2i

40

P

O

M

I

A

R

Y

A

U

T

O

M

(dla i = 1, …, N). Procedura ta realizowana jest w następujących krokach (rys. 6 – ETAP 4): 1) wyznaczenie położenia punktu Ri będącego punktem przecięcia osi walca odwzorowującego powierzchnię gniazda w uchwycie nożowym z jego płaszczyzną czołową – wywołanie instrukcji: gom.script.primitive.create_point_by_line_intersection( ), 2) wygenerowanie punktu Si uzyskanego w wyniku przesunięcia o wielkość bU punktu Ri w kierunku osi walca odwzorowującego powierzchnię gniazda w uchwycie nożowym – wywołanie instrukcji: gom.script.primitive.create_offset_point( ), 3) wygenerowanie punktu S1i uzyskanego w wyniku przesunięcia o wielkość aU punktu Si w kierunku osi walca odwzorowującego powierzchnię gniazda w uchwycie nożowym – wywołanie instrukcji: gom.script.primitive.create_offset_point( ), 4) skonstruowanie osi noża (prostej RSi) – wywołanie instrukcji: gom.script.primitive.create_line_by_2_points( ), 5) skonstruowanie prostej prostopadłej do powierzchni bocznej podstawy uchwytu poprowadzonej z punktu Ri (ozn. „PBUi”) – wywołanie instrukcji: gom.script.primitive.create_perpendicular_line( ), 6) skonstruowanie prostej w płaszczyźnie symetrii uchwytu nożowego poprowadzonej z punktu Ri (ozn. „PSi”) – wywołanie instrukcji: gom.script.primitive.create_line_by_cross_product( ), 7) wygenerowanie punktu S2i uzyskanego w wyniku przesunięcia o wielkość cU punktu Ri w kierunku prostej PSi – wywołanie instrukcji: gom.script.primitive.create_offset_point( ). Efekt realizacji wyżej opisanej procedury pokazano na rys. 10. Po wygenerowaniu dla każdego uchwytu nożowego, dla którego realizowany ma być pomiar, punktów S, S1 i S2 odczytywane są następnie ich współrzędne w układzie odniesienia UCS (ETAP 5). Realizowane jest to za pomocą instrukcji gom.script.inspection.check_position( ). Dostęp do wartości współrzędnych w kierunku poszczególnych osi kartezjańskiego układu współrzędnych, w którym dokonywana

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Piotr Cheluszka

jest inspekcja, możliwy jest w wyniku zastosowania instrukcji: gom.app.project.inspection[‚NAZWA.Pos’].get(PARAM). Argument NAZWA stanowi oznaczenie punktu, którego współrzędna ma być odczytana. Argument PARAM stanowi z kolei odwołanie do osi układu współrzędnych (przykładowo, współrzędna w kierunku osi X zostanie odczytana, gdy argument PARAM=’result_gdat_direction_x.measured_value’). Wartości współrzędnych punktów pomiarowych dla poszczególnych uchwytów nożowych wyświetlane są w kolejnym oknie dialogowym programu pomiarowego (rys. 11). Są one zapisywane w pliku tekstowym w formacie zgodnym z danymi programu MS Excel (*.csv). Ostatnim etapem procedury pomiarowej (rys. 6 – ETAP 6) jest obliczenie wyniku pomiaru. W oparciu o matematyczny model pomiaru wyznaczane są estymaty parametrów stereometrycznych organu roboczego maszyny urabiającej wraz z odpowiadającymi im wartościami niepewności rozszerzonej U( ). Wyniki pomiaru w formie stabelaryzowanej zapisywane są do pliku tekstowego, co daje możliwość ich dołączenia do raportu z pomiarów.

wia, że może być obsługiwane przez operatorów o różnym poziome umiejętności.

4. Podsumowanie

3. 4.

Dla potrzeb automatyzacji przetwarzania danych pomiarowych uzyskanych w trakcie skanowania organów roboczych maszyn urabiających wykorzystano możliwości, jakie daje środowisko GOM Inspect Professional w zakresie programowanego dostępu do jego funkcjonalności. W środowisku tym zaimplementowany został interpreter języka programowania Python. Możliwe jest dzięki temu sterowanie pracą tego programu za pomocą własnoręcznie opracowywanych programów pomiarowych w formie skryptów uruchamianych z poziomu tej aplikacji. W przypadku rozpatrywanych w niniejszym artykule organów roboczych pozwala to na szybkie wykonywanie wielokrotnie powtarzanych, żmudnych czynności mających na celu uzyskanie wyniku pomiaru (zestawu wartości parametrów stereometrycznych, opisujących układ noży objętego pomiarem organu). Ze względu na skomplikowany kształt mierzonego obiektu stwierdzono, że z punktu widzenia redukcji czasu przetwarzania danych pomiarowych korzystnym rozwiązaniem jest praca w trybie półautomatycznym. Udział operatora sprowadza się głównie do wskazywania, w odpowiedzi na żądanie programu, określonych powierzchni, do których program dopasowuje automatycznie elementy geometryczne skojarzone oraz konstruuje elementy, na których bazuje model pomiaru. Po odczytaniu wartości cech geometrycznych zgodnie z przyjętą strategią pomiaru program przetwarza je automatycznie do postaci wyniku pomiaru. Opracowane rozwiązanie przetestowano w laboratorium Instytutu Mechanizacji Górnictwa Wydziału Górnictwa i Geologii Politechniki Śląskiej w trakcie pomiarów współrzędnościowych głowic urabiających wysięgnikowych kombajnów chodnikowych na zrobotyzowanej stacji pomiarowej wyposażonej w skaner wykorzystujący metodę światła strukturalnego. Ze względu na to, że skanowane były głowice urabiające o zbliżonych wymiarach gabarytowych (różniące się stereometrią) możliwe było zastosowanie tego samego programu użytkowego sterującego pracą robota. Wykorzystanie programu pomiarowego napisanego w języku Python na etapie przetwarzania danych pomiarowych wydatnie przyspieszyło realizację procedury pomiarowej oraz przyczyniło się do znacznego zmniejszenia pracochłonności tej fazy pomiaru. Opracowane narzędzie ma intuicyjny charakter oraz jest proste w obsłudze, co spra-

Podziękowanie

Praca zrealizowana w ramach projektu Sterowanie ruchem głowic urabiających kombajnu chodnikowego dla potrzeb obniżenia energochłonności urabiania i obciążeń dynamicznych dofinansowanego ze środków Narodowego Centrum Badań i Rozwoju w ramach Programu Badań Stosowanych (umowa nr PBS3/ B2/15/2015).

Bibliografia 1.

2.

5. 6.

7.

8. 9.

10. 11. 12. 13.

Gehring K.H., Reumüller B., Hard rock cutting with roadheaders – the ICUTROC approach, Proc. 5th NARMS and the 17th TAC Conference: Mining and tunneling innovation and opportunity, Toronto, 07–10 July 2002, 1637– 1648. Cheluszka P., Metrologia organów roboczych górniczych maszyn urabiających, Wydawnictwo Politechniki Śląskiej, Gliwice 2012. [https://www.famur.com] – Famur. Cheluszka P., Nocoń M., Zrobotyzowana technologia digitalizacji organów roboczych kombajnów górniczych dla potrzeb kontroli jakości ich wytwarzania, „Górnictwo Odkrywkowe”, Vol. 56, Nr 6, 2015, 11–23. Diehr F., Mobile scanning without limits – new perspectives with optical 3D metrology, “VDWF im Dialog”, 2/2011, 19–21. Juras B., Szewczyk D., Sładek J., The use of optical scanner in measurements of complex shape objects. “Advances in Science and Technology – Research Journal”, Vol. 7, No. 19, 2013, 48–54, DOI: 10.5604/20804075.1062360. Marciniec A., Budzik G., Dziubek T., Automated measurement of bevel gears of the aircraft gearbox using GOM, “Journal of KONES Powertrain and Transport”, Vol. 18, No. 4, 2011, 259–264. [http://www.gom.com/pl/oprogramowania-3d/gom-inspect.html] – Oprogramowanie GOM In-spect. Cheluszka P., A method of measuring the stereometric parameters of working units of mining machines equipped with conical picks, “Archives of Mining Sciences”, Vol. 55, No. 4, 2010, 747–760. Arendarski J., Niepewność pomiarów, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2006. PN–EN ISO 12180–1:2012: Specyfikacje geometrii wyrobów (GPS) – Walcowość – Część 1: Terminologia i parametry kształtu walcowego. PN–EN ISO 12781–1:2011: Specyfikacje geometrii wyrobów (GPS) – Płaskość – Część 1: Terminologia i parametry płaskości. [https://support.gom.com/label/KNOWLEDGE/scripting] – GOM Service Area.

41


Automatyzacja pomiarów współrzędnościowych organów roboczych maszyn urabiających z wykorzystaniem skanowania 3D

Automation of Coordinate Measurements of Mining Machines Working Units with 3D Scanning Abstract: Mining machines belong to the key group of working machines used in underground and

surface mining. In case of machines mining by way of cutting, the process is carried out with working units fitted with a specific number of replaceable tools in the form of picks mounted in pickboxes. The picks are arranged and positioned in space in a way defined at the stage of design, adapted to the properties of the rock being excavated. The stereometry of such working units is measured by determining the values of six parameters for each of the picks. Such parameters cannot be measured directly due to the way they are arranged. Measurements are carried out with indirect methods where values are measured which form part of a definition of measurement modelling functions. The use of optical methods, for example a structured light scanner, is a convenient solution to carry out the considered metrological task, especially in view of the automation of this process. For this, however, a measurement model enabling to determine the values of the magnitudes searched for has to be built for each pickbox and for the related pick. This is a time- and work-intensive process in case of a large number of picks, though. The options of the measurement process automation are presented with the example of a cutting head of boom–type roadheaders employed for drilling dog headings and tunnels. The focus was put on the stage of processing the measuring data obtained in the measurement process to establish a set of stereometry parameters values describing the arrangement and position of individual picks and related pickboxes in space. For this purpose, a feature of GOM Inspect Professional software was used enabling to build a measurement strategy based on scripts created in Python language. Keywords: mining machine, working unit, stereometry, 3D scanning, measurements, automation, Python programming language

dr hab. inż. Piotr Cheluszka, prof. nzw. w Pol. Śl. Piotr.Cheluszka@polsl.pl

Profesor nadzwyczajny w Instytucie Mechanizacji Górnictwa Wydziału Górnictwa i Geologii Politechniki Śląskiej w Gliwicach. Specjalista w zakresie maszyn górniczych i systemów technologicznych. Zajmuje się zagadnieniami związanymi z mechanizacją drążenia wyrobisk korytarzowych kombajnami chodnikowymi oraz ura-bianiem węgla kombajnami ścianowymi. Zajmuje się optymalizacją konstrukcji, pomiarami stereometrii oraz robotyzacją technologii wytwarzania organów roboczych górniczych maszyn urabiających. Jest twórcą oryginalnych modeli matematycznych oraz programów komputerowych do symulacji przebiegu procesu urabiania skał, obciążeń dynamicznych w układach napędowych oraz komputerowego wspomagania projektowania i wytwarzania organów roboczych górniczych maszyn urabiających. Niektóre rozwiązania będące efektem realizowanych prac badawczych, któ-rych jest współautorem zostały nagrodzone medalami prestiżowych wystaw innowacji w kraju i za granicą, m.in. w Warszawie, Seulu, Kuala Lumpur, Moskwie, Zagrzebiu i Norymberdze. Jest współautorem m.in.: 25 patentów, 3 podręczników akademickich, 2 monografii, 94 artykułów w periodykach krajowych i zagranicznych oraz ponad 100 referatów wygłoszonych na konferencjach krajowych i zagranicznych.

42

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 20, Nr 3/2016, 43–48, DOI: 10.14313/PAR_221/43

System automatycznego przezbrajania stanowiska pakowania robotem przemysłowym Stanisław Lis, Marcin Tomasik

Uniwersytet Rolniczy, Wydział Inżynierii Produkcji i Energetyki, Katedra Energetyki i Automatyzacji Procesów Rolniczych, ul. Balicka 116, 30-149 Kraków

Magdalena Dróżdż

Uniwersytet Przyrodniczy we Wrocławiu, Wydział Nauk o Żywności, ul. Chełmońskiego 37/41, 51-630 Wrocław

Streszczenie: W artykule przedstawiono założenia projektowe dla systemu automatycznego

przezbrajania stanowiska pakowania robotem przemysłowym. Przez przezbrojenie rozumiana jest automatyczna zmiana podciśnienia chwytaka w funkcji masy przenoszonego detalu. Skonstruowano stanowisko badawcze z systemem pomiarowym. Dla omówienia właściwości dynamicznych obiektu określono charakterystykę skokową. Projektowany system opisano za pomocą symulacyjnego modelu transmitancyjnego. W środowisku MATLAB/Simulink przeprowadzono symulację komputerową, w wyniku której dobrano nastawy dla regulatora sterującego procesem. Symulacja sprzętowa prototypu układu automatycznego sterowania podciśnieniem chwytaka robota przemysłowego, w ogólnym ujęciu potwierdziła poprawność założeń projektowych. Słowa kluczowe: automatyczne przezbrojenie, podciśnienie, chwytak, robot przemysłowy, pakowanie

1. Wprowadzenie Zadaniem robota przemysłowego na stanowisku pakowania jest pobranie detalu, trzymanie go podczas transportowania i uwolnienie w miejscu docelowym. Elementem umożliwiającym realizację tych czynności transportowych jest chwytak, który umożliwia nałożenie na transportowany detal niezbędnej ilości ograniczeń swobody ruchu. W tym celu wykorzystuje się chwytanie siłowe bądź kształtowe. W pierwszym przypadku wytwarzane jest pole siłowe działające na obiekt. W drugim, wytwarza się połączenia między elementami chwytaka i detalem odbierając detalowi w ten sposób konieczną liczbę stopni swobody. Ograniczenie swobody ruchu podczas transportu ma na celu uniemożliwienie zmiany położenia detalu na skutek działania siły bezwładności i sił odśrodkowych [1]. Czynnikiem utrudniającym realizację procesu zrobotyzowanego pakowania jest, występująca głównie w przemyśle spożywczym, duża różnorodność cech surowców i ich zmienność, do których należy zaliczyć: masę, kształt i wymiary geometryczne, właściwości powierzchni miejsc uchwycenia, a także brak sztywności i odporności na naprężenia zewnętrzne, oraz dużą wrażliwość na uszkodzenia. Zadowalającą efektywność procesu pakowania, w warunkach dużej zmienności parametrów utrudniających uchwyce-

Autor korespondujący: Marcin Tomasik, marcin.tomasik@uk.krakow.pl Artykuł recenzowany nadesłany 22.07.2016 r., przyjęty do druku 19.09.2016 r. Zezwala się na korzystanie z artykułu na warunkach licencji Creative Commons Uznanie autorstwa 3.0

nie, pozwoli uzyskać zastosowanie chwytaka podciśnieniowego, którego podciśnienie będzie dostosowane do indywidualnych cech pakowanego materiału. Automatyczną zmianę wartości podciśnienia, w zależności od właściwości detalu poddawanego czynnościom manipulacyjnym, można potraktować jako formę szybkiego przezbrojenia. Z wniosków sformułowanych na podstawie doświadczeń związanych z implementacją metody szybkiego przezbrojenia SMED (ang. Single Minute Exchange of Die) wynika, iż czas przezbrojenia decyduje o elastyczności systemu produkcyjnego. Im czas jest krótszy, tym mniejsze są straty w oczekiwaniu na przystosowanie parametrów linii produkcyjnej do zmiennych cech przetwarzanego materiału. Szybkie przezbrojenie umożliwia obniżenie kosztów produkcji, liczby braków i błędów [2, 3]. W artykule omówiono wyniki prac badawczych nad formą szybkiego przezbrojenia przez automatyczną zmianę podciśnienia w przyssawce chwytaka w zależności od cech pakowanego detalu, jakie zrealizowano w Laboratorium Robotyzacji Procesów Technologicznych na Wydziale Inżynierii Produkcji i Energetyki Uniwersytetu Rolniczego w Krakowie. Istota działania systemu polega na doborze wartości podciśnienia na podstawie sygnału z czujnika umożliwiającego detekcję cechy produktu, która jest czynnikiem wpływający na uchwycenie.

2. Cel i zakres pracy badawczej Celem pracy było przygotowanie projektu systemu automatycznego przezbrajania stanowiska pakowania robotem przemysłowym przez zmianę podciśnienia panującego w przyssawce chwytaka w funkcji masy przenoszonego detalu. Zakres pracy obejmował: − przedstawienie założeń projektowych dla układu sterowania podciśnieniem chwytaka robota przemysłowego; − integrację stanowiska pomiarowego;

43


System automatycznego przezbrajania stanowiska pakowania robotem przemysłowym

Rys. 1. Schemat blokowy modelu systemu sterowania podciśnieniem chwytaka Fig. 1. A block diagram of the control system model vacuum gripper

− eksperymentalne wyznaczenie charakterystyki dynamicznej dla obiektu; − opracowanie modeli symulacyjnych obiektu i układu regulacji; − symulację komputerową w środowisku MATLAB/Simulink; − symulację sprzętową na stanowisku badawczym.

należy do cech wpływających na uchwycenie obiektu. Założenia projektowe dla opracowanego systemu zilustrowano modelem (schemat blokowy na rys. 1). Znaczenie przedstawionych na schemacie bloków funkcjonalnych jest następujące: SM(t) – blok czujnika masy, m(t) – sygnał czujnika masy, SP(t) – blok zadajnika, C(s) – transmitancja regulatora, P(s) – transmitancja obiektu, h – opóźnienie transportowe, r(t) – sygnał wartości zadanej, e(t) – błąd regulacji, u(t) – sygnał sterujący, y(t) – sygnał wyjściowy modelu obiektu. Zasada działania przedstawionego układu jest następująca. Sygnał z procesu m(t) wypracowany przez czujnik SM(t), wprowadzony na wejście zadajnika SP(t), dostarcza informacji na temat cechy surowca, która determinuje jego uchwycenie – w tym wypadku jest to masa detalu poddawanego czynnościom manipulacyjnym. Zadajnik reprezentuje zależność określającą relację między masą a dopuszczalną wartością podciśnienia. Na podstawie tej informacji obliczana jest wartość zadana podciśnienia r(t), która następnie jest porównywana z sygnałem ciśnienia y(t). Otrzymana różnica stanowi błąd regulacji e(t), na podstawie którego regulator C(s) oblicza oddziaływanie zwrotne na obiekt P(s) oraz h.

3. Metodyka projektowania Opracowano założenia projektowe dla systemu automatycznego przezbrojenia stanowiska pakowania robotem przez zmianę podciśnienia chwytaka. Głównym blokiem funkcjonalnym systemu jest próżniowy układ zasilania podciśnieniem. Dla weryfikacji założeń projektowych skonstruowano stanowisko badawcze, które stanowiło prototyp projektowanego systemu. Powstało ono przez włączenie do pętli sprzężenia zwrotnego wirtualnego układu sterowania, rzeczywistych elementów obiektu regulacji zainstalowanych w zbiorniku próżniowym – przetwornika ciśnienia i elektronicznego zaworu proporcjonalnego. Zbiornik próżniowy wraz z przetwornikiem ciśnienia i zaworem stanowiły w omawianym systemie sterowania obiekt regulacji. Na stanowisku zidentyfikowano właściwości dynamiczne obiektu regulacji rejestrując charakterystykę skokową. Projektowany system sterowania opisano symulacyjnym modelem transmitancyjnym. Model dostrojono i zweryfikowano na drodze symulacji komputerowej z wykorzystaniem środowiska programistycznego MATLAB/Simulink [4–6]. Na podstawie wyników symulacji dobrano nastawy dla układu sterowania, które następnie wykorzystano podczas symulacji sprzętowej przeprowadzonej na opisanym stanowisku badawczym. W trakcie symulacji komputerowej zweryfikowano także współpracę systemu sterowania z wybranymi przyssawkami chwytaka. Uzależniono wartość zadaną podciśnienia od parametrów przyssawek i od pozorowanej masy detalu poddawanego czynnościom manipulacyjnym. Na kolejnych etapach rozwoju projektu konieczne są badania, które pozwolą określić bezpieczną wartość podciśnienia (nieuszkadzającą transportowanych detali), dobraną do indywidualnych cech fizycznych przedmiotów. Ostatnią fazą rozwoju projektu opisaną w niniejszym opracowaniu była symulacja sprzętowa układu sterowania [7].

5. Stanowisko badawcze W celu weryfikacji założeń projektowych konieczna była konstrukcja stanowiska badawczego. Na podstawie wykonanych na nim doświadczeń określono właściwości dynamiczne systemu sterowania podciśnieniem oraz przeprowadzono symulację sprzętową prototypu urządzenia. Widok ogólny stanowiska i schemat zilustrowano na rys. 2 i 3. Znaczenie przedstawionych na rysunkach symboli i bloków funkcjonalnych jest następujące: 1 – zbiornik kontrolowanego podciśnienia, 2 – elektroniczny zawór proporcjonalny Burkert 6024 z kontrolerem eCONTROL 8611, 3 – przewód podciśnienia, 4 – podciśnieniowy przewód instalacyjny (do pompy próżniowej), 5 – przetwornik podciśnienia WIKA A-10, 6 – chwytak podciśnieniowy, 7 – zasilacz (24 V), 8 – komputer sterujący, 9 – terminal zaciskowy PLCD-8710 karty I/O Advantech PCI-1711 komputera sterującego,

4. Założenia projektowe Podciśnienie zasilające chwytak robota wytwarzane jest za pomocą strumienic (iniektorów) gazowych oraz przy użyciu tłokowych lub wirnikowych pomp próżniowych. W popularnych rozwiązaniach technologicznych stosowanych w trakcie procesu produkcyjnego, wartość podciśnienia pozostaje stała. Czynności manipulacyjne wykonywane robotem wyposażonym w chwytak podciśnieniowy mogłyby jednak zostać usprawnione przez umożliwienie automatycznego przezbrojenia technologicznego, rozumianego jako kształtowanie wartości podciśnienia w zależności od zmieniających się parametrów detalu. Rozwiązaniem problemu jest zaproponowany system umożliwiający automatyczny dobór wartości podciśnienia podawanego do przyssawki chwytaka w funkcji jednego z parametrów surowca. Analizowano uzależnienie wartości podciśnienia od sygnału zawierającego informację o masie produktu, która

44

P

O

M

I

A

R

Y

A

U

T

O

M

Rys. 2. Stanowisko badawcze z robotem przemysłowym FANUC S420i F Fig. 2. The test stand with industrial robot FANUC S420i F

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Stanisław Lis, Marcin Tomasik, Magdalena Dróżdż Jego przebieg, stanowiący charakterystykę skokową obiektu, zilustrowano na rys. 4. Na podstawie zarejestrowanej charakterystyki (rys. 4) wyznaczono transmitancję operatorową G(s) obiektu [9–11] (1): (1) gdzie: Dx – zmiana sygnału wejściowego, Dym – zmiana sygnału wyjściowego, kob – współczynnik wzmocnienia statycznego obiektu, T – stała czasowa, T0 – opóźnienie transportowe. Zależność ta dla badanego obiektu przyjęła postać (2): (2) Rys. 3. Schemat ideowy stanowiska badawczego systemu sterowania podciśnieniem chwytaka Fig. 3. Schematic diagram of the test system control vacuum gripper

10 – komputer rejestrujący, 11 – terminal zaciskowy PLCD8710 karty I/O Advantech PCI-1711 komputera rejestrującego, 12 – przetwornik sygnałowy Phoenix Contact MCR-C-UI/UI-DCI-NC (4–20mA/0–10V), QZA – strumień masowy powietrza przepływającego przez zawór, QWE – strumień masowy powietrza na wejściu do zbiornika, QWY – strumień masowy powietrza na wyjściu ze zbiornika, pp – podciśnienie robocze chwytaka. Podstawowym elementem stanowiska jest zbiornik podciśnienia roboczego (1) (rys. 2 i 3). Przewodem (4) dostarczane jest powietrze o stałej wartości podciśnienia z pompy próżniowej do zbiornika podciśnienia roboczego. Wartość zadaną podciśnienia roboczego pp uzyskuje się przez otwarcie zaworu (2) i wprowadzenie do w/w zbiornika filtrowanego powietrza atmosferycznego QZA. Następnie podciśnienie robocze pp kierowane jest przewodem (3) do przyssawki chwytaka (6). Na stanowisku badawczym widoczne są dwa komputery PC, wyposażone w karty pomiarowe (8–11). Jeden z komputerów pełni rolę sterownika procesu (8), drugi stosowany jest do rejestracji parametrów procesu (10). Podczas eksperymentu korzystano ze środowiska do obliczeń naukowo-technicznych MATLAB/Simulink. Tutaj zaprogramowano w formie schematu blokowego układ sterowania, który został zaimplementowany w komputerze sterującym. Do pętli sprzężenia zwrotnego układu włączono rzeczywiste elementy zainstalowane w zbiorniku podciśnienia roboczego (1) – przetwornik ciśnienia (5) i elektroniczny zawór proporcjonalny (2). Badania związane z przenoszeniem elementów prowadzono za pomocą robota przemysłowego FANUC S420 iF wyposażonego w chwytak z zestawem ssawek podciśnieniowych [8].

Rys. 4. Charakterystyka skokowa obiektu regulacji (ciśnienie bezwzględne) Fig. 4. Step response of the control object (absolute pressure)

Otrzymany model transmitancyjny G(s) poddano identyfikacji, tj. dobrano wartości jego parametrów w taki sposób, aby zapewnić zgodność modelu z właściwościami dynamicznymi analizowanego obiektu [12]. Identyfikację przeprowadzono na drodze symulacji komputerowej w środowisku obliczeniowym MATLAB/Simulink według schematu z rys. 5.

6. Model obiektu regulacji Aby sformułować model transmitancyjny obiektu sterowania niezbędna jest wiedza na temat jego właściwości dynamicznych. Można ją uzyskać przez zarejestrowanie i analizę charakterystyki skokowej. W przypadku opisywanego projektu wyznaczono ją eksperymentalnie na stanowisku badawczym przez nagły wzrost ciśnienia w zbiorniku – zadanie skokowego sygnału wymuszającego. Efekt ten uzyskano przez całkowite otwarcie zaworu (2). W ten sposób do zbiornika (1) wprowadzone zostało powietrze z otoczenia QZA. Przed wprowadzeniem wymuszenia obiekt znajdował się w stanie ustalonym – wartość ciśnienia bezwzględnego wynosiła 47 kPa (równoznaczne z podciśnieniem 53 kPa – dalsze prowadzenie obliczeń wymagało przejścia na jednostki ciśnienia bezwzględnego) i nie zmieniała się. Po uzyskaniu skokowej zmiany sygnału wejściowego, sygnał wyjściowy (ciśnienie w zbiorniku) przyjął nową wartość.

Rys. 5. Schemat procesu identyfikacji modelu Fig. 5. Diagram of the process model identification

Przedstawione na schemacie symbole oznaczają: X – sygnał sterujący (wymuszenie), Y – sygnał wyjściowy obiektu regulacji, Ŷ – sygnał wyjściowy modelu, e – stopień niedoskonałości modelu. W trakcie symulacji na wejście modelu wprowadzono wymuszenie skokowe X. Następnie stan wyjścia modelu Ŷ zestawiono z wczytanym do przestrzeni roboczej środowiska MATLAB przebiegiem charakterystyki dynamicznej rzeczywistego obiektu Y. Oceniono stopień niedoskonałości i na tej podstawie przeprowadzono korektę.

45


System automatycznego przezbrajania stanowiska pakowania robotem przemysłowym

7. Model układu regulacji w symulacji komputerowej

PID Controller obliczany jest sygnał sterujący. Sygnał ten jest podawany na wejście modelu transmitancyjnego obiektu Transfer Fcn i Transport Delay. Sygnał wyjściowy modelu obiektu w pętli ujemnego sprzężenia zwrotnego jest podawany na wejście węzła sumującego. Założono, że podciśnienie dostarczane z instalacji próżniowej do układu sterowania wynosi 53 kPa. Obliczono i zarejestrowano odpowiedzi modelu układu sterowania dla trzech rodzajów przyssawek o średnicach czasz: 22 mm, 42 mm, 50 mm. Podczas symulacji, dla poszczególnych przyssawek, zadawano trzy dobrane arbitralnie wartości masy detalu poddawanego czynnościom manipulacyjnym. W przypadku przykładowej przyssawki Piab F50-2 o średnicy czaszy 50 mm, były to następujące wartości masy: 1 kg, 3 kg, 4 kg. Widok przyssawki oraz wyniki symulacji zilustrowano na rys. 8 i 9.

Opierając się na transmitancyjnym modelu obiektu (2), opracowano symulacyjny model układu regulacji z zastosowaniem oprogramowania MATLAB/Simulink. Ilustruje go schemat blokowy przedstawiony na rys. 6.

Rys. 6. Schemat blokowy modelu symulacyjnego układu regulacji – symulacja komputerowa Fig. 6. Block diagram of a simulation model of the control system – computer simulation

Znaczenie przedstawionych na schemacie bloków funkcjonalnych jest następujące: blok SM reprezentuje sygnał z procesu zawierający informację o masie detalu, podsystem Setpoint oznacza wartość zadaną podciśnienia, blok PID Controller przedstawia transmitancję regulatora, bloki Transfer Fcn i Transport Delay reprezentują czynnik transmitancji obiektu i opóźnienie transportowe. Odrębny problem stanowiło powiązanie parametrów przyssawki i masy detalu poddawanego czynnościom manipulacyjnym z wartością zadaną podciśnienia. Wykorzystano do tego celu zależność (3) [1]: gkm pp ≥ A

Rys. 8. Przyssawka o średnicy czaszy 50 mm Fig. 8. The suction cup having a diameter of 50 mm

(3)

gdzie: pp – podciśnienie w czaszy przyssawki [Pa]; g – przyśpieszenie ziemskie [m∙s–2]; k – współczynnik uchwycenia, 1,2 ≤ k ≤ 5; (k = 2,5); A – powierzchnia czaszy przyssawki [m2]; m – masa obiektu [kg]. Zależność, po zapisaniu zgodnie z regułami Simulink w bloku Setpoint (rys. 6), przyjęła postać schematu blokowego zilustrowanego na rys. 7.

Rys. 9. Przebiegi sygnałów zadanych i odpowiedzi modelu dla przyssawki o średnicy czaszy 50 mm Fig. 9. Signal waveforms set and model answers for the suction cup with a diameter of 50 mm

Rys. 7. Blok Setpoint Fig. 7. Block Setpoint

Znaczenie przebiegów przedstawionych na rys. 9 jest następujące: 1 – sygnał zadany dla masy detalu równej 1 kg, 2 – sygnał zadany dla masy detalu 3 kg, 3 – sygnał zadany dla masy detalu równej 4 kg, 4 – odpowiedź modelu na sygnał zadany 1, 5 – odpowiedź modelu na sygnał zadany 2, 6 – odpowiedź modelu na sygnał zadany 3. Analizując przebiegi można zaobserwować, że wartości zadane podciśnienia (linie 1, 2, 3) odpowiednio wynosiły 12,5 kPa dla 1 kg, 37,5 kPa dla 3 kg i 50 kPa dla 4 kg. W przypadku sygnału zadanego reprezentowanego przez linię nr 1, model układu sterowania osiągnął właściwą wartość podciśnienia po około 25 s. Dla następnej wartości sygnału zadanego (linia 2), wartość zadaną podciśnienia osiągnięto po około 20 s. Dla sygnału zadanego oznaczonego linią nr 3 wartość zadaną osiągnięto po około 15 s. Kolejnym etapem realizacji projektu była symulacja sprzętowa.

Podczas symulacji komputerowej skalibrowano model układu regulacji, między innymi dobrano nastawy dla regulatora PID. Czynności związane z doborem nastaw prowadzano aż do uzyskania oczekiwanego rezultatu, zgodnego z założeniami projektowymi. Następnie zweryfikowano współpracę systemu sterowania z wybranymi przyssawkami chwytaka. Uzależniono wartość zadaną podciśnienia od parametrów przyssawek i masy detalu poddawanego czynnościom manipulacyjnym. Ten etap symulacji miał następujący przebieg: na wejście bloku Setpoint wprowadzano zakładaną wartość masy detalu poddawanego czynnościom manipulacyjnym (rys. 6). Na tej podstawie w bloku został obliczony sygnał wartości zadanej podciśnienia, który trafił na wejście węzła sumującego, wyliczającego błąd regulacji. Na podstawie tej wartości, w bloku

46

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Stanisław Lis, Marcin Tomasik, Magdalena Dróżdż

8. Model układu regulacji w symulacji sprzętowej Specyfika symulacji sprzętowej wymagała takiego przekształcenia modelu układu regulacji, zilustrowanego schematem na rys. 6, które umożliwi komunikację z otoczeniem systemu. W tym celu bloki reprezentujące model obiektu zastąpiono blokami wejścia analogowego (Analog Input) i wyjścia analogowego (Analog Output) oraz blokami skalowania (scale) sygnałów wejściowego i wyjściowego (rys. 10).

Rys. 10. Schemat blokowy modelu symulacyjnego układu regulacji – symulacja sprzętowa Fig. 10. Block diagram of a simulation model of the control system – hardware simulation

9. Wnioski − Charakterystyka dynamiczna, zarejestrowana dla próżniowego układu zasilania podciśnieniem systemu automatycznego przezbrojenia stanowiska pakowania robotem, odzwierciedla obiekt inercyjny pierwszego rzędu. − Symulacyjny model transmitancyjny odwzorował właściwości dynamiczne obiektu z dokładnością umożliwiającą poprawny dobór parametrów dla układu sterowania. − Symulacja komputerowa umożliwiła kalibrację modelu układu regulacji i poprawny dobór nastaw regulatora PID. − Symulacja komputerowa z wykorzystaniem modelu systemu sterowania dostarczyła istotnych informacji na temat jego działania, w konfiguracji z wybranymi przyssawkami chwytaka podciśnieniowego. − Wyjaśnienia wymaga przyczyna pojawienia się periodycznych zakłóceń sygnału rzeczywistego. − Symulacja sprzętowa prototypu układu automatycznego sterowania podciśnieniem chwytaka robota przemysłowego, w ogólnym ujęciu potwierdziła poprawność założeń projektowych. − Przeprowadzone badania stanowią etap w realizacji projektu układu automatycznego przezbrojenia stanowiska pakowania robotem poprzez zmianę podciśnienia chwytaka w funkcji masy przenoszonego detalu.

Bibliografia 1.

Rys. 11. Zarejestrowane podczas badań sygnały podciśnienia Fig. 11. Recorded during the test signals vacuum

W ten sposób powstał sterownik komunikujący się za pośrednictwem karty I/O z elementami rzeczywistymi obiektu regulacji, tj. przetwornikiem ciśnienia i zaworem proporcjonalnym. Symulacja sprzętowa miała na celu ostatecznie potwierdzić poprawność założeń projektowych i właściwe działanie sterownika. Przebiegi sygnałów dla analizowanego systemu, uzyskane w wyniku symulacji komputerowej i sprzętowej zilustrowano na rys. 11. Na wykresie (rys. 11) widoczne są przebiegi: 1 – sygnał wejściowy (zadany) modelu symulacyjnego i obiektu rzeczywistego, 2 – sygnał wyjściowy modelu symulacyjnego, 3 – sygnał wyjściowy obiektu rzeczywistego. Przebieg wartości zadanej podciśnienia (linia 1) ustalono dla przykładowej przyssawki tak, aby podciśnienie odpowiadało różnym wartościom masy detalu. Wartości masy generowano, a docelowo niezbędnych informacji dostarczy odpowiedni układ pomiarowy. Zagadnienie to będzie przedmiotem dalszych badań. Na podstawie analizy sygnałów wyjściowych (linie 2 i 3) należy stwierdzić, iż nastawy regulatora dobrano poprawnie – rozpatrywane sygnały pokrywają się z wartością zadaną ciśnienia. Porównując przebiegi 2 i 3 można stwierdzić, iż model transmitancyjny opisuje właściwości dynamiczne obiektu z wystarczającą dokładnością – sygnał rzeczywisty (linia 3) nie odbiega znacząco od sygnału wytworzonego przez sformułowany model (linia 2). Szczegółowej analizy wymaga sygnał rzeczywisty (linia 3). W jego przypadku pojawiają się nieprzewidziane przez model symulacyjny periodyczne zakłócenia z amplitudą nieprzekraczającą 1 kPa. Aby wyjaśnić ich przyczynę konieczne są dalsze badania.

Olszewski M., Barczyk J., Falkowski J.L., Kościelny W.J., Manipulatory i roboty przemysłowe. Automatyczne maszyny manipulacyjne. Wydawnictwo Naukowo-Techniczne, Warszawa 1994, ISBN 83-204-1240-4. 2. Shingo S., A Revolution in Manufacturing: The SMED System, Productivity Press, Inc., Portland, Oregon, 1985. 3. Shingo S., Quick Changeover for Operators: The SMED System, Productivity Press, Inc., Portland, Oregon 1996. 4. Mrozek B., Mrozek Z., MATLAB i Simulink. Wyd. HELION, Gliwice 2004. ISBN 83-7361-486-9. 5. Klempka R., Stankiewicz A., Modelowanie i symulacja układów dynamicznych. Wyd. AGH, Kraków 2006, ISBN 83-7464-060-X. 6. Osowski S., Stankiewicz A., Modelowanie i symulacja układów i procesów dynamicznych. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2006, ISBN 83-7464060-X. 7. Kurytnik I.P., Lis S., Dróżdż T., Telega A., Metoda szybkiego prototypowania w opracowaniu algorytmu sterowania instalacją solarną. „Pomiary Automatyka Kontrola”, R. 60, Nr 5, 2014, 325–328. 8. Juszka H., Lis S., Tomasik M., Janosz R., Robotyzacja rolno-spożywczych procesów technologicznych – materiały naukowo-dydaktyczne. Wyd. PTIR, Kraków 2013, ISBN 978-83-935020-7-3. 9. Tarnowski W., Ociepa Z., Projektowanie układów regulacji automatycznej ciągłych z liniowymi korektorami ze wspomaganiem za pomocą MATLAB’a. Wyd. Uczelniane Politechniki Koszalińskiej, Koszalin 2008, ISSN 0239-7129. 10. Lis S., Tomasik M., Nęcka K., Dróżdż T., Nawara P., Wrona P., Oziembłowski M., Konstrukcja i analiza modelu symulacyjnego układu sterowania piecem indukcyjnym. „Przegląd Elektrotechniczny”, R. 91, 12, 2015, 147–150. 11. Ludwicki M., Ludwicki M., Sterowanie procesami technologicznymi w produkcji żywności. Warszawa 2015, ISBN 978-83-01-18209-0. 12. Tadeusiewicz R., Biocybernetyka. Wyd. Naukowe PWN, Warszawa 2014, ISBN 978-83-01-17376-0.

47


System automatycznego przezbrajania stanowiska pakowania robotem przemysłowym

The System of Automatic Changeover Position Packing Industrial Robot Abstract: The design intent for the system of automatic changeover position packing industrial robot. By retrofitting is understood here automatic change vacuum gripper as a function of the weight of the workpieces. Constructed test stand of the measuring system. For the determination of dynamic properties of the object removed step response. The designed system are described simulation transmittance model. The program MATLAB/Simulink was carried out computer simulation, a result of which the setting were selected for the control of the control process. Simulation of a hardware prototype of the automatic control of the vacuum gripper of an industrial robot, in broad terms reaffirmed the correctness of project assumptionsn. Keywords: automatic changeover, vacuum gripper, industrial robot, packaging

dr inż. Stanisław Lis

dr inż. Marcin Tomasik

Absolwent Wydziału Techniki i Energetyki Rolnictwa Akademii Rolniczej im. H. Kołłątaja w Krakowie. W tejże uczelni w 2009 r. uzyskał stopień doktora nauk rolniczych w zakresie inżynierii rolniczej. Od 2011 r. pracuje na stanowisku adiunkta w Katedrze Energetyki i Automatyzacji Procesów Rolniczych na Wydziale Inżynierii Produkcji i Energetyki Uniwersytetu Rolniczego im. H. Kołłątaja w Krakowie. Jego zainteresowania badawcze obejmują automatyzację i robotyzację procesów rolno-spożywczych.

Absolwent Wydziału Techniki i Energetyki Rolnictwa Akademii Rolniczej im. H. Kołłątaja w Krakowie. W tejże uczelni w 2005 r. uzyskał stopień doktora nauk rolniczych w zakresie inżynierii rolniczej. Od 2005 r. pracuje na stanowisku adiunkta w Katedrze Energetyki i Automatyzacji Procesów Rolniczych na Wydziale Inżynierii Produkcji i Energetyki Uniwersytetu Rolniczego im. H. Kołłątaja w Krakowie. Jest autorem i współautorem: 2 monografii, 90 publikacji w krajowych czasopismach naukowych, 6 publikacji w zagranicznych czasopismach naukowych, w tematyce modelowania, automatyzacji (z zastosowaniem PLC oraz systemów informatycznych SCADA) procesów produkcyjnych.

stanislaw.lis@ur.krakow.pl

marcin.tomasik@ur.krakow.pl

mgr Magdalena Dróżdż magdalena.j.drozdz@gmail.com

Uzyskała tytuł licencjata kierunku dietetyka na Wydziale Lekarskim Collegium Medicum Uniwersytetu Jagiellońskiego w 2014 roku. Edukację kontynuowała na Wydziale Nauk o Zdrowiu Uniwersytetu Medycznego im. Piastów Śląskich we Wrocławiu na kierunku dietetyka, uzyskując tytuł magistra w 2016 roku. Od 2016 roku jest doktorantką Uniwersytetu Przyrodniczego we Wrocławiu na Wydziale Nauk o Żywności. Jej zainteresowania badawcze obejmują inżynierię produkcji w technologii żywności i dietetykę.

48

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 20, Nr 3/2016, 49–56, DOI: 10.14313/PAR_221/49

Elektroniczny niemostkowy układ konwertera rezystancji czujników temperatury Pt 500 na sygnał cyfrowy Jacek Korytkowski Przemysłowy Instytut Automatyki i Pomiarów PIAP, Al. Jerozolimskie 202, 02-486 Warszawa

Streszczenie: Celem artykułu jest przedstawienie oryginalnego niemostkowego układu konwersji pojedynczej rezystancji czujników temperatury Pt 500 na sygnał cyfrowy. Układ został zrealizowany przy wykorzystaniu trzech wzmacniaczy monolitycznych oraz jednego monolitycznego przetwornika analogowo-cyfrowego. Podano opis matematyczny przetwarzania rezystancji na wyjściowy równoległy sygnał cyfrowy. Przedstawiono i omówiono szczegółowy schemat elektryczny modelowego układu konwertera. Przedstawiono wyniki badań dokładności charakterystyki modelowego układu konwertera w przedziale zmian rezystancji od 0,5 Ω do około 2000 Ω. Opracowany układ elektroniczny umożliwia przetwarzanie rezystancji z dobrą dokładnością, z błędami nieliniowości charakterystyki o wartościach mniejszych od 0,05%. Słowa kluczowe: : dokładny konwerter rezystancji na sygnał cyfrowy, przetwornik do współpracy z czujnikiem rezystancyjnym Pt 500

1. Wprowadzenie Stosowanie konwerterów rezystancji na sygnał cyfrowy wynika z potrzeb współczesnych mikroprocesorowych i komputerowych technik kontroli właściwości metrologicznych urządzeń automatyki przemysłowej oraz aparatury do pomiarów przemysłowych. Konwertery rezystancji powinny stanowić niezbędne wyposażenie mikroprocesorowych testerów oraz komputerowych stanowisk wykorzystywanych przez producentów sprzętu, a także użytkowników sprzętu na obiekcie rzeczywistym i w laboratoriach. Rozwiązania konwerterów niemostkowych rezystancji na sygnał cyfrowy są rzadko opisywane w polskiej literaturze technicznej. Odbiegają one od klasycznych układów pomiaru rezystancji, w których stosuje się stabilizację prądu i pomiar napięcia lub stabilizację napięcia i pomiar prądu [1, 2]. W tych niemostkowych konwerterach rezystancji wykorzystuje się operację dzielenia sygnałów analogowych w odpowiednio dobranym monolitycznym przetworniku analogowo-cyfrowym. W praktyce przemysłowej dużą grupę układów pomiarowych i układów automatyki stanowią układy z wejścio-

Autor korespondujący: Jacek Korytkowski, jkorytkowski@piap.pl Artykuł recenzowany nadesłany 3.06.2016 r., przyjęty do druku 21.07.2016 r. Zezwala się na korzystanie z artykułu na warunkach licencji Creative Commons Uznanie autorstwa 3.0

wymi rezystancyjnymi czujnikami temperatury [3]. Głównie stosuje się platynowe rezystancyjne czujniki temperatury Pt 100, Pt 500, Pt 1000, gdyż charakteryzują się dobrą stałością charakterystyki w czasie. Są stosowane także rezystancyjne czujniki niklowe Ni oraz czujniki miedziowe Cu o gorszych właściwościach metrologicznych. Współczesne testery i stanowiska pomiarowe do kontroli właściwości metrologicznych urządzeń pomiarowych temperatury i ciepła mogą być budowane z wykorzystaniem dokładnych konwerterów rezystancji o wyjściowym sygnale cyfrowym, który po obróbce mikroprocesorowej może być wyświetlany jako wynik pomiarów. W dotychczasowej praktyce stosuje się różne układy pomiarowe do współpracy z czujnikami rezystancyjnymi. Pomiary bywają realizowane metodami klasycznymi przy stabilizowaniu napięcia czy prądu, lub metodami mostkowymi, ale także przy stosowaniu jednoczesnego pomiaru napięcia i prądu oraz odpowiedniego układu dzielącego. Pomiary mostkowe charakteryzują się często zależnościami nieliniowymi. Jest dostępna bogata literatura nt. układów mostkowych [4–6]. W artykule nie są omawiane układy klasyczne ani mostkowe. Wcześniej Autor przedstawił [7] możliwe konfiguracje elektronicznych niemostkowych układów konwerterów pojedynczej rezystancji i pojedynczej konduktancji na sygnał cyfrowy i wykazał, że istnieją tylko cztery podstawowe konfiguracje takich konwerterów. Obecnie powszechnie dostępne są monolityczne przetworniki cyfrowo-analogowe oraz monolityczne wzmacniacze pozwalające realizować odpowiednie układy sterowanych źródeł napięcia i sterowanych źródeł prądu, które są niezbędne do przetwarzania rezystancji na sygnał cyfrowy.

49


Elektroniczny niemostkowy układ konwertera rezystancji czujników temperatury Pt 500 na sygnał cyfrowy

2. Proponowane symbole sterowanych źródeł napięcia, źródeł prądu i przetwornika analogowo-cyfrowego

nego punktu sygnałowego doprowadzone jest napięcie sterujące Uwe. Charakterystyka sterowania układu jest liniowa i opisana zależnością: Iwy = gIUwe,

2.1. Źródło napięcia sterowane napięciem o wejściu nieróżnicowym

gdzie: gI – współczynnik przetwarzania napięcia wejściowego na prąd wyjściowy wyrażony w jednostkach A/V = S (simens). Konduktancja wejściowa omawianego źródła sterowanego napięciem w opisanych w dalszej części artykułu zastosowaniach nie musi mieć wartości zerowej. Rezystancja wejściowa może przyjmować skończone wartości odpowiednio do wymagań ze strony układu, w którym jest stosowane sterowane źródło prądu.

Źródło napięcia sterowane napięciem o wejściu nieróżnicowym (rys. 1) charakteryzuje się tym, że biegun sygnału wejściowego „we −” oraz biegun sygnału wyjściowego „wy −” są wewnętrznie zwarte do wspólnego punktu sygnałowego. To powoduje, że napięciowy sygnał wejściowy Uwe oraz napięciowy sygnał wyjściowy Uwy odnoszone są do wspólnego punktu sygnałowego. Źródło to ma dwa bieguny wyjściowe oznaczane „wy +” oraz „wy −”. Rezystancja wewnętrzna tego źródła jest pomijalna (źródło napięciowe idealne), jego biegun „wy −” jest bezpośrednio połączony do wspólnego punktu sygnałowego układu elektrycznego (zwanego w języku angielskim „common”). Napięcie wyjściowe źródła opisane jest symbolem Uwy. Źródło to ma wejście o biegunach oznaczanych „we + ” oraz „we −”, do których jest doprowadzone napięcie sterujące Uwe. Charakterystyka sterowania jest liniowa, opisana wzorem: Uwy = kU1Uwe,

2.3. Przetwornik analogowo-cyfrowy o napięciowych sygnałach sterującym i referencyjnym

Na rysunku 3 przedstawiono typową strukturę przetwornika analogowo-cyfrowego z napięciem wejściowym Uwe oraz z zewnętrznym napięciem referencyjnym UREF. W monolitycznych przetwornikach analogowo-cyfrowych rezystancja wejściowa dla napięcia referencyjnego UREF oraz rezystancja wejściowa dla napięcia wejściowego Uwe przyjmuje niezbyt duże wartości – od kilku do kilkudziesięciu kΩ. Źródła wejściowego sygnału napięciowego Uwe oraz zewnętrznego napięcia referencyjnego UREF mają swoje ujemne bieguny łączone z analogowym wspólnym punktem układu oznaczonym AGND (ang. analogue common). Sygnały cyfrowe są odnoszone do cyfrowego wspólnego punktu układu oznaczonego DGND (ang. digital common), przy czym w monolitycznych przetwornikach analogowo-cyfrowych wymaga się, aby różnica między wspólnym analogowym punktem sygnałowym AGND a cyfrowym punktem sygnałowym DGND była mniejsza od 1 V. Charakterystykę typowego przetwornika analogowo-cyfrowego opisuje równanie:

(1)

gdzie kU1 – współczynnik wzmocnienia napięciowego wyrażony w jednostkach V/V. Wejście o biegunach sterujących oznaczonych „we + ” i „we −” charakteryzuje się pomijalną konduktancją wejściową (Rwe→∞), do tego wejścia doprowadzany jest sygnał sterujący Uwe.

2.2. Źródło prądu sterowane napięciem o wejściu nieróżnicowym Źródło prądu sterowane napięciem o wejściu nieróżnicowym (rys. 2) ma dwa bieguny wyjściowe oznaczane „wy +” oraz „wy −”. Konduktancja wewnętrzna tego źródła prądu jest pomijalna (idealne źródło prądu ma Rwew → ∞). Biegun ujemny „wy −” jest bezpośrednio połączony do wspólnego punktu sygnałowego układu. Prąd wyjściowy źródła oznaczony jest symbolem Iwy. Źródło ma wejście o biegunach oznaczonych „we +” oraz „we−”, przy czym biegun „we −” jest wewnętrznie połączony z biegunem „wy −” źródła prądu do wspólnego punktu sygnałowego układu. Do bieguna sterującego ”we +” oraz do wspól-

a)

,

b)

P

O

M

I

A

R

Y

(3)

gdzie XC jest sygnałem cyfrowym. We współczesnych układach mikroprocesorowych transmisja sygnałów cyfrowych odbywa się za pośrednictwem interfejsów. Stosuje się wiele odmian interfejsów, niektóre z często używanych opisuje literatura [8].

a)

A

U

T

O

b)

Rys. 2. Źródło prądu sterowane napięciem o wejściu nieróżnicowym; a) symbol z opisem napięcia i prądu, b) symbol uproszczony Fig. 2. The current source controlled by voltage signal having non-differential input; a) the symbol with voltage and current description, b) the simple symbol

Rys. 1. Źródło napięcia sterowane napięciem o wejściu nieróżnicowym; a) symbol z opisem napięć, b) symbol uproszczony Fig. 1. The voltage source controlled by voltage signal having non-differential input; a) the symbol with voltages description, b) the simple symbol

50

(2)

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Jacek Korytkowski

a)

nienia (źródło ma pomijalną wartość konduktancji napięciowego wejścia sterującego):

b)

kU1 = US/U = 10 V/V,

Rys. 3. Przetwornik analogowo-cyfrowy z wejściowym sygnałem napięciowym oraz z zewnętrznym napięciem referencyjnym; a) symbol z zaznaczeniem napięć analogowych, b) symbol uproszczony Fig. 3. The analogue-digital converter having voltage input signal and voltage external reference signal; a) the symbol with voltages description, b) the simple symbol

(5)

I – źródło prądu sterowane napięciem UREF o współczynniku przetwarzania gI = I/UREF w jednostkach (A/V) S (simens), UREF – źródło napięcia referencyjnego, A/C – przetwornik analogowo-cyfrowy o sygnale wejściowym napięciowym US oraz z zewnętrznym napięciem referencyjnym UREF i o wyjściowym sygnale cyfrowym XC. Sygnał wyjściowy przetwornika A/C opisuje równanie: .

(6)

W omawianym układzie zastosowano interfejs równoległy do transmisji słów binarnych w kodzie dwójkowym prostym, toteż charakterystyka przetwornika jest opisana równaniem:

Charakterystykę sterowanego źródła prądu opisuje równanie: I = gIUREF. (7)

(4)

Wobec tego wartość przetwarzanej rezystancji opisuje wzór:

gdzie: bn–1, bn–2, …, b0 – współczynniki dwuwartościowe, zwane stanami poszczególnych bitów, lub krótko bitami, mogą przyjmować tylko dwie wartości – 0 lub 1. Przetwornik analogowo-cyfrowy wykonuje operację dzielenia dwu sygnałów analogowych: napięcia wejściowego Uwe i napięcia referencyjnego UREF, co umożliwia realizację konwertera rezystancji na sygnał cyfrowy. Funkcja ta była od dawna wykorzystywana [9] w mostkowych układach pomiarowych rezystancji w celu eliminowania wpływu zmian napięcia zasilania mostka na wynik cyfrowy pomiaru.

3. Realizacja układowa konwertera rezystancji na sygnał cyfrowy Schemat elektryczny konwertera rezystancji na sygnał cyfrowy z zasilaniem rezystancji ze źródła prądu przedstawiono na rys. 4. Występują tu następujące elementy: R – rezystancja przetwarzana, US – źródło napięcia sterowane sygnałem napięciowym U z rezystancji R; źródło to charakteryzuje współczynnik wzmoc-

,

(8)

a sygnał wyjściowy opisuje równanie: XC = kU1 gI R.

(9)

4. Zastosowane układy elektroniczne sterowanych źródeł napięcia i prądu Na rys. 5 został podany schemat wzmacniacza specjalizowanego typu LT1168 [10, 11]. Zawiera on w wewnętrznej strukturze trzy wzmacniacze operacyjne oraz laserowo strojone rezystory dokładne. Wzmacniacz ten stanowi źródło napięcia sterowane sygnałem napięciowym. Zaletą zastosowanego wzmacniacza specjalizowanego jest to, że wzmocnienie różnicy napięć sygnałów wejściowych jest ustalane tylko za pomocą jednego zewnętrznego dokładnego rezystora RkU1 w szerokim zakresie – od 1 V/V do 1000 V/V. Rezystory 4,7 kΩ są tanimi elementami stosowanymi do zabezpieczania wejść wzmacnia-

Rys. 4. Konwerter rezystancji na sygnał cyfrowy z zastosowaniem sterowanego źródła prądu Fig. 4. The resistance to digital converter with feed the converted resistance from controlled current source

51


Elektroniczny niemostkowy układ konwertera rezystancji czujników temperatury Pt 500 na sygnał cyfrowy

7

LT1168 +

3 2

U1

4,7 kΩ

monolitycznych specjalizowanych wzmacniaczy W2 oraz W3 typu LT1168, do którego zewnętrznie należy dołączyć tylko trzy rezystory: R1, RkU2 oraz RkU3. Rezystor R1 formuje sygnał napięciowy U1 = R1I proporcjonalny do wartości prądu wyjściowego I. Napięcie U1 stanowi sygnał wejściowy wzmacniacza W2, a rezystor RkU2 zapewnia wymaganą wartość wzmocnienia napięciowego kU2 wzmacniacza W2, który ustala wartość sygnału wyjściowego wzmacniacza zgodnie ze wzorem:

4

4,7 kΩ

5

1

8

Uwy=kU1 U1

6

_

RkU1

k

U1

  49,4kΩ    + 1    R   kU1  

≈ 

Uwy2 = kU2R1I.

Rezystor RkU3 ustala wartość wzmocnienia wzmacniacza W3 – dobrana wartość (47 Ω) zapewnia bardzo duże wzmocnienie napięciowe tego wzmacniacza. Wzmocnienie to, obliczone ze wzoru (11), przyjmuje wartość 1052 V/V. To powoduje, że różnica napięć na wejściach tego wzmacniacza UR − kU2R1I ≈ 0 jest pomijalna, a prąd wyjściowy I opisać można w sposób przybliżony zależnością:

Rys. 5. Źródło napięcia sterowane sygnałem napięciowym ze wzmacniaczem specjalizowanym LT1168 Fig. 5. The voltage source controlled by the voltage signal with monolithic instrumentation amplifier LT1168

cza, a ich mała wartość nie wpływa na współczynnik wzmocnienia napięciowego. Tego typu wzmacniacze specjalizowane mają dobre właściwości charakterystyczne dla wzmacniaczy precyzyjnych w zakresie małych wartości napięć niezrównoważenia (80 μV), małych dryftów temperaturowych napięć niezrównoważenia (0,4 μV/°C), małych wartości prądów polaryzacji wejść (0,8 nA) oraz bardzo dużych wartości rezystancji wejściowych (> 200 GΩ). Wzmacniacze te zapewniają dobrą liniowość charakterystyki (rzędu 100 ppm). Układ LT1168 wzmacnia różnicę napięć podanych na jego wejście „+” U1 oraz na wejście „−” U2, zgodnie z zależnością: Uwy = kU1 (U1 – U2),

(13)

,

gdzie: (14)

.

Dla układu z rys. 6, prąd wyjściowy I sterowany sygnałem napięciowym UR, w zakresie liniowej pracy wzmacniacza wyjściowego, spełnia zależność realizowaną przez źródło prądu sterowane napięciowo. Opis charakterystyki konwertera rezystancji (rys. 4), w którym zastosowano sterowane źródła (rys. 5 oraz rys. 6) otrzymamy przekształcając wzory (8), (12) i (14) do postaci:

(10)

Ponieważ napięcie (rys. 5) podawane na wejście „−” jest równe zero, to napięcie wyjściowe układu jest równe: Uwy = kU1U1. Współczynnik wzmocnienia napięciowego kU1 wzmacniacza LT1168 opisywany jest wzorem: .

(12)

,

(11)

(15)

gdzie: kU1 – wzmocnienie napięciowe wzmacniacza LT1168 sterowanego źródła napięcia (rys. 5), kU2 – wzmocnienie napięciowe wzmacniacza W2 sterowanego źródła prądu (rys. 6), R1 – wartość rezystancji z układu źródła prądu (rys. 6).

Na rys. 6 został przedstawiony schemat źródła prądu sterowanego sygnałem napięciowym. Jest to układ złożony z dwóch

Rys. 6. Źródło prądu o wejściu nieróżnicowym sterowane sygnałem napięciowym Fig. 6. The current source with non-differential inputs controlled by the voltage signal

52

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Jacek Korytkowski

5. Opis modelu doświadczalnego konwertera Pełny schemat modelu doświadczalnego konwertera rezystancji został przedstawiony na rys. 7. W celu uzyskania lepszej przejrzystości (rys. 7) na schemacie nie umieszczono zastosowanych kondensatorów tantalowych odsprzęgających o pojemności 390 nF dołączonych między wspólne punkty „5” (AGND) oraz do końcówek „7” poszczególnych wzmacniaczy W1, W2, W3, dla dodatnich napięć zasilających +Uz oraz takich samych kondensatorów tantalowych dołączonych między wspólne punkty „5” (AGND) i do końcówek „4” tych wzmacniaczy dla ujemnych napięć zasilających –Uz. Dla rozszerzenia roboczego pola napięć wzmacniaczy do ±15 V, czego czasami mogą wymagać układy przetwarzania rezystancji, zastosowano napięcia zasilające tych wzmacniaczy o wartości +Uz = +18 V ±0,1 V oraz –Uz = –18 V ±0,1 V. Przetwornik A/C typu AD1674J [12] wymaga niższych napięć zasilających (co najwyżej ±16,5 V). Dodatnie napięcie zasilające +18 V doprowadzono przez szeregowo połączoną diodę D514 (czerwona dioda LED świecąca typu L-934LSRD) do końcówki „7” przetwornika, co obniżyło napięcie zasilania do wartości +16,4 V. Podobnie ujemne napięcie zasilające –18 V doprowadzono odpowiednio przez szeregowo połączoną diodę D515 (czerwona dioda LED świecąca typu L-934LSRD) do końcówki „11” przetwornika, co obniżyło napięcie zasilania do wartości –16,4 V. Małe wartości rezystancji dynamicznych

tych diod w stanie świecenia umożliwiają prawidłową pracę przetwornika C/D. Dla tego przetwornika zastosowano, wymagane przez producenta, dwa różne typy kondensatorów odsprzęgających dla wszystkich napięć zasilających. Są to kondensatory ceramiczne C51, C52, C53 o pojemności 100 nF oraz kondensatory tantalowe C54, C55, C56 o pojemności 10 µF. Zgodnie z wymaganiem producenta, zastosowano kondensator tantalowy C57 o wartości 10 µF odblokowujący wejście napięcia referencyjnego REFIN dołączony do końcówki „10” przetwornika A/C. Dla generatora impulsów TIMER typu NE555P inicjujących działanie przetwornika A/C zastosowano kondensator odblokowujący ceramiczny C41 o pojemności 100 nF. Dla sygnałów cyfrowych przetwornika AD1674J zastosowano osobny wspólny punkt zasilania cyfrowego nazwany DGND, zasilany z dodatkowego napięcia ujemnego o wartości około –0,5 V, a uzyskanego z odpowiednio zasilanej, ujemnym napięciem spolaryzowanej w kierunku przewodzenia, diody krzemowej DZ na średnie prądy (3 A), np. typu MUR460LGE. Zapewniło to brak zakłócającego działania sygnałów cyfrowych na obwód konwertera rezystancji. Zastosowany przetwornik AD1674J wymaga generatora impulsu, którego opadające zbocze inicjuje realizowanie funkcji przetwarzania wejściowych sygnałów analogowych na wyjściowy sygnał cyfrowy. Jako generator został użyty monolityczny układ scalony typu NE555P. Zaletą tego generatora jest możliwość generowania powtarzającego się ciągu impul-

Rys. 7. Schemat elektroniczny układu konwertera rezystancji na sygnał cyfrowy Fig. 7. The schematic diagram of the converter for resistance to digital signal conversion

53


Elektroniczny niemostkowy układ konwertera rezystancji czujników temperatury Pt 500 na sygnał cyfrowy

sów o wysokiej częstotliwości, lub generowania pojedynczego impulsu, którego wynikiem jest jednokrotne zadziałanie przetwornika A/C i zapamiętanie cyfrowego sygnału wyjściowego. Do wyboru rodzaju pracy TIMERA służy przełącznik Ł41. W położeniu „1” wygenerowanie pojedynczego impulsu następuje po chwilowym zwarciu łącznika Ł42, po czym następuje wyświetlenie przez diody od D51 do D512 zapamiętanego sygnału cyfrowego będącego wynikiem jednokrotnego działania przetwornika A/C. Jeżeli przełącznik Ł41 znajduje się w położeniu „2”, występuje ciągłe generowanie impulsów – sygnalizowane odpowiednim świeceniem czerwonych diod LED oznaczonych symbolami od D51 do D512 (w układzie zastosowano diody LED małej mocy, czerwone typu L934LSRD). Taki rodzaj pracy pozwala ustalić wartość sygnału analogowego na granicy, przy której następuje przełączanie najmniej znaczącego bitu DB0 na bit wyższy DB1. Na tak ustalonej granicy następuje słabsze świecenie diody D51 oraz diody D52. Wartość sygnału granicznego określana jest jako średni wynik z kilkudziesięciu pojedynczych przetworzeń. Zastosowany w układzie z rys. 7 przetwornik AD1674J jest przetwornikiem dwunastobitowym (n = 12). Bit najmniej znaczący oznaczony jest DB0, a wartość tego bitu według wzoru (15) nosi oznaczenie b0. Brak świecenia diody D51 oznacza b0 = 0, stan świecenia diody D51 oznacza b0 = 1. Bit najwyższy oznaczony jest BD11, a wartość tego bitu to b11. Wzór opisujący charakterystykę konwertera dla układu z rys. 7 przyjmuje postać:

filtracji zakłóceń jest kondensator foliowy C11 = 33 nF typu MKSE-012 usuwający zakłócenia wysokiej częstotliwości, na które wrażliwy jest wzmacniacz specjalizowany W1 typu LT1168 (producent [10] zaleca równolegle z wejściem stosować kondensator o pojemności C = 100 nF). Filtrację zapewnia układ złożony z rezystora R52 = 22 Ω oraz kondensatora tantalowego C58 = 47 μF na wejściu przetwornika A/C. Bardzo ważną rolę spełniają też opisane wcześniej kondensatory odblokowujące zakłócenia na zaciskach zasilania wzmacniaczy, TIMERA i przetwornika A/C. Jako rezystory R11, R12, R13 oraz R21 zastosowano precyzyjne rezystory o tolerancji ±0,1% oraz o małych współczynnikach temperaturowych rezystancji ±15 ppm/°C. Rezystor R11 = 100 Ω jest typu MF006BB1000A10 [12]. Rezystor R12 stanowi połączenie szeregowe czterech rezystorów o rezystancji 100 Ω typu MF006BB1000A10. Rezystor R13 to połączenie równoległe dwu rezystorów o rezystancji 10 kΩ typu MF006BB1002A10 [12]. Rezystor R 21 stanowi połączenie szeregowe dwu rezystorów o rezystancji 10 kΩ typu MF006BB1002A10 Pozostałe rezystory, które nie decydują bezpośrednio o dokładności układu, są rezystorami o tolerancji 5%. Wieloobrotowe miniaturowe potencjometry strojeniowe typu helitrim (P11, P12, P51) mają współczynniki temperaturowe nie większe niż 100 ppm/°C. Dla układu opisywanego konwertera, strojeniu podlega charakterystyka tylko dla jednej polaryzacji sygnałów wejściowych. Rodzaj polaryzacji jest wynikiem wymagań narzuconych przez czujnik rezystancyjny, dla którego przeznaczony jest konwerter. W praktyce czujniki takie stosują przeważnie dodatnią polaryzację napięcia zacisku wejściowego 1 oznaczonego na schemacie „+” względem zacisku 2 oznaczonego na schemacie „−”. Dalej podano opis procedury strojenia symulatora dla wybranej polaryzacji dodatniej. Przy wymaganej polaryzacji ujemnej należy zmienić wzmocnienie wzmacniacza W1 na ujemne –10 V/V (co wymaga zamiany między sobą zacisków wejściowych wzmacniacza W1), gdyż przetwornik A/C o zastosowanych połączeniach wymaga dodatnich napięć wejściowych, a następnie dokonać przestrojenia konwertera. Przed strojeniem należy odpowiednio dobrać początkowe nastawy potencjometrów P11, P12 oraz P51. Suwak wieloobrotowego potencjometru P11 należy ustawić w dowolne położenie pośrednie. Suwak potencjometru P12 powinien mieć położenie początkowe, przy którym napięcie podawane na wzmacniacz W1 ma wartość pomijalną. W tym celu po ustawieniu przełącznika Ł11 w położeniu „a” należy dołączyć miliwoltomierz między punktem „a” a suwakiem potencjometru i tak dobrać skrajne ustawienie suwaka, przy którym miliwoltomierz pokaże minimalne napięcie (np. < 2 μV). Następnie należy dołączyć miliwoltomierz pomiędzy AGND i suwak potencjometru P51, suwak należy ustawić w takim położeniu, aby mierzone napięcie nie przekraczało ±100 μV. Pierwszym etapem strojenia jest wyzerowanie charakterystyki wzmacniacza W1 dla zminimalizowania błędów prze-

(16) gdzie: kU1 – wzmocnienie napięciowe wzmacniacza W1, kU2 – wzmocnienie napięciowe wzmacniacza W2, R21 – wartość rezystancji z układu wzmacniacza W2. Wzmocnienie napięciowe wzmacniacza W1 (rys. 7) jest strojone za pomocą nastawy potencjometru P11 na wartość kU1 = 10 V/V, wzmocnienie napięciowe wzmacniacza W2 jest równe kU2 = 1 V/V, a wartość rezystancji R21 jest równa 20 kΩ. Charakterystykę układu konwertera opisuje równanie:

R = 2000 (bn −1 2 -1+bn − 2 2-2 +...+b0 2-n ) [Ω]

(17)

Spełnienie tego równania wymagało zastosowania w układzie obwodu korekcji dynamiki, układów filtracji zakłóceń, dokładnych rezystorów, właściwych potencjometrów strojeniowych oraz właściwego strojenia charakterystyki. Stabilną pracę konwertera zapewniło zastosowanie układu korekcyjnego złożonego z C31 oraz R34 na wejściu wzmacniacza W3 pracującego w obwodzie ujemnego sprzężenia zwrotnego na wzmacniaczu W2. Kondensator C31 = 33 nF jest kondensatorem foliowym typu MKSE-012 o pomijalnej upływności konduktancji (rezystancja > 1000 GΩ). Ważnym elementem

Tab. 1. Wartości błędów względnych nieliniowości charakterystyki konwertera odniesione do pełnego jego zakresu 2000 Ω Tab. 1. The values of relative errors nonlinearity characteristic of converter refer to fool range 2000 Ω

Rid [Ω]

1998,76

1749,88

1499,79

1249,82

999,98

749,96

500,08

250,20

125,31

6

RP [Ω]

1998,78

1750,31

1500,04

1250,05

1000,23

750,32

500,06

250,27

125,26

6

(RP – Rid) [Ω]

0,02

0,43

0,25

0,23

0,25

0,36

–0,02

0,07

–0,05

dRP

10 ppm

215 ppm

125 ppm

115 ppm

125 ppm

180 ppm

–10 ppm

35 ppm

–25 ppm

54

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6

–8


Jacek Korytkowski

twarzania rezystancji na sygnał cyfrowy dla małych wartości rezystancji. W tym celu należy zadać na wejściu konwertera dokładną rezystancję o wartości 2000 Ω i skorygować wartość napięcia na wejściu „13” przetwornika A/C do wartości równej 10,0 mV odpowiednią zmianą położenia suwaka potencjometru P12 dobierając przełącznikiem Ł11 potrzebną polaryzację („a” lub „b”) dla tej korekcji. Drugim etapem strojenia jest odpowiednie dobranie nastawy potencjometru P11, aby przy zadawaniu na wejściu dokładnej rezystancji o wartości 1999,512 Ω, cyfrowy sygnał wyjściowy zawierał wszystkie bity jedynkowe od b11 do b0. Przetwornik A/C typu AD1674J bardzo rzadko wymaga zerowania za pomocą potencjometru strojeniowego P51. Strojenie jest konieczne, jeżeli występują zbyt duże błędy przetwarzania cyfrowego bardzo małych wartości rezystancji w zakresie pojedynczych omów. Po zestrojeniu uzyskuje się charakterystykę konwersji rezystancji jak we wzorze (16). Konwerter ma zakres przetwarzania rezystancji do 1999,512 Ω przy pełnym wysterowaniu wyjściowego sygnału cyfrowego XC (przy jedynkowych wartościach wszystkich bitów od b11 do b0), od 0,49 Ω dla minimalnej wartości rezystancji i minimalnego sygnału cyfrowego XC (zerowe wartości wszystkich kolejnych bitów od b11 do b1, ale przy jedynkowej wartości najmniej znaczącego bitu b0 = 1). Po uruchomieniu układu modelowego sprawdzono charakterystyki stosując multimetr cyfrowy typ 2002 firmy Keithley. Wyniki badania charakterystyki modelowego układu konwertera rezystancji podano w tab. 1. Symbolem Rid oznaczono idealną wartość przetwarzanej rezystancji. Symbolem RP oznaczono średnie wartości zmierzone za pomocą układu modelowego. Są to średnie wartości z 38 kolejnych przetworzeń modelowego konwertera. Największy błąd nieliniowości charakterystyki nie przekracza +215 ppm. Błąd przy minimalnej wartości przetwarzanej rezystancji 0,88 Ω to –100 ppm. Celem badań eksperymentalnych, w których wykorzystano 12-bitowy tani przetwornik A/C [12] i wzmacniacze monolityczne (również o umiarkowanej cenie), było sprawdzenie charakterystyki całego układu konwertera. Stwierdzono błąd nieliniowości o wartości 0,022%, który jest mniejszy niż graniczny błąd rozdzielczości A/C tego przetwornika deklarowany przez producenta [12] i wynoszący ±1 LSB (0,024%).

5. Podsumowanie Opracowany układ konwertera rezystancji (rys. 7) umożliwia przetwarzanie rezystancji w zakresie od 0,5 Ω do 2000 Ω z błędami nieliniowości poniżej 0,03% wartości nominalnej zakresu. Przy innych wartościach rezystora oznaczonego symbolem R21 można zmieniać nominalne wartości zakresu przetwarzania zgodnie ze wzorem (16).

Zaletą przedstawionego w artykule układu jest to, że wspólny punkt sygnałowy AGND jest połączony bezpośrednio z zaciskiem wejścia konwertera (oznaczonym 2 „−”), co zapewnia odporność układu konwertera na działanie pojemności zakłócających źródeł prądowych o częstotliwości 50 Hz sieci energetycznej.

Bibliografia 1. KEITHLEY: Low Level Measurements Handbook. Precision DC Current, Voltage, and Resistance Measurements. 7th Edition. KEITHLEY, A Tektronix Company. Printed in U.S.A. 2013. 2. Lisowski M., Metody wzorcowania cyfrowych mierników bardzo dużych rezystancji. „Pomiary Automatyka Kontrola”, Vol. 51, Nr 10, 2005, 5–7. 3. Michalski L., Eckersdorf K., Pomiary temperatury. Wydanie trzecie zmienione. Wydawnictwa Naukowo-Techniczne. Warszawa 1986. 4. Warsza Z.L., Immitancyjne układy czterobiegunowe (4-T) w pomiarach wieloparametrowych. Monografia, Przemysłowy Instytut Automatyki i Pomiarów, Warszawa 2004. 5. Warsza Z.L., Miary dokładności transmitancji mostka rezystancyjnego w przypadkach szczególnych, „Pomiary Automatyka Kontrola”, Nr 10, 2007, 17–24. 6. Warsza Z.L., Nowe ujęcie opisu dokładności mostka z przemysłowymi czujnikami Pt. Materiały konferencji PPM’08 „Podstawowe Problemy Metrologii w Suchej Beskidzkiej, 11–14 maja 2008. Prace Komisji Metrologii Oddziału PAN w Katowicach, Konferencje, nr 8. 7. Korytkowski J., Elektroniczne niemostkowe układy przetwarzania rezystancji i konduktancji na sygnał cyfrowy, „Pomiary Automatyka Robotyka”, Vol. 20, Nr 1, 2016, 47–55, DOI: 10.14313/PAR_219/47. 8. Korytkowski J., Elektroniczne symulatory rezystancji i konduktancji w układach pomiarowych. Oficyna Wydawnicza PIAP. Warszawa 2014. 9. Kester W., Przetworniki A/C i C/A. Teoria i praktyka. (tłumaczenie: Nadachowski M., Kręciejewski M., oryginał: Analog-Digital Conversion, 2004 Analog Devices Inc.). Wydanie I. Wydawnictwo BTC Korporacja, 2012. 10. LINEAR TECHNOLOGY: LT1168 Low Power, Single Resistor Gain Programmable, Precision Instrumentation Amplifier. LT/LWI0906 REV A. LINEAR TECHNOLOGY CORPORATION 2000, http://www.linear.com/product/ LT1168. 11. Korytkowski J., Układ elektroniczny cyfrowego syntezatora konduktancji do symulacji dużych rezystancji, „Pomiary Automatyka Robotyka”, Vol. 19, Nr 3, 2015, 41–47, DOI: 10.14313/PAR_217/41. 12. ROYALOHM: Precision metal film fixed resistors. General Specifications. 2006–2007. http://www.tme.eu/pl/Document/0027213a25a9d49c0b8760349ca3ff7c/mp0_6w.pdf.

25,31

62,84

31,64

16,02

8,24

4,28

1,39

0,88

0,39

0,01

25,26

62,68

31,51

15,79

8,08

4,13

1,31

0,68

0,22

0,00

0,05

–0,16

–0,13

–0,23

–0,16

–0,15

–0,08

–0,20

–0,17

–0,01

5 ppm

–80 ppm

–65 ppm

–115 ppm

–80 ppm

–75 ppm

–40 ppm

–100 ppm

–85 ppm

–5 ppm

55


Elektroniczny niemostkowy układ konwertera rezystancji czujników temperatury Pt 500 na sygnał cyfrowy

The electronic non-bridge circuits for conversion resistance of Pt 500 temperature sensors to the digital signal Abstract: The object of paper is description the electronic circuit for conversion the resistance of

Pt 500 temperature sensors to digital signal with using the monolithic amplifies and the monolithic analogue-digital converter. It is shown the electronic schematic of this non bridge resistance converter to digital signal. It was formulated equations as the characteristic description of this converter. The experimental examination results of converter model for resistance at the range from 0.5 Ω to 2000 Ω are described. The elaborated electronic circuit of resistance converter have good qualities of resistance characteristic accuracy. The errors of nonlinearity are better than 0.05% of the fool converter range Keywords: the resistance to digital signal converter, transducer for Pt 500 temperature sensors

dr inż. Jacek Korytkowski, prof. PIAP jkorytkowski@piap.pl

Ukończył studia na Wydziale Elektrycznym Politechniki Warszawskiej, obronił doktorat w 1972 r., uzyskał stanowiska: docenta w 1978 r., prof. nzw. w 2010 r. Kierownik Pracowni w Instytucie Elektrotechniki 1962–1970. Kierownik Zespołu w Przemysłowym Instytucie Automatyki i Pomiarów w latach 1970–2007. W okresie 1973–1982 starszy wykładowca i docent na Wydziale Elektrycznym Politechniki Warszawskiej. Jest laureatem kilkunastu nagród za wdrożenia przemysłowe, w tym Zespołowej Nagrody Państwowej 2. stopnia w 1976 r. Ma w swoim dorobku, jako autor, współautor lub tłumacz, 9 wydawnictw książkowych. Jest autorem lub współautorem 66 publikacji oraz 14 patentów polskich. Jest specjalistą w dziedzinie elektroniki przemysłowej.

56

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 20, Nr 3/2016, 57–60, DOI: 10.14313/PAR_221/57

Bezprzewodowy układ pomiarowy z analizą sieci Wi-Fi na Web Serwerze na platformie Arduino Artur Wodołażski

Główny Instytut Górnictwa, Zakład Oszczędności Energii i Ochrony Powietrza, Plac Gwarków 1, 40-166 Katowice

Streszczenie: Bezprzewodowe układy pomiarowe znajdują szerokie zastosowanie w eksperymen-

tach badawczych i w pomiarach. W artykule przedstawiono wykonany prototyp bezprzewodowego modułu do pomiaru temperatury na platformie Arduino przez sieć Wi-Fi na Web Serwerze. Zaprezentowany układ jest niedrogi, ale bardzo efektywny – zapewnia akwizycję danych pomiarowych wraz z analizą sieci Wi-Fi. Poziomy sygnałów sieciowych pokazywane są na wyświetlaczu LCD. Potencjalne możliwości zastosowania oraz rozbudowy układu pozwalają go ocenić jako efektywne narzędzie do celów badawczych lub edukacyjnych. Słowa kluczowe: mikrokontrolery, pomiary temperatury, Arduino, układy pomiarowe

1. Wprowadzenie Obecne projekty oraz prace badawcze bardzo często wymagają od pracowników naukowych wykonywania w laboratoriach własnych układów pomiarowych dostosowanych do wymagań przeprowadzanego eksperymentu. Badanie nowych i nieznanych zjawisk wymaga zarówno rozbudowania funkcjonalności, jak i zagwarantowania dokładności narzędzi pomiarowych. Ponieważ urządzenia pomiarowe są często zbyt kosztowne lub skomplikowane, wówczas rozbudowa układu jest ułatwiona dzięki użyciu narzędzi typu „open-source”, np. platformy elektronicznej Arduino do monitorowania lub sterowania procesem [1, 2]. Arduino to platforma programistyczna dla systemów wbudowanych. Składa się z mikrokontrolera osadzonego na niewielkiej płytce drukowanej PCB (ang. printed circuit board), wyposażonej w gniazda umożliwiające łatwe podłączenie urządzeń zewnętrznych do wejść cyfrowych i analogowych. Zintegrowane środowisko programistyczne IDE (ang. Integrated Development Environment) w łatwy i przejrzysty sposób upraszcza etapy edycji i kompilacji kodu przesyłanego do mikrokontrolera. Platforma ta jest znacznie tańszą alternatywą platformy LabVIEW [3]. Platforma Arduino znajduje zastosowanie w licznych projektach, m.in. przy konstrukcji drukarek 3D czy robotów mobilnych [4]. Lago i Silva [5] użyli platformy Arduino do kontroli pojemności bezstykowego czujnika przewodności (C4D) w elektroforezie kapilarnej i wysokosprawnej chroma-

Autor korespondujący: Artur Wodołażski, awodolazski@gig.katowice.pl Artykuł recenzowany nadesłany 03.08.2016 r., przyjęty do druku 26.08.2016 r. Zezwala się na korzystanie z artykułu na warunkach licencji Creative Commons Uznanie autorstwa 3.0

tografii cieczowej HPLC (ang. high-performance liquid chromatography). Anzalone [6] zastosował platformę Arduino do budowy taniego kalorymetru, Kamogawa [7] – do kontroli natężeń przepływów przez pomiar stopnia otwarcia zaworów regulacyjnych. Użycie platformy Arduino do monitorowania warunków otoczenia, jak temperatura, wilgotność czy promieniowanie zostało przeprowadzone przez Gasparesca [8], Barroce [9] oraz Rodrigueza [10]. Detektory oraz siłowniki mogą być sterowane za pomocą platformy Arduino, co daje jej nieograniczone możliwości wykonawcze w rozbudowie funkcjonalności układu. Uruchomienie Web Serwera na platformie Arduino umożliwia utworzenie nieinwazyjnego systemu monitoringu z uniknięciem obecności lokalnych bramek i zasobochłonnych serwerów sieciowych. Oferuje to możliwość koordynacji połączonych ze sobą mikrokontrolerów poprzez internet z zapewnieniem wsparcia dla płyt sieciowych z użyciem gniazd, mostków sieciowych czy protokołu transmisji danych MQTT (ang. MQ Telemetry Transport) dla sieci o niedużej przepustowości. Obecnie w bezprzewodowej transmisji danych najczęściej stosowany jest standard IEEE 802.15.4 oraz ZigBee [11] – coraz bardziej popularne w rozwoju bezprzewodowych urządzeń pomiarowych. Źródło literaturowe [12] pokazuje również, że istnieje możliwość integracji układu ESP8266 ze środowiskiem graficznym SCADA z wykorzystaniem oprogramowania Opto22 firmy PDAControl i protokołu komunikacyjnego Modbus. Możliwa współpraca układu ESP 8266 ze sterownikiem PLC zrealizowanym przez firmę Digital-Loggers [13] stanowi duży potencjał w rozbudowie modułu do monitoringu i sterowania procesów w przemyśle. Celem artykułu jest prezentacja bezprzewodowego modułu pomiarowego do akwizycji danych pomiarowych na Web Serwerze wraz z analizą zasięgu sieci Wi-Fi na bazie platformy Arduino. Zastosowanie platformy przyczynia się do obniżenia kosztów i zmniejszenia złożoności modułu, a wygodny interfejs umożliwia użytkownikowi dostęp do danych z dowolnego terminala.

57


Bezprzewodowy układ pomiarowy z analizą sieci Wi-Fi na Web Serwerze na platformie Arduino

2. Konstrukcja modułu pomiarowego

rane i zapisywane na Web Serwerze. Podłączony do platformy Arduino moduł Wi-Fi bazuje na chipie ESP8266 w standardzie Wi-Fi 802.11b/g/n i działa na częstotliwości 2,4 GHz. Wyposażony jest w 8 wyprowadzeń, z czego trzy to GPIO. Ma 1 MB pamięci Flash, wbudowaną diodę LED i antenę PCB. Wymiary płytki to 24,8 mm × 16 mm. Ten mały, tani i wydajny moduł, pracuje na napięciu 3,3 V zapewniając dużą szybkość transmisji danych. Do modułu podłączony jest 8-bitowy czujnik temperatury i wilgotności DHT11 z interfejsem cyfrowym o zakresie pomiarowym temperatury od 0 °C do 50 °C oraz wilgotności od 20% do 90%. Dane pomiarowe z modułu można odczytywać zarówno za pomocą wyświetlacza LCD jak i przeglądarki internetowej. Moduł Wi-Fi ESP8266 połączony jest z platformą Arduino przez dwa porty szeregowe, gdzie jeden wysyła polecenia do modułu, a drugi łączy platformę Arduino z komputerem. Kod programu został napisany w języku C z użyciem oprogramowania Arduino w wersji 1.6.7. Algorytm działania programu został przedstawiony na rys. 2.

W skład opracowanego modułu pomiarowego wchodzą: platforma Arduino, moduł Wi-Fi ESP8266, cyfrowy czujnik temperatury DHT11 oraz wyświetlacz LCD do wyświetlania zasięgu sieci Wi-Fi i parametrów pomiarowych. Źródłem zasilania dla platformy Arduino jest bateria PP3 9 V. Uproszczony schemat blokowy układu pomiarowego przedstawiony jest na rys. 1.

3. Testowanie modułu oraz omówienie wyników

Rys. 1. Schemat blokowy bezprzewodowego układu pomiarowego bazującego na module ESP8266 Fig. 1. Block diagram of the wireless measuring system based on the ESP8266 modul

Uproszczony schemat blokowy układu został przedstawiony na rys. 1. Po kompilacji oraz przesłaniu kodu wykonalnego na platformę Arduino na wyświetlaczu LCD pojawia się informacja o dostępnych sieciach Wi-Fi oraz o sile sygnału (dBm), co przedstawiono na rys. 3.

Platforma Arduino składa się z mikrokontrolera AVR ATmega2560, 256 kB pamięci Flash, 54 cyfrowych wejść/ wyjść oraz z 15 kanałów PWM. Układ taktowany jest zegarem o częstotliwości 16 MHz. Dokładną specyfikację platformy zamieszczono w [14]. Dane pomiarowe są automatycznie pobie-

Uruchomienie programu z odpowiednimi bibliotekami (SPI, UTFT, UTouch)

NIE

Czy znalazł sieć WiFi?

Skanowanie sieci

TAK Analiza wszystkich dostępnych sieci

15 sekundowe opóźnienie

Rys. 3. Bezprzewodowy układ pomiarowy oparty na module ESP8266 wraz z dostępnymi sieciami Wi-Fi na wyświetlaczu Fig. 3. Wireless sensor system based on the ESP8266 module with available Wi-Fi networks on display

Wyświetlenie nazwy sieci oraz wskaźnika siły sygnału

Wraz z przemieszczaniem się platformy siła sygnału ulega zmianie, co może wpływać na chwilowe przerwania w transmisji sygnału pomiarowego. W tym przypadku dane pomiarowe są automatycznie zapisywane na karcie SD (ang. Secure Digital). Dostęp do danych pomiarowych może być również zrealizowany za pomocą telefonu komórkowego. Przykładowa akwizycja danych pomiarowych za pomocą opracowanego układu przedstawiona jest na rys. 4.

Wyświetlenie typu szyfrowania sieci

Rys. 2. Schemat blokowy kodu Fig. 2. Code block diagram

58

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Artur Wodołażski

Dane pomiarowe z modułu są automatycznie pobierane na Web Serwer (rys. 5). Zarządzanie danymi pomiarowymi przez przeglądarkę internetową nie wymaga instalowania zewnętrznych aplikacji. Układ został przetestowany pod-

Rys. 4. Reprezentacja danych pomiarowych na wyświetlaczu LCD Fig. 4. Representation of measurement data on LCD display

czas eksperymentalnych pomiarów temperatury ciepłej wody wykonywanym równolegle za pomocą elektronicznego termometru cyfrowego, co potwierdza poprawność transmisji danych. Istnieje również możliwość rozbudowy układu o kolejne urządzenia pomiarowe, co zwiększy funkcjonalność całego urządzenia. Szyfrowana transmisja danych odbywa się za pośrednictwem protokołu WPA2 (ang. Wi-Fi Protected Access II), a interfejs do akwizycji danych pomiarowych został napisany w języku HTML i PHP. Dane pomiarowe są automatycznie aktualizowane i wyświetlane na stronie internetowej co 5 sekund. Czas wyświetlania można regulować w zależności od potrzeb eksperymentu. Osadzenie Web Serwera na platfor-

Rys. 5. Akwizycja danych pomiarowych na Web Serwerze w przeglądarce internetowej Fig. 5. Acquisition of measurement data on the Web Server in web browser

mie Arduino i wykorzystanie protokołu HTTP (ang. Hypertext Transfer Protocol) ułatwia wymianę informacji między klientem a serwerem. Odczyt wejść analogowych z Arduino umożliwia zmianę odczytywanych wartości przy użyciu komendy „client.print ()” służącej do wysyłania danych na stronę internetową.

4. Podsumowanie W przedstawionym artykule zaprezentowano bezprzewodowy moduł pomiarowy wraz z analizą zasięgu sygnału Wi-Fi. Dane pomiarowe z modułu są automatycznie zapisywane na Web Serwerze, do którego dostęp może być zrealizowany za pomocą telefonu, tabletu lub laptopa. W przypadku braku dostępu do

sieci dane są zapisywane na karcie SD. Opracowany moduł pomiarowy może być wykorzystany do pomiaru temperatury w bezciśnieniowym reaktorze, wędzarni lub do własnych celów eksperymentalnych. W zależności od doboru dokładności czujnika pomiarowego opracowaną platformę można zastosować również w przemyśle chemicznym, spożywczym oraz paliwowo-energetycznym. Platforma Arduino udostępnia naukowcom narzędzie do budowania złożonych układów pomiarowych oraz usprawnienia rozwoju oprogramowania wraz z automatyzacją pomiaru, przyczyniając się do zwiększenia jego wydajności oraz zapewnienia bezobsługowej pracy. Zdalnie sterowane przyrządy pomiarowe przyczyniają się zarówno do oszczędności czasu, jak i wysiłku badaczy, zapewniając rozbudowę funkcjonalności układu pomiarowego, usprawniając automatykę, zapewniając efektywniejsze sterowanie procesem czy skracając czas reakcji układów, które są kluczowe w zapobieganiu awarii.

Bibliografia 1. Pearce J.M., Building Research Equipment with Free, OpenSource Hardware, “Science”, Vol. 337, Issue 6100, 2012, 1303–1304, DOI: 10.1126/science.1228183. 2. D’Ausilio A., Arduino: a low-cost multipurpose lab equipment, “Behavior Research Methods”, Vol. 44, No. 2, 2012, 305–313, DOI: 10.3758/s13428-011-0163-z. 3. APM, Ardupilot – official website, http://ardupilot.com/. 4. Bowyer A., RepRap – official website, http://reprap.org/ wiki/RepRap. 5. Fracassi da Silva J.A., do Lago C.L., An oscillometric detector for capillary electrophoresis, “Analytical Chemistry”, Vol. 70, No. 20, 1998, 4339–4343, DOI: 10.1021/ac980185g. 6. Anzalone G.C., Glover A.G., Pearce J.M., Open-source colorimeter, “Sensors”, Vol. 13, No. 4, 2013, 5338–5346, DOI: 10.3390/s130405338. 7. Kamogawa M.Y., Miranda J.C., Use of “Arduino” open source hardware for solenoid device actuation in flow analysis systems, “Quimica Nova”, Vol. 36, No. 8, 2013, DOI: 10.1590/S0100-40422013000800023. 8. Gasparesc G., Development of a low-cost system for temperature monitoring, 36th International Conference on Telecommunications and Signal Processing, 2013, 340–343, DOI: 10.1109/TSP.2013.6613948. 9. Barroca N., Borges L.M., Velez F.J., Monteiro F., Górski M., Castro-Gomes J., Wireless sensor networks for temperature and humidity monitoring within concrete structures, “Construction and Building Materials”, Vol. 40, 2013, 1156– 1166, DOI: 10.1016/j.conbuildmat.2012.11.087. 10. Rodriguez M.G., Ortiz L.E., Jia Yi, Beckman P.H., Wireless sensor network for data-center environmental monitoring, Fifth International Conference on Sensing Technology, 2011, 533–537, DOI: 10.1109/ICSensT.2011.6137036. 11. Hyuntae Cho, Hyunsung Jang, Yunju Baek, Practical localization system for consumer devices using Zigbee networks, “IEEE Transactions on Consumer Electronics”, Vol. 56, Issue 3, 2010, 1562–1569, DOI: 10.1109/TCE.2010.5606298. 12. http://pdacontrolenglish.blogspot.com.co/. 13. http://www.digital-loggers.com/plc49hw.html. 14. http://www.mantech.co.za/data_sheets/products/ A000047.pdf.

59


Bezprzewodowy układ pomiarowy z analizą sieci Wi-Fi na Web Serwerze na platformie Arduino

Wireless Measuring System with Wi-Fi Networks Analysis and Web Server Based on Arduino Platform Abstract: Wireless measuring systems are widely used in research experiments and measurements. The article presents the performance of the wireless module for temperature measurement based on Arduino platform via Wi-Fi on Web Server. Presented inexpensive but effective system provides data acquisition with Wi-Fi networks analysis, where the network coverage are shown on the LCD display. The potential applications and the development device is an effective tool for the purpose of research or education. Keywords: microcontrollers, temperature measurement, Arduino, measuring systems

mgr inż. Artur Wodołażski awodolazski@gig.katowice.pl

Absolwent Wydziału Chemicznego, w 2010 roku uzyskał tytuł magistra inżyniera o specjalności technologia chemiczna organiczna. Absolwent Wydziału Inżynierii Materiałowej i Metalurgii Politechniki Śląskiej kierunku Informatyka Przemysłowa. W 2013 roku uzyskał tytuł magistra inżyniera o specjalności Inteligentne systemy przemysłowe. Obecnie pracuje w Zakładzie Oszczędności Energii i Ochrony Powietrza Głównego Instytutu Górnictwa. Zainteresowania naukowe: modelowanie procesów technologicznych, układy pomiarowe, automatyka przemysłowa.

60

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 20, Nr 3/2016, 61–64, DOI: 10.14313/PAR_221/61

Automatyczna maszyna do produkcji motków z rurki detonującej montowanych w zapalnikach nieelektrycznych Marek Ludwiński Przemysłowy Instytut Automatyki i Pomiarów PIAP, Al. Jerozolimskie 202, 02-486 Warszawa

Streszczenie: Automatyzacja procesu produkcji materiałów inicjujących przyczynia się do zwiększenia wydajności oraz bezpieczeństwa produkcji. Umożliwia odsunięcie pracowników od potencjalnych zagrożeń wynikających z obciążenia powierzchni materiałem wybuchowym. Maszyna do zwijania rurki detonującej opracowana i wykonana w Przemysłowym Instytucie Automatyki i Pomiarów PIAP a zainstalowana w NITROERG (do 2006 roku NITRON) zapewnia automatyczną, powtarzalną produkcję kompletnych motków rurki, wykorzystywanych następnie do produkcji zapalników nieelektrycznych lub jako gotowy wyrób do prowadzenie linii strzałowych. Słowa kluczowe: ładunki wybuchowe, systemy inicjowania, górnictwo, automatyzacja

1. Wprowadzenie Automatyzacja produkcji systemów inicjowania ładunków wybuchowych zwiększa wydajność i bezpieczeństwo produkcji zapalników nieelektrycznych. Urządzenie do automatycznego zwijania kompletnych motków z rurki detonującej zastąpiło z powodzeniem użytkowane wcześniej stanowiska pracy ręcznej. Systemy inicjowania ładunków wybuchowych w górnictwie dzieli się na elektryczne (rys. 1) i nieelektryczne (rys. 3). Zapalniki elektryczne inicjują wybuch wykorzystując w tym celu odcinki przewodów elektrycznych. W zapalnikach nieelektrycznych wykorzystywane są odcinki rurki detonującej. Rurka detonująca (rys. 2) służy do produkcji zapalników nieelektrycznych oraz do przedłużania linii strzałowej przy zastosowaniu zapalników nieelektrycznych w zakładach górniczych podziemnych niewęglowych i w zakładach górniczych odkrywkowych. Rurka detonująca jest bezpieczna w czasie uzbrajania, można nią uzbroić większa liczbę otworów strzałowych. Rurka detonująca nie jest klasyfikowana jako wyrób niebezpieczny. Zawartość materiału wybuchowego jest mniejsza niż 1%, ale rurka detonująca nie może być używana w warunkach zagrożenia wybuchem pyłu węglowego lub/i metanu [4]. Rurka detonująca ma zewnętrzną średnicę 3 mm, a wewnętrzną 1,2 mm i składa się z trzech warstw tworzyw.

Na powierzchni wewnętrznej rurki napylona jest mieszanina oktogenu [1] z pyłem aluminiowym. Dla zainicjowania rurki detonującej stosowane są odpowiednie urządzenia odpalające lub inne środki inicjujące jak zapalniki lub lonty detonujące. Ze względu na niską zawartość materiału wybuchowego nie jest możliwa inicjacja materiału wybuchowego w rurce detonującej na skutek oddziaływania samego płomienia. Zapłon materiału może zostać zainicjowany w efekcie jednoczesnego oddziaływania płomienia (wysokiej temperatury) i fali uderzeniowej. Pod wpływem impulsu detonacja przemieszcza się wewnątrz rurki z prędkością 2000 m/s [2]. Rurka detonująca przewijana jest z dużej szpuli (rys. 2) na mniejsze motki o określonej długości, które są następnie wykorzystywane do produkcji zapalników nieelektrycznych. Prace te często wykonywane są na stanowiskach z obsługą ręczną (rys. 4).

Autor korespondujący: Marek Ludwiński, mludwinski@piap.pl Artykuł recenzowany nadesłany 01.06.2016 r., przyjęty do druku 20.07.2016 r. Zezwala się na korzystanie z artykułu na warunkach licencji Creative Commons Uznanie autorstwa 3.0

Rys. 1. Elektryczne zapalniki (źródło NITROERG) Fig. 1. Electric detonators (NITROERG)

61


Automatyczna maszyna do produkcji motków z rurki detonującej montowanych w zapalnikach nieelektrycznych

− bierne rolki prowadzące, − rolki napędowe rurki napędzane silnikiem indukcyjnym i przekładnia walcową SEW, − rolki hamujące z tarczą cierną i tarczą stalową z dociskiem sprężynowym, − nóż odcinający napędzany pneumatycznie, − zgrzewarka ultradźwiękowa z posuwem sonotrody napędzanym pneumatycznie i stolikiem napędzanym pneumatycznie, − drukarka znakowa CODAMARK CM-MKV/25 napędzana pneumatycznie, − tarcza nawojowa z napędem silnikiem indukcyjnym, przekładnią walcową i hamulcem SEW, z półszpulami z pneumatycznym napędem zwalniania, zabierakiem rurki z pneumatycznym napędem zwalniania i wypychaczami motka napędzanymi pneumatycznie, − suport wprowadzający rurkę do zabieraka napędzany pneumatycznie, − bierna tarcza nawojowa ograniczająca szerokość motka dociskana pneumatycznie, − szczęki formujące przekrój motka napędzane pneumatycznie, − dociskacz ograniczający wysokość przekroju motka napędzany pneumatycznie, − automat owijający motek etykietą Logomatic 804SRW z napędem podawania silnikiem krokowym i pneumatycznym napędem szczęk owijających, − wyciągacz końcówki zwoju motka napędzany pneumatycznie, − układ zasilania i sterowania z panelem operatora oparty na sterowniku PLC Simatics S7 Siemens, − karton odbierający.

Czynności do wykonania przez maszynę: − automatyczne odwijanie rurki detonującej z dużej szpuli, − automatyczne zwijanie motków o liczbie zwojów od 5 do 15, odpowiednio o długościach od 3,0 m do 9,0 m, − zgrzewanie na płasko jednego końca rurki w celu zapewnienia wodoszczelności, − nadrukowanie znaku na miejsce maksymalnego wsunięcia rurki w zapalnik, − ukształtowanie z samoprzylepnej etykiety pętli wokół zwojów motka, − usunięcie motka do kartonu. Wymagania dotyczące motka: − motek powinien być zwinięty w sposób uporządkowany, − etykieta powinna owijać motek zapobiegając jego rozwijaniu w trakcie transportu i w miejscu magazynowania, − pętla ukształtowana z etykiety powinna mieć małą lepkość wokół zwojów motka, a w miejscu sklejenia powinna gwarantować pewne połączenie końców etykiety, − etykieta powinna być łatwa do zerwania w całości, bez użycia narzędzi, przy czym resztki kleju nie powinny zostawać na zwojach rurki, − po wykonaniu zadanej liczby motków urządzenie powinno się zatrzymać.

2. Realizacja zadania Zdefiniowane wymagania spełnia okrągły motek zwinięty z rurki detonującej, z jednym końcem szczelnie zgrzanym i drugim końcem oznakowanym w zdefiniowany sposób, np. kropką, owinięty etykietą papierową, ze strefową, zmienną lepkością kleju. Wykonana w Przemysłowym Instytucie Automatyki i Pomiarów PIAP maszyna do automatycznego zwijania motków (rys. 5) zapewnia odwinięcie rurki detonującej ze szpuli, zwinięcie zadanej liczby zwojów, szczelne zamknięcie jednego końca, zaznaczenie kropką punku maksymalnego wciśnięcia rurki w zapalnik, owinięcie pętlą z etykiety oraz odcięcie. Gotowe motki spadają do podstawionego kartonu.

4. Zasada działania urządzenia 4.1. Cykl pracy automatycznego urządzenia do zwijania motków

Automatyczne zwijanie motków jest realizowane za pomocą maszyny zaprojektowanej w Instytucie PIAP. Zwinięte motki stanowią półprodukt do produkcji zapalników nieelektrycznych lub stanowią gotowy wyrób przeznaczony do prowadzenia linii strzałowych. Działanie opracowanego urządzenia jest ściśle zalgorytmizowane i przebiega w następujących krokach: − ręczne umieszczenie nowej szpuli w odwijaku, − ręczne wprowadzenia końca rurki do rolek prowadzących i napędowych,

3. Budowa urządzenia W skład automatycznego urządzenia do zwijania rurki detonującej w motki wchodzą: − bierny odwijak rurki ze szpuli z regulatorem zwisu rurki,

Rys. 3. Nieelektryczne zapalniki (źródło NITROERG) Fig. 3. Non-electric detonators (NITROERG)

Rys. 2. Rurka detonująca na szpuli (żródło NITROERG) Fig. 2. Shock tube on the reel (NITROERG)

62

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Marek Ludwiński

− wybranie na panelu sterowania liczby cykli i liczby zwojów motka, − uruchomienie cyklu automatycznego, − odwijanie rurki ze szpuli, − uniesienie stolika, opuszczenie sonotrody, zgrzanie końca rurki, − dosunięcie biernej tarczy nawojowej, − wysunięcie suportu wprowadzającego, − podanie końca rurki detonującej za pomocą zespołu naprowadzającego do zabieraka tarczy nawojowej, − wycofanie suportu wprowadzającego, − zamknięcie zabieraka na końcu rurki detonującej, − dosuniecie biernej tarczy nawojowej, − nawijanie wybranej liczby zwojów motka, − zatrzymanie tarczy nawojowej na określonej pozycji, − formowanie przekroju zwojów motka za pomocą szczęk formujących, − formowanie zwojów motka za pomocą dociskacza ograniczającego wysokość przekroju motka, − owijanie motka etykietą, − zwolnienie zabieraka, − znakowanie końca motka za pomocą drukarki, − przecięcie końca rurki przez nóż (odcięcie motka), − wycofanie szczęk formujących przekrój motka, − wycofanie dociskacza ograniczającego wysokość przekroju motka, − wyciągnięcie końcówki zwoju motka, − wycofanie biernej tarczy nawojowej, − zwolnienie półszpuli tarczy nawojowej, − wypchniecie motka za pomocą wypychaczy, − opadniecie motka do kartonu, − rozpoczęcie cyklu nawijania kolejnego motka.

nocześnie oprócz migającej pomarańczowej lampy znajdującej się na wieży sygnalizacyjnej, zostanie podświetlony czerwony przycisk STOP na pulpicie operatora. Opisany stan świadczy o gotowości urządzenia do rozpoczęcia pracy. Po ręcznym wsunięciu końca rurki detonującej, aż do płaszczyzny działania noża, i wciśnięciu przycisku START na płycie czołowej panelu operatora, urządzenie zaczyna pracę. Lampa pomarańczowa kolumny sygnalizacyjnej świeci się światłem ciągłym i podświetlony jest zielony przycisk START. W trakcie pracy możliwe jest zatrzymanie urządzenia za pomocą przycisku STOP znajdującego się na płycie czołowej panelu operatora. Zatrzymanie urządzenie nastąpi po zakończeniu pełnego cyklu pracy.

4.3. Sytuacje awaryjne

Po włączeniu wyłącznika głównego zasilania elektrycznego przełącznikiem umieszczonym na bocznej ścianie szafy sterowniczej następuje inicjalizacja, podczas której wszystkie podzespoły zajmują pozycję gotowości do pracy, a pomarańczowa lampa na kolumnie sygnalizacyjnej zacznie świecić światłem migającym. Jednocześnie na panelu dotykowym zostanie wyświetlony ekran sterowania. Po wciśnięciu na panelu dotykowym odpowiednich pól można wprowadzić parametry nawijania motków, czyli liczbę zwojów i liczbę cykli. Jeśli wprowadzono prawidłowe parametry, po wciśnięciu pola AKCEPTUJ zostanie wyświetlony drugi ekran. Jed-

W trakcie inicjalizacji i pracy układ sterowania na bieżąco monitoruje stan podstawowych podzespołów urządzenia i w przypadku wystąpienia błędu lub uszkodzenia następuje natychmiastowe zatrzymanie urządzenia. Stan ten powoduje włączenie czerwonej lampy kolumny sygnalizacyjnej oraz sygnału dźwiękowego. Na ekranie zostanie wyświetlony komunikat wyjaśniający prawdopodobną przyczynę awarii. Wykaz możliwych komunikatów: OTWARTE DRZWI OSŁONY BEZPIECZŃSTWA WŁĄCZONY STOP AWARYJNY, ZWOLNIJ HAMULEC TARCZY WYŁĄCZNIK SILNIKOWY NAPĘDU ROLEK WYŁĄCZONY NISKIE CIŚNIENIE POWIETRZA BŁĄD FALOWNIKA BŁĄD ZGRZEWARKI BŁĄD ETYKIECIARKI BRAK RURKI LUB RURKA ZATRZYMANA BRAK ETYKIET USTAW KRAWĘDŹ TARCZY W POZIOMIE Sygnał dźwiękowy można wyłączyć po wciśnięciu niebieskiego przycisku KASOWANIE BUCZKA na pulpicie operatora. Sygnał dźwiękowy zostanie wyłączony i niebieski przycisk zostanie podświetlony. Natychmiastowe zatrzymanie urządzenia i zgłoszenie awarii powoduje również wciśnie jednego z dwóch wyłączników STOPÓW AWARYJNYCH lub otwarcie drzwi osłon bezpieczeństwa.

Rys. 4. Ręczny montaż zapalników nieelektrycznych (źródło Austin Detonators) Fig. 4. Non-electric detonators manual assembly (Austin Detonators)

Rys. 5. Automatyczna maszyna do zwijania motków z rurki detonującej Fig. 5. Automatic machine for rolling up hanks from the shock tube

4.2. Opis pracy urządzenia

63


Automatyczna maszyna do produkcji motków z rurki detonującej montowanych w zapalnikach nieelektrycznych

Ponowne uruchomienie urządzenia po wystąpieniu stanu awaryjnego możliwe jest po usunięciu przyczyny awarii i wciśnięciu podświetlonego żółtego przycisku KASOWANIE AWARII na pulpicie operatora. Jeśli przyczyna awarii została prawidłowo usunięta, zgaśnie żółte podświetlenie przycisku oraz zgaśnie czerwona lampa kolumny sygnalizacyjnej, zapali się migająca pomarańczowa lampa kolumny oraz zapali się podświetlanie czerwonego przycisku STOP. Po wciśnięciu przycisku START urządzenie ponownie rozpocznie pracę.

ratora wymaga często znalezienia i zastosowania pomysłowych i nieszablonowych rozwiązań konstrukcyjnych. Dobrym przykładem takiego urządzenia jest maszyna do automatycznego zwijania rurki detonującej opracowana i wykonana w PIAP, a zainstalowana w NITROERG(dawniej NITRON) w Krupskim Młynie. Oprócz zagadnień czysto konstrukcyjnych i technologicznych występowały tu także uwarunkowania wynikające z otoczenia urządzenia przez różne instalacje do produkcji materiałów wybuchowych i związane z tym specyficzne wymagania BHP.

5. Podsumowanie

Bibliografia

Jednym z obszarów działalności Przemysłowego Instytutu Automatyki i Pomiarów PIAP jest realizacja zleceń z przemysłu na budowę stanowisk automatycznych w wielu procesach technologicznych. Wiele zleceń charakteryzuje się koniecznością dokładnego przejęcia wydawałoby się prostych czynności manualnych przez maszynę automatyczną. Jednak zastąpienie w istocie złożonych czynności wykonywanych przez rękę ope-

1. Maranda A., Cudziło S., Nowaczewski J., Palpiński A., Podstawy chemii materiałów wybuchowych, WAT, Warszawa 1997. 2. Dane techniczne produktów NITROERG 3. Materiały firmy Austin Detonator 4. Bilewicz T., Prus B., Honysz J.: Górnictwo, Wydawnictwo Śląsk 1993.

Automatic Machine to Productions of Hank from the Exploding Tube Installed in Nonelectric Fuses Abstract: The automation in the production of initialing materials is increasing the productivity and

the safety of the production. He enables you will turn employees away from potential hazards resulting from burdening the area with explosive. The machine for rolling up the exploding tube assures automatic, repeatable production of complete hanks, used next for the production of nonelectric fuses. Keywords: explosive charges, systems of initiating, mining, automation

mgr inż. Marek Ludwiński mludwinski@piap.pl

W 1979 r. ukończył studia na Wydziale Mechanicznym Technologicznym Politechniki Warszawskiej. Zatrudniony był kolejno w kilku renomowanych zakładach przemysłowych na stanowiskach konstruktora i kierownika pracowni. Od 1986 r. jest pracownikiem Przemysłowego Instytutu Automatyki i Pomiarów PIAP. Specjalizuje się w konstruowaniu automatycznych urządzeń technologicznych.

64

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 20, Nr 3/2016, 65–70, DOI: 10.14313/PAR_221/65

Metoda wyznaczenia TCP narzędzia dla triangulacyjnej głowicy pomiarowej współpracującej z robotem przemysłowym Piotr Dutka Akademia Techniczno-Humanistyczna w Bielsku-Białej, ul. Willowa 2, 43-300 Bielsko-Biała

Streszczenie: W artykule zaprezentowano metodę wyznaczania punktu TCP (Tool Center Point) dla

triangulacyjnej głowicy pomiarowej zamontowanej na kołnierzu robota przemysłowego. Dogodne ustalenie punktu TCP narzędzia i jego układu współrzędnych ma kluczowe znaczenie dla efektywności adoptowania manipulatora przemysłowego do wykonywanych zadań pomiarowych. W opisywanym zastosowaniu, umieszczenie triangulacyjnej głowicy pomiarowej na robocie ma na celu automatyzację pomiaru cech geometrycznych mierzonego przedmiotu w programowo ustalonych punktach. W celu dokonania kalibracji TCP głowicy pomiarowej zaprojektowano i przetestowano dedykowany do tego zadania detektor promienia laserowego. Prezentowana metoda, detektor oraz stanowisko badawcze zostało opracowane w Katedrze Technologii Maszyn i Automatyzacji ATH dla celów estymacji niepewności pomiarów realizowanych czujnikiem laserowym zainstalowanym na robocie przemysłowym. Słowa kluczowe: pomiar TCP narzędzia, detektor promienia lasera, pomiary warsztatowe, robot inspekcyjny

1. Wprowadzenie Pomiary przedmiotów czujnikiem laserowym nie stanowią już tylko domeny dobrze wyposażonych pomieszczeń laboratoryjnych, lecz zaczynają odgrywać istotną rolę w warunkach przemysłowych [5]. Nowoczesna produkcja jest zróżnicowana, charakteryzuje się krótkim czasem życia wyrobu. Współczesne przedsiębiorstwa, aby być konkurencyjne, muszą ciągle wprowadzać na rynek nowe produkty i stosować innowacyjne procesy wytwórcze. Istotne jest ograniczanie do minimum kosztów wytwarzania przy zachowaniu wysokiej jakości produkowanych wyrobów. Konieczność weryfikacji produkowanych wyrobów należy do bardzo ważnych działań współczesnych fabryk, w których również z roku na rok odnotowuje się zwiększone stosowanie robotów przemysłowych [7, 10]. Zastosowane w procesie produkcyjnym narzędzia pomiarowe powinny łączyć szybkość zbierania danych o współrzędnych punktów pomiarowych z zachowaniem wysokiej dokładności i odporności na warunki pracy. Współrzędnościowe Maszyny Pomiarowe charakteryzują się wysoką dokładnością, jednak czasy pomiaru oraz rygorystyczne warunki środowiska pracy

Autor korespondujący: Piotr Dutka, wolfow@poczta.onet.pl Artykuł recenzowany nadesłany 11.07.2016 r., przyjęty do druku 2.09.2016 r. Zezwala się na korzystanie z artykułu na warunkach licencji Creative Commons Uznanie autorstwa 3.0

(klimatyzowane pomieszczenia z atmosferą wolną od zapyleń itp.) eliminują je z zastosowań bezpośrednio w procesie produkcyjnym [8]. Wykorzystanie robotów przemysłowych wprost na linii produkcyjnej umożliwia całkowitą automatyzację procesu kontroli i sprawdzanie w czasie nieprzekraczającym pojedynczego czasu taktu stanowiska wszystkich produkowanych wyrobów. W większości zadań dla robota wykonującego inspekcję, zintegrowany z nim czujnik określa, czy wykonanie przedmiotu, podzespołu lub wyrobu jest zgodne z przyjętymi standardami jakościowymi. Główną zaletą pomiarów optycznych jest to, że są to pomiary bezdotykowe. Dzięki temu możliwe jest weryfikowanie elementów gorących, lepkich, bądź np. bardzo delikatnych lub kruchych. Kolejnym plusem jest możliwość uniknięcia kolizji końcówki pomiarowej z mierzoną powierzchnią. Zalety pomiarów optycznych wychodzą naprzeciw ciągle zwiększającym się wymaganiom kontroli jakości. Umożliwiają osiągnięcie celu, jakim jest automatyzacja pomiarów przez wyeliminowanie błędów człowieka, jako jednego z głównych źródeł błędów pomiarowych. Prezentowana w pracy laserowa głowica pomiarowa mierzy odległość do badanego przedmiotu metodą triangulacji. Triangulacja jest jedną z najbardziej precyzyjnych metod pomiaru optycznego [6]. Źródłem światła jest półprzewodnikowy laser o długości fali 650 nm (barwa czerwona). Aby wykonać zadanie inspekcji za pomocą robota przemysłowego z zainstalowanym czujnikiem laserowym, konieczne jest wyznaczenie punktu TCP narzędzia pomiarowego, oraz ustalenie układu współrzędnych związanego z przedmiotem poddawanym inspekcji (bazy). Praktyka pokazuje, iż narzędzia współpracujące z robotem powinny być poprawnie zdefiniowane w układzie przestrzennym robota. Dla przykładu, w chwytaku dwuszczękowym

65


Metoda wyznaczenia TCP narzędzia dla triangulacyjnej głowicy pomiarowej współpracującej z robotem przemysłowym

3. Parametryzacja narzędzia 3.1. Dane obciążenia narzędzia

Pomiar narzędzia jest konieczny, aby układ sterowania robota znał kierunek najazdu narzędzia oraz jego przestrzenną orientację. Kalibracja narzędzia, w tym kontekście, oznacza wygenerowanie układu współrzędnych, którego początek znajduje się w punkcie referencyjnym narzędzia, a oś Z jest równoległa do kierunku działania czujnika pomiarowego. Tradycyjna procedura pomiaru narzędzia (chwytaka, palnika, wkrętarki) zamocowanego na kołnierzu robota KUKA jest dwuetapowa [4]. Pierwszym krokiem jest określenie położenia punktu referencyjnego narzędzia (początku układu współrzędnych narzędzia) poprzez użycie metody XYZ czteropunktowej lub XYZ referencyjnej. Wybrana metoda czteropunktowa wymaga najazdu wybranym punktem narzędzia (zawsze tym samym) z czterech możliwie różnych kierunków, na jeden punkt referencyjny znajdujący się w zasięgu robota. Robot ma zapisane fabrycznie w danych maszynowych współrzędne środka kołnierza oraz orientację układu współrzędnych. Na podstawie wewnętrznego algorytmu, robot oblicza odległości wybranego punktu na

Rys. 1. Głowica pomiarowa wraz z układem współrzędnych i proponowanym punktem TCP Fig. 1. Proposed tool’s TCP and coordinate system for measurement head

poprawnym umiejscowieniem TCP narzędzia jest punkt znajdujący się w środku symetrii pomiędzy obiema szczękami. Ułatwia to późniejszą adaptację chwytaka podczas konfigurowania pozycji dla pobierania przedmiotów. Mając powyższe na uwadze, laserową głowicę pomiarową można potraktować jako narzędzie, którego częścią roboczą jest emitowana wiązka lasera z punktem odniesienia umiejscowionym w środku zakresu pomiarowego (ok. 150 mm od czoła głowicy laserowej dla modelu LK-H152). Z praktycznego punktu widzenia to właśnie ten punkt powinien zostać zdefiniowany jako TCP narzędzia (rys. 1). Poprawne i przemyślanie wykonanie kalibracji narzędzia (wybranie punktu TCP i orientacji układu współrzędnych) jest kluczowe do dalszej, efektywnej pracy przy określaniu układów współrzędnych dla mierzonych części maszyn.

2. Stanowisko badawcze Ideą dla zbudowania stanowiska doświadczalnego była możliwość wykonywania, w trybie automatycznym, dokładnych pomiarów cech geometrycznych wyrobów w warunkach warsztatowych. Za wykorzystaniem jako medium pomiarowego wiązki lasera przemawia argument bezkolizyjności, z uwagi na brak kontaktu z mierzonym detalem. Stanowisko zbudowano w Katedrze Technologii Maszyn i Automatyzacji ATH. Stanowi ono funkcjonalne rozwinięcie stanowiska prezentowanego w pracy [1]. Stanowisko badawcze (Rys. 2) bazuje na nowoczesnym, sześcioosiowym manipulatorze przemysłowym KR 6 R900 AGILUS (1) wyposażonym w kompaktowy kontroler KR C4 (3) oraz dotykowy smartPAD (2), umożliwiający programowanie ruchów oraz obsługę robota. Urządzeniem pomiarowym jest optyczny, triangulacyjny czujnik laserowy LK-H152 (5) obsługiwany przez kontroler LK-G5001P (6). Dostęp do parametrycznej konfiguracji odczytów lasera oraz wizualizację i zarządzanie wynikami pomiarów umożliwia pakiet LK-Navigator-2, zainstalowany na PC (7). Standardowy kontroler uzupełnia kompaktowy sterownik PLC SIMATIC S7-1200 (4), wyposażony dodatkowo w opcjonalne moduły komunikacyjne PROFIBUS i RS-232. Program zapisany w sterowniku PLC zapewnia synchronizację między programem pozycjonującym robota a zapisem danych pochodzących z kontrolera LK-G5001P. Dodatkowe elementy stanowiska to oscyloskop XDS3102A (11), pozwalający kontrolować napięcie wyzwalane w fotodiodzie (8), kamera HDR-TG3 (9) oraz monitor o rozdzielczości HD (10), dla celów poprawy ergonomii badań.

66

P

O

M

I

A

R

Y

A

U

T

O

M

Rys. 2. Architektura stanowiska badawczego Fig. 2. Test stand bus architecture

A

T

Y

K

A

R

O

B

O

T

Y

K

A

NR 3/ 20 1 6


Piotr Dutka

narzędziu w odniesieniu do każdej z osi układu kartezjańskiego kołnierza. Nieskalibrowane narzędzie ma taką samą pozycję i orientację jak układ współrzędnych flanszy robota, dlatego istnieje ryzyko kolizji i potencjalne utrudnienia w programowaniu pozycji punktów pomiarowych zwymiarowanych w układzie mierzonego przedmiotu. Drugim krokiem procedury jest określenie orientacji układu narzędzia. Dla narzędzia typu laser pomiarowy można to zrealizować metodą dwupunktową. Ręczny najazd na dwa punkty określa kierunek promienia lasera. W danych maszynowych robota można zdefiniować i przechowywać informacje o wielu różnych narzędziach mogących współpracować z robotem, oprogramowanie zapisuje kolejne dane o nowym narzędziu w tablicowej zmiennej systemowej pod odpowiednim indeksem (TOOL_ DATA[1-16]). Aby napędy robota w najkorzystniejszy sposób obliczały wartości przyspieszania i zatrzymywania dla wyznaczonych trajektorii ruchu, konieczne jest wprowadzenie dokładnych wartości masy narzędzia, jego środka ciężkości i osiowych momentów bezwładności. W skrajnych przypadkach, gdy wprowadzone wartości masy chwytaka są nieadekwatne do rzeczywistych, istnieje możliwość uszkodzenia manipulatora. Jest to spowodowane faktem, że zadeklarowanie np. zbyt małej masy narzędzia, pozwoli układowi regulacji położenia robota na zastosowanie większych przyspieszeń dla ruchów i hamowanie z nieodpowiednimi wartościami nastaw regulatora prądowego. Podczas cyklicznej pracy zjawisko to może doprowadzić do uszkodzenia regulatora prądowego, lub przyspieszać mechaniczne zużycie podzespołów robota. Wykonano model 3D narzędzia w aplikacji CAD. Odpowiednia aplikacja dostarczyła informacji o rozmieszczeniu środka ciężkości narzędzia i jego osiowych momentów bezwładności. Układ sterowania robota zapisuje te dane w tablicowej zmiennej systemowej LOAD_DATA[1-16] pod odpowiednim indeksem odpowiadającym wcześniej wybranemu narzędziu. Zamodelowaną głowicę wraz z korespondującym układem współrzędnych pokazano na rys. 3. Otrzymano wartości zestawione w poniższej tabeli (Tabela 1):

Rys. 4. Widok prototypowego detektora promienia lasera Fig. 4. View of prototype laser detector

Tabela 1. Dane narzędzia otrzymane z aplikacji CAD Table 1. Tool’s data obtained from CAD application

Cecha narzędzia

Wartość

Jednostka

Masa

0,472

kg

dla x:

13,365

mm

dla y:

–8,385

mm

dla z:

44,881

mm

Jx:

0,001

kg/m2

Jy:

0,002

kg/m2

Jz:

0,0005

kg/m2

Środek ciężkości

Osiowy moment bezwładności

Rys. 3. Model triangulacyjnej głowicy pomiarowej z uchwytem Fig. 3. The model of triangulation measurement head with handle

Wyznaczenie TCP narzędzia (triangulacyjnej głowicy laserowej) można wykonać metodą tradycyjną. Metoda tradycyjna polega na wybraniu krawędzi na aluminiowym uchwycie głowicy pomiarowej i przemierzeniu tego punktu przez zbliżanie go z czterech różnych kierunków do punktu referencyjnego (np. stalowy pręt, ze szpiczastym, stożkowym zakończeniem, przytwierdzony do podstawy, aby umożliwić pewne zamocowanie). Następnie przez znajomość geometrycznych wymiarów głowicy pomiarowej [2], aluminiowego uchwytu oraz ich wzajemnego położenia, dane zawarte w zmiennej TOOL_DATA[1-16] powinny zostać zmodyfikowane przez dodanie poprawek wynikających z geometrycznych zależności podzespołów wchodzących w skład narzędzia (aluminiowy uchwyt, głowica pomiarowa).

Prezentowana metoda bezpośrednia wyznaczenia punktu TCP z użyciem detektora promienia laserowego jest dokładniejsza od pośredniej metody klasycznej. Na błąd metody nie mają wpływu błędy wyznaczenia fizycznego punktu uchwytu narzędzia F, błędy wyznaczenia składowych przesunięcia od punktu F do punktu środka zakresu pomiarowego, którego położenie w danych technicznych jest podane bardzo orientacyjnie, a w kierunkach prostopadłych do promienia lasera określenie jest zgrubne. Dodatkowo błąd metody klasycznej rośnie wskutek błędu ustalenia głowicy laserowej w uchwycie i błędu ustalenia uchwytu czujnika w kołnierzu.

3.2. Detektor promienia laserowego

W celu wykonania pełnej kalibracji narzędzia, opracowano w Katedrze Technologii Maszyn i Automatyzacji uczelni ATH prototyp detektora promienia laserowego (Rys. 4). Fotodioda bpyp30 [9] znajdująca się wewnątrz detektora promienia laserowego, oświetlona światłem lasera generuje napięcie proporcjonalne do natężenia źródła światła. Światło lasera pada na fotodiodę poprzez otwór o średnicy 0,9 mm znajdujący się w nieprzezroczystej przesłonie. Zamontowana w detektorze lasera fotodioda cały czas podlega działaniu światła pochodzącego np. od oświetlenia zainstalowanego w pomieszczeniu. Światło zewnętrzne w tym przypadku jest zakłóceniem, powodującym generowanie przez diodę napięcia na jednostajnym poziomie. Skupiona wiązka

67


Metoda wyznaczenia TCP narzędzia dla triangulacyjnej głowicy pomiarowej współpracującej z robotem przemysłowym

żenia robota, zamontowaną na jego flanszy głowicę pomiarową ustawiono z czterech różnych kierunków (Rys. 7) w taki sposób, aby punkt, z którego promień opuszcza obudowę głowicy, był zawsze w odległości 150 mm od punktu źródła promienia lasera. Uzyskanie odległości 150 mm od detektora promienia lasera było możliwe dzięki obserwacji podawanej przez głowicę pomiarową wartości dystansu w oprogramowania LK-Navigator-2, zainstalowanym na PC. Ponieważ przesłona detektora posiada otwór o średnicy 0,9 mm (druga wersja detektora posiada średnicę równą 0,2 mm), promień lasera może paść na fotodiodę jedynie tą drogą. Prezentowana głowica pomiarowa emituje wiązkę lasera w klasie 2 (niebezpieczny dla wzroku). W związku z tym miejsce padania promienia lasera na detektor dla bezpieczeństwa wzroku osoby wykonującej kalibrację, było obserwowane pośrednio za pomocą kamery HD (HDR-TG3, zamontowanej na statywie) oraz monitora HD LCD (E2495S). Konieczne jest zastosowanie urządzeń o wysokiej jakości rejestrującej i odtwarzającej obraz. Dla kamery i/lub monitora o gorszych parametrach rozdzielczości obraz na monitorze uzyskany dla plamki promienia laserowego był zbyt rozmazany, uniemożliwiający sprawne wykonanie kalibracji. Na podstawie zmierzonych wartości położenia dla kolejnych czterech punktów, wbudowane oprogramowanie robota wyznaczyło punkt TCP narzędzia, jak również wartość błędu pomiaru TCP narzędzia. Algorytm wyznaczenia TCP metodą czteropunktową podany został w pracy [11]. Błąd pomiaru wskazuje, że rzeczywiste położenie wyznaczonego punktu TCP narzędzia jest w odległości nie większej niż podana wartość. W celu weryfikacji wpływu wielkości średnicy otworu wykonanego w przesłonie detektora promienia lasera, zrealizowano pomiary dla wartości średnic: 0,9 mm i 0,2 mm. Wyniki zebrano w Tabeli 2.

Rys. 5. Wzrost wartości napięcia generowanego przez fotodiodę oświetloną wiązką lasera Fig. 5. The voltage generating by photodiode is risen in case when laser’s beam falls on its surface

laserowa ma na tyle dużą moc promieniowania (0,95 mW), iż powoduje wygenerowanie wyraźnie wyższego poziomu napięcia. Poziom napięcia rejestrowany był na oscyloskopie cyfrowym o dwunastobitowej rozdzielczości pionowej (XDS3102A). Rezultatem oświetlenia fotodiody promieniem lasera jest kilkukrotny wzrost napięcia do poziomu 380 mV (Rys. 5). Zbudowany prototyp pozwalał określić prawidłową pozycję promienia laserowego na 3 różne sposoby: skokowy wzrost napięcia generowanego przez fotodiodę, rozbłysk fotodiody oraz przekroczenie wartości dostępnych dla zakresu pomiarowego, co jest sygnalizowane przez diodę LED zainstalowaną na głowicy pomiarowej. Bazując na doświadczeniach z prezentowanym prototypem, zbudowano finalną wersję detektora promienia lasera (Rys. 6). W tym modelu detektora fotodioda współpracuje z tranzystorem mającym za zadanie wzmocnić generowane przez fotodiodę napięcie do poziomu umożliwiającego wysterowanie czerwonej diody sygnalizacyjnej LED znajdującej się w obudowie. Zaświecenie diody LED jest dla obserwatora informacją, że wiązka lasera pada dokładnie na fotodiodę. W środku detektora została umieszczona bateria pozwalająca na bezprzewodową pracę całego układu. W podstawie detektora zainstalowano magnes neodymowy, pozwalający na wygodne zamontowanie detektora na stalowym podłożu i gwarantującym jego niezmienną pozycję podczas całego procesu kalibracji. Całość zamontowana jest w kompaktowej, niewielkiej i wytrzymałej mechanicznie obudowie.

Tabela 2. Porównanie wartości danych otrzymanych dla TCP narzędzia dla dwóch wielkości średnicy otworu w przesłonie Table 2. Comparing values obtained via measuring tool’s TCP in two cases of screen hole’s diameter Średnica otworu

Średnica otworu

0,9 mm

0,2 mm

Współrzędna X:

-5,122

-3,349

mm

Współrzędna Y:

-1,061

-1,054

mm

Współrzędna Z:

245,384

243,008

mm

Błąd pomiarowy:

0,851

0,291

mm

Zmierzony TCP

4. Metoda kalibracji

Wartość błędu pomiaru TCP narzędzia uzyskana dla średnicy otworu przesłony 0,2 mm jest trzykrotnie mniejsza niż uzyskana dla wartości średnicy 0,9 mm. Potwierdza to zjawisko, że wraz ze zmniejszaniem się średnicy otworu w przesłonie zmniejsza się obszar, w który może wpaść wiązka lasera oświetlająca fotodiodę. Obszar ten ulega zmianie wraz ze zmianą grubości folii, w której wykonano otwór oraz kątem padania promienia lasera na tę folię (rys. 8). Istnieje zależność dla zakresu kąta padania promienia lasera. Od pewnej wartości kąta a (wartość graniczna kąta padania promienia lasera), promień padający w przestrzeń otworu nie dociera już do fotodiody, gdyż odbija się od wewnętrznej krawędzi otworu przesłony wykonanej z metalowej foli. Zależność wartości kąta padania od wymiarów geometrycznych przesłony przedstawia zależność (1):

Metoda prezentowana w artykule wykorzystuje fakt, że wiązka lasera głowicy pomiarowej posiada najmniejszą średnicę [2, 3] wynoszącą 0,12 mm, w odległości 150 mm od źródła promienia. Pozycjonowanie promienia lasera ponad fotodiodą umieszczoną w detektorze promienia lasera może dostarczyć takich samych informacji, jak obserwacja wybranej, fizycznej krawędzi narzędzia i ustalanie względem przyjętego punktu referencyjnego znajdującym się na pręcie kalibracyjnym. Poprzez zmianę poło-

Rys. 6. Widok finalnej wersji detektora promienia lasera Fig. 6. View of final version of laser detector

68

P

O

M

I

A

R

Y

A

U

T

O

Jednostka

(1)

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

NR 3/ 20 1 6


Piotr Dutka

Rys. 7. Zasada przyjęcia czterech pozycji kalibracyjnych pozycji głowicy pomiarowej względem detektora lasera Fig. 7. Principle for set up four calibrating positions of measurement head in regard to laser detector

gdzie: a – kąt graniczny (stopnie), h – wysokość przesłony (mm), d – średnica otworu w przesłonie (mm). Dla wartości wymiarowych grubości przesłony h = 0,13 mm, średnicy otworu d = 0,9 mm, wartość kąta granicznego a = 8,22°. Dla otworu w przesłonie wynoszącym d = 0,2 mm, kąt graniczny a = 33,02°. Jeśli promień lasera będzie padał pod kątem a’ (zawierającym się w przedziale 8,22°–90°), zmieniać się będzie odległość r promienia lasera od krawędzi bocznej otworu przesłony. Można to wyrazić wzorem (2):

Prezentowana metoda nie jest czasochłonna. Średni czas ustawienia robota w czterech punktach wymaganych do przeprowadzenia kalibracji wynosił około 15 min. Czas ten jest porównywalny z kalibrowaniem narzędzia w sposób klasyczny. W metodzie tradycyjnej, na końcową wartość błędu kalibracji narzędzia, zasadniczy wpływ mają dobre zdolności wzrokowe i staranność operatora wykonującego tę czynność. Należy bowiem w trójwymiarowej przestrzeni ustawić możliwie jak najbliżej siebie dwie ostre krawędzie (krawędź kalibrowanego przedmiotu

(2) gdzie: r – odległość padania promienia lasera od krawędzi otworu przesłony (mm), a’ – kąt padania promienia lasera (stopnie), h – wysokość przesłony (mm), d – średnica otworu w przesłonie (mm). Na rysunku 9 przedstawiono wykres zależności zmiany odległości r od kąta padania a’ dla dwóch wartości wymiarowych średnicy otworu przesłony d1 = 0,9 mm (linia ciągła 1) i d2 = 0,2 mm (linia przerywana 2). Im mniejsza średnica d otworu w przesłonie, tym kąt graniczny a ma większą wartość i bardziej problematyczne staje się ułożenie flanszy robota, aby promień głowicy pomiarowej wpadł przez otwór na fotodiodę. Zwiększając kąt a’ padania promienia lasera, zmniejsza się zróżnicowanie czterech pozycji dla przeprowadzenia kalibracji. Ostatecznie, w wyniku wykonania kalibracji dla średnicy otworu w przesłonie d = 0,2 mm uzyskano błąd ustawienia punktu TCP poniżej 0,3 mm, co jest bardzo dobrym rezultatem.

Rys. 8. Widok przesłony fotodiody wraz z zależnościami geometrycznymi kąta padania promienia lasera Fig. 8. View of geometrical dependences of photodiode’s screen and laser angle of incidence

5. Podsumowanie Zaletą prezentowanej w artykule metody jest otrzymanie dokładnej i poprawnie zdefiniowanej wartości punktu TCP głowicy pomiarowej. Najazdowa oś narzędzia Z pokrywa się z promieniem lasera emitowanym przez głowicę pomiarową. Punkt referencyjny wiązki lasera (wartość współrzędnej osi Z po kalibracji wynosi 0) umiejscowiony jest w odległości 150 mm od miejsca emisji wiązki laserowej, co odpowiada środkowi zakresu pomiarowego głowicy. Przy tak zdefiniowanym narzędziu, w dalszych krokach w wygodny sposób można przeprowadzić wyznaczenie układu współrzędnych (bazy) mierzonego przedmiotu. Określenie bazy jest kolejnym krokiem niezbędnym do przeprowadzenia pomiarów detalu.

Rys. 9. Zależność między kątem padania promienia lasera a odległością r dla różnych średnic otworów w przesłonie Fig. 9. Dependence between laser’s angle of incidence and distance r for different diameters of screen’s hole

69


Metoda wyznaczenia TCP narzędzia dla triangulacyjnej głowicy pomiarowej współpracującej z robotem przemysłowym oraz krawędź pręta referencyjnego) i powtórzyć tę czynność cztery razy dla różnych kierunków orientacji narzędzia. Kolejną składową błędu kalibracji jest dokładność i powtarzalność pozycjonowania robota. W metodzie zaproponowanej w artykule na błąd pomiarowy, oprócz dokładności i powtarzalności pozycjonowania robota, wpływa wielkość średnicy otworu w przesłonie oraz dokładność mierzenia odległości przez głowicę pomiarową. Składowa błędu wynikająca z niedokładności pomiaru laserem jest co najmniej o dwa rzędy mniejsza, dlatego może być pominięta w analizie dokładności kalibracji. Z uwagi na wykorzystane podczas kalibracji specyficzne właściwości narzędzia (emitowanie wiązki laserowej), metoda ta jest przeznaczona tylko i wyłącznie do kalibrowania punktu TCP narzędzi o funkcjonalności zbliżonej do prezentowanej głowicy pomiarowej. Na obecnym etapie badań nie można określić wpływu dokładności ustalenia punktu TCP na niepewność pomiarów realizowanych triangulacyjnym czujnikiem optycznym. Wydaje się jednak pewne, że wykonany detektor promienia laserowego umożliwi określenie wielkości takich błędów i pozwoli opracować metody ich kompensacji. Prace omówione w artykule zostały wykonane w Katedrze Technologii Maszyn i Automatyzacji ATH w ramach badań nad niepewnością pomiarów realizowanych przez inspekcyjny robot przemysłowy.

2. 3. 4. 5. 6. 7. 8. 9. 10.

Bibliografia

11.

1. Stryczek R., Dutka P., The analysis of signal disruptions from an optical triangulation measurement sensor, “Measu-

rement Automation and Monitoring”, Vol. 62, No. 2, 2016, 62–65. KEYENCE: High-speed, high-accuracy laser displacement sensor, LK-G5000 Series, user’s manual (2010). KEYENCE: Configuration software LK-H2 for the LK-G5000 Series, LK-Navigator 2, user’s manual (2011). KUKA Roboter GmbH: “Trainer Guide, Use and Programming of Industrial Robots”, V1, en.pdf, training guide (2013). Blais F., A Review of 20 Years of Ranges Sensor Development, Videometrics VII, Proceedings of SPIE -IS&T Electronic Imaging , SPIE Volume 5013, NRC 44965, 2003, 62–76. Schwenke H., Neuschaefer-Rube U., Kunzmann H., Pfeifer T., Optical methods for dimensional metrology in production engineering, CIRP Annals: 51, 2002, 685–699. Kulik J., Wojtczak Ł., Światowe trendy robotyki a wyzwania technologiczne polskich MŚP, „Pomiary Automatyka Robotyka”, R. 19, Nr 4/2015, 79-86, DOI: 10.14313/PAR_218/79. Ratajczyk E., Współrzędnościowa technika pomiarowa, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 1994. [http://www.datasheetlib.com/datasheet/640381/bpyp30_ unitra-cemi.html], pobrane 20.06.2016. Kutz V., Tahemaa T., Otto T., Sarkans M., Lend H., Robot manipulator usage for measurement in production areas, “Journal of Machine Engineering”, Vol. 16, No. 1, 2016, 57–67. Hallenberg J., Robot Tool Center Point Calibration using Computer Vision, Master’s Thesis in Computer Vision Linköping Department of Electrical Engineering, Linköping’s University, SE-581 83, Linköping, Sweden, February 2007.

Method to set up tool’s TCP for triangulation measurement head installed on industrial robot’s flange Abstract: This article shows method to set up tool’s TCP (Tool Center Point) for triangulation

measurement head installed on industrial robot’s flange. Properly setting tool’s TCP and its coordinate system plays vital role for effective adopting manipulator to execute future tasks. The purpose of location measurement head on robot’s flange is to measure in automatic mode geometric dimensions of measured part. The dedicated laser detector was created and tested to calibrate measurement head’s TCP. The test stand, laser detector and calibration method were made on Department of Production Engineering and Automation of ATH for reasons of estimation of uncertainty of measurements executed by measurement head installed on industrial robot’s flange. Keywords: tool’s TCP calibration, laser detector, workshop measurements, inspection robot

mgr inż. Piotr Dutka wolfow@poczta.onet.pl

Absolwent Wydziału Budowy Maszyn i Informatyki Akademii Techniczno-Humanistycznej w Bielsku-Białej. Obecnie doktorant na kierunku Budowa i Eksploatacja Maszyn ATH. Zaawansowany staż pracy w służbach Utrzymania Ruchu w branży Automotive. Zainteresowania zawodowe to zrobotyzowane stanowiska produkcyjne, sterowniki PLC, systemy wizyjne.

70

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

NR 3/ 20 1 6


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 20, Nr 3/2016, 71–76, DOI: 10.14313/PAR_221/71

Stanowisko laboratoryjne do badań algorytmów sterowania robotami mobilnymi z wizyjnym sprzężeniem zwrotnym Daniel Figurowski, Michał Brasel, Michał Kubicki

Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Elektryczny, ul. Sikorskiego 37, 70-313 Szczecin

Streszczenie: W artykule poruszono tematykę związaną z opracowaniem platformy badawczo-dydaktycznej przeznaczonej dla robotów mobilnych. Omawiane stanowisko zostało zbudowane na Wydziale Elektrycznym Zachodniopomorskiego Uniwersytetu Technologicznego w Szczecinie jako platforma przeznaczona do projektowania i testowania algorytmów sterowania z wizyjnym sprzężeniem zwrotnym. W artykule poruszono przyczyny budowy takiej platformy wraz z odniesieniem się do istniejących rozwiązań, które powstały w innych ośrodkach badawczych. W dalszej części opisano wymagania postawione opracowanej platformie, a także omówiono konstrukcję prototypu platformy, zastosowane roboty mobilne oraz komponenty sprzętowe systemu. Następnie poruszono zagadnienie wizji maszynowej oraz przedstawiono opracowany algorytm analizy obrazu 2D. Artykuł kończy się podsumowaniem, w którym zamieszczono perspektywę rozwoju stanowiska oraz zarysowano plan wykorzystania opracowanej platformy do badań naukowych, jak i celów dydaktycznych. Słowa kluczowe: roboty mobilne, pojazdy kołowe, system wizyjny, analiza obrazów 2D, stanowisko laboratoryjne

1. Wprowadzenie W ostatnich latach obszar wiedzy związany z robotami mobilnymi jest jednym z najprężniej rozwijających się w dziedzinie robotyki. Różnorodność zastosowań robotów mobilnych zarówno w przemyśle (m.in. magazynowanie, transport, diagnostyka), jak i w życiu codziennym (sprzątanie, rozrywka) powoduje wzrost znaczenia badań nad metodami sterowania tymi obiektami oraz potrzebę poszukiwania nowych rozwiązań. To rozległe spektrum aplikacji robotów mobilnych przekłada się również na coraz większe ich rozpowszechnienie, a tym samym na zainteresowanie tą tematyką ze strony społeczeństwa. Producenci robotów konkurując ze sobą, nie tylko starają się poszerzyć zakres zadań realizowanych przez ich produkty, ale również dążą do maksymalnego uproszczenia ich obsługi od strony użytkownika. Ten ostatni aspekt powoduje, że roboty takie sprzedawane są często jako systemy zamknięte (z punktu widzenia modyfikacji algorytmów sterowania) z dostępnym i łatwym w obsłudze interfejsem użytkownika (HMI). To utrudnia wprowadzanie własnych modyfikacji sprzętowo-programowych, które są niezbędne w prowadzeniu

Autor korespondujący: Michał Brasel, michal.brasel@zut.edu.pl Artykuł recenzowany nadesłany 1.09.2016 r., przyjęty do druku 29.09.2016 r. Zezwala się na korzystanie z artykułu na warunkach licencji Creative Commons Uznanie autorstwa 3.0

badań naukowych. Projektowanie i testowanie własnych algorytmów sterowania automatycznego w odniesieniu do robotów mobilnych wymaga zatem bogatego zasobu wiedzy inżynierskiej i odpowiedniego stanowiska badawczego. Stanowisko, które spełniałoby odpowiednie wymagania elastyczności sprzętowo-programowej najczęściej trzeba zbudować od podstaw. Działania takie są podejmowane na całym świecie przez różne ośrodki, a stworzone platformy służą zarówno jako stanowiska badawcze, jak i narzędzie dydaktyczne [8, 9, 13, 14]. W artykule przedstawiono opis stanowiska laboratoryjnego przeznaczonego do badań algorytmów sterowania robotami mobilnymi z wizyjnym sprzężeniem zwrotnym, które powstało w ramach działalności koła naukowego SARIS (ang. Smart Autonomous Robots and Inteligent Systems) działającego przy Katedrze Automatyki Przemysłowej i Robotyki na Wydziale Elektrycznym Zachodniopomorskiego Uniwersytetu Technologicznego w Szczecinie. Główną motywacją dla opracowanej platformy była chęć stworzenia rozwiązania, które byłoby modularne, łatwo rozszerzalne i umożliwiało realizację badań w zakresie robotyki mobilnej i dziedzin z nią powiązanych. Idea takiej otwartej platformy jest pokazana w realizacjach [13, 14]. Istnieją jednak pewne istotne różnice w porównaniu z opracowanym systemem. W publikacji [13] implementacja oparta jest na czujnikach optycznych oraz IR, a nacisk położony jest na autonomię robotów, które mogą komunikować się ze sobą. Informacja o otaczającym świecie w publikacji [14] uzyskiwana jest z wykorzystaniem odometrii, a warstwa obliczeniowa jest mocno związana z pojedynczym robotem i jego konstrukcją. W przypadku platformy prezentowanej w niniejszym artykule, dominującym problemem jest wykorzystanie wizyjnego sprzężenia zwrotnego jako jedynego źródła informacji o świecie i wykorzystaniu go do sterowania robotami w tym świecie funkcjonującymi. Stąd też

71


Stanowisko laboratoryjne do badań algorytmów sterowania robotami mobilnymi z wizyjnym sprzężeniem zwrotnym

Rys. 2. Trzy roboty mobilne: z i bez WLAN oraz z trójkątem do identyfikacji Fig. 2. Three mobile robots: with and without WLAN and one with identification triangle

Rys. 1. Stół z umieszczonymi na nim robotami mobilnymi Fig. 1. Test bench with mobile robots placed on it

bliżej jej do rozwiązań prezentowanych w [8] i [9], w stosunku do nich postawiono jednak na większą otwartość architektury opracowanego systemu. Całość sterowania realizowana jest po stronie klienta, w środowisku, które użytkownik uzna za najbardziej dla siebie dogodne. Klienci mogą zarządzać pojedynczym robotem lub grupą robotów, przy czym z samej platformy może korzystać wielu klientów jednocześnie. Rola programu działającego cyklicznie na robocie mobilnym została ograniczona do niezbędnego minimum – realizuje zadania komunikacyjne oraz przesyła wypracowane sygnały na napędy kół. Nie występuje tu konieczność wgrywania programu użytkownika bezpośrednio na roboty. W porównaniu do [8] w opracowanym systemie nie zastosowano bezpośredniej komunikacji pomiędzy robotami, gdyż za ich koordynację odpowiada klient. W celu zminimalizowania opóźnień transportowych nacisk położono też na funkcjonowanie komponentów platformy w sieci lokalnej. Również pozostawiono użytkownikowi możliwość tworzenia własnych algorytmów przetwarzania obrazu 2D i wykorzystania ich jako źródła danych dla stworzonego systemu sterowania. W artykule szczególną uwagę zwrócono na opracowany algorytm analizy obrazu 2D, który podzielony został na dwie części: lokalizację oraz identyfikację robotów mobilnych. Stanowi on jeden z najistotniejszych aspektów funkcjonowania platformy. Opisano też podejście zastosowane w budowie warstwy programowej oraz wykorzystane biblioteki do zrealizowanych celów. W podsumowaniu artykułu zarysowany został plan wykorzystania platformy do badań naukowych, jak i celów dydaktycznych. Przedstawiono również koncepcję rozwoju platformy oraz potencjalnych usprawnień w warstwie programowej oraz sprzętowej.

przetwarzania obrazu również nie pozostały w tyle, znajdując implementację w wielu powszechnie dostępnych, dobrze udokumentowanych bibliotekach programistycznych. Nie oznacza to jednak, że rozwój tej dziedziny uległ spowolnieniu, wręcz przeciwnie – kamery o coraz większej rozdzielczości i ilości rejestrowanych klatek na sekundę wymagają nowych pokładów mocy obliczeniowej. Również sposób postrzegania otoczenia się zmienia – z próby zidentyfikowania w przestrzeni zdefiniowanych obiektów, na warstwę bardziej abstrakcyjną, a to z kolei wymaga zmiany w sposobie myślenia i stosowanych algorytmach.

3. Platforma naukowo-dydaktyczna 3.1. Założenia

Przed przystąpieniem do projektowania stanowiska laboratoryjnego zdefiniowano cele i założenia jakie musi spełniać projektowany system. Wyboru odpowiednich założeń dokonuje się najczęściej na drodze kompromisu między różnymi ograniczeniami: konstrukcyjnymi, wydajnościowymi i ekonomicznymi. Wybór ten w dużej mierze jest kwestią indywidualną. W przypadku omawianego stanowiska, przeznaczonego do badań algorytmów sterowania robotami mobilnymi, głównymi wymaganiami przyjętymi podczas jego projektowania były: możliwość detekcji pojazdów w ruchu oraz dostateczna odporność algorytmów detekcji i komunikacji. W toku realizacji projektu przyjęto również dodatkowe kryteria – dokładność pozycjonowania na poziomie ±5 mm i położenia kątowego na poziomie ±5°, obsługa do 10 robotów oraz niskie koszty konstrukcyjne. Komunikacja z robotami powinna odbywać się bezprzewodowo, z wykorzystaniem popularnego protokołu komunikacyjnego, tak aby możliwe było tworzenie nowego oprogramowania w innych środowiskach.

2. System wizyjny Zadaniem systemu wizyjnego (zwanego często także wizją maszynową), jest udostępnienie maszynom możliwości postrzegania i analizowania otoczenia, podobnego do jednego z ludzkich zmysłów – wzroku. Należy jednak zauważyć, iż w pewnych aspektach systemy wizyjne są od niego doskonalsze – możliwość pracy w szerszym spektrum barw: noktowizja, termowizja, ultrafiolet. Systemy takie składają się z kamery pozyskującej informacje o aktualnym stanie obiektów na płaszczyźnie roboczej, oświetlacza oraz komputera analizującego zebrane dane przy użyciu odpowiednich metod analizy obrazów i systemów decyzyjnych. Wizja maszynowa znalazła szerokie zastosowanie w przemyśle i nie tylko, gdzie realizuje m.in. takie zadania jak: liczenie, pomiar, identyfikacja, sortowanie, ocena jakości. Stosowana jest też do szerokiego wachlarza materiałów, produktów końcowych, kompleksowych systemów, a nawet może wspomagać zarządzanie zakładu przemysłowego [12]. Dynamiczny rozwój wizji maszynowej trwa począwszy od lat osiemdziesiątych XX wieku, na co składa się wiele czynników – spadek kosztów produkcji systemu, rozwój technologii LED, rozwój algorytmów sztucznej inteligencji, wzrost mocy obliczeniowej czy doskonalszych matryc. Metody

72

P

O

M

I

A

R

Y

A

U

T

O

M

3.2. Stanowisko laboratoryjne

Głównym elementem konstrukcyjnym stanowiska jest stół roboczy o wymiarach 2 m × 2 m pokryty antypoślizgową matą PCV o czarnej matowej powierzchni. Mata ta została przyklejona do podkładu z płyt MDF pełniącego funkcję blatu opartego na konstrukcji wsporczej. Szkielet podtrzymujący blat został wykonany z profili firmy Bosch Rexroth, przy czym cała strefa robocza została otoczona barierą zapobiegającą wypadnięciu robota poza krawędź stołu. Konstrukcję zbudowaną w ten sposób postawiono na regulowanych stopkach. Całość przedstawiono na rys. 1.

3.3. Warstwa sprzętowa

Obiektami sterowania użytymi w początkowych badaniach testowych są dwukołowe roboty mobilne „3pi” firmy Pololu, zbudowane jako jednostka eksperymentalna z jedną centralną osią napędową ze zdolnością do wykonywania ruchu skrętnego w miejscu. Na spodniej krawędzi robota zostały umieszczone czujniki zbliżeniowe. Pojazd ten jest zasilany czterema akumulatorami typu AAA i może osiągnąć maksymalną prędkość 1 m/s. SzczegóA

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Daniel Figurowski, Michał Brasel, Michał Kubicki

łowe parametry zastosowanych robotów można znaleźć w dokumentacji producenta [1]. Oryginalna konstrukcja robota „3pi” nie ma jednak modułu komunikacji Wi-Fi, dlatego została rozbudowana o ten moduł według projektu zrealizowanego w pracy dyplomowej [2]. Moduł ten ma dodatkowo diody wykorzystywane w procesie wykrywania przez opracowany system wizyjny znajdujących się na stole pojazdów. Na rys. 2 przedstawiono trzy roboty mobilne, kolejno: bez modułu komunikacji, z modułem WLAN oraz ze znacznikiem w postaci białego trójkąta. Główna rolę w zaprojektowanym systemie wizyjnym odgrywa kamera firmy Imaging Sources model DFK23GP031 z interfejsem komunikacyjnym Gigabit Ethernet, którym przesyłany jest obraz oraz ustawienia parametrów akwizycji danych. Przechwytuje ona obraz kolorowy w maksymalnej rozdzielczości wynoszącej 2592 px × 1944 px przy 15 klatkach na sekundę, przy czym istnieje możliwość ustawienia mniejszej rozdzielczości, dzięki czemu można skorzystać z szybszej akwizycji obrazów. Wielkość piksela wynosi 2,2 mm × 2,2 μm, natomiast czas migawki ustawiany jest w zakresie od 50 μs do 30 s. Ponadto producent udostępnia pakiet SDK, który oferuje programiście szerokie możliwości w zakresie konfiguracji połączenia z kamerą oraz parametrów otrzymywanego obrazu. Więcej szczegółów można znaleźć w dokumentacji producenta [3, 4]. Na rys. 3 przedstawiono kamerę zamontowaną na regulowanym uchwycie przymocowanym do sufitu nad stołem. Uchwyt ten wykonany z profili firmy Bosch Rexroth zapewnia manualną regulację w sześciu stopniach swobody ruchu z ograniczeniem liniowym w zakresie 150 mm oraz kątowym 90° w każdym ramieniu. Komputer klasy PC (rys. 4) pełni rolę serwera obliczeniowo-komunikacyjnego. Jego zadaniem jest zarówno analiza obrazu z kamery, jak i komunikacja z robotami. Składa się on z procesora Intel Core 2 Duo E8400 o częstotliwości pracy 3 GHz i 4 GB pamięci RAM. Kolejnym istotnym elementem jest zastosowanie odpowiedniej karty graficznej wyposażonej w technologię CUDA. Optymalną cenę pod względem oferowanych możliwości zapewniał akcelerator graficzny Nvidia GeForce GTX 750 Ti. Techno-

Rys. 3. Kamera DFK23GP031 wykorzystana do akwizycji obrazu Fig. 3. DFK23GP031 camera used for image acquisition

Rys. 4. Zastosowany komputer i router WiFi Fig. 4. Applied computer and WiFi router

logia CUDA to równoległa architektura obliczeniowa, w której setki prostych procesorów realizuje obliczenia o charakterze równoległym [5]. Procesor ten ma 640 rdzeni CUDA zapewniających 1,4 TFLOPS. Dodatkowo do komunikacji z kamerą została zamontowana karta rozszerzeń z portem Gigabit Ethernet. Łączność bezprzewodową w systemie zapewnia router LINKSYS WRT54GL (rys. 4). Jest to model zapewniający łączność w standardzie IEEE 802.11g, co przekłada się na teoretyczną prędkość transmisji danych na poziomie 54 Mb/s, przy czym moc nadawcza wynosi maksymalnie 18 dBm. Ponadto zapewnia on szereg możliwości w zakresie zabezpieczenia sieci oraz konfiguracji jej parametrów.

3.4. Zastosowany system wizyjny

W przypadku opracowanej platformy określenie położenia robotów (ich współrzędnych) jest wynikiem działania zaawansowanych algorytmów analizy obrazu. Dzięki zebranym w ten sposób i odpowiednio przetworzonym informacjom możliwe jest wykorzystanie systemów wizyjnych w roli sprzężenia zwrotnego w układach sterowania (tzw. visual servoing). Informacje o położeniu pojazdów przekazywane są przez podsystem komunikacyjny do użytkownika, który wykorzystuje je w algorytmie sterowania do wypracowania odpowiednich sygnałów sterujących (w tym przypadku są to sygnały prędkości poszczególnych kół pojazdów znajdujących się na stole). Wypracowane wartości sygnałów sterujących przesyłane są następnie do serwera, który po ich odebraniu, przetwarza je i wysyła z wykorzystaniem komunikacji bezprzewodowej bezpośrednio do robotów. Schemat całej platformy przedstawia rys. 5. Możliwe inne role i konfiguracje kamery w sterowaniu można znaleźć w [10], natomiast przegląd algorytmów w [12]. Dla prawidłowej detekcji pojazdów w ruchu, niezbędne było osiągnięcie dużego współczynnika liczby klatek na sekundę dla kamery przechwytującej obraz. Cel ten spełniono dzięki obniżeniu rozdzielczości sensora optycznego o połowę, co przełożyło się na zdolność do akwizycji 25 klatek na sekundę. Problem „rybiego oka”, który mógłby mieć niekorzystny wpływ na poprawne naniesienie współrzędnych, niwelowany jest przez telecentryczny obiektyw kamery. Dodatkowo kamera umieszczona jest centralnie nad stołem roboczym i prostopadle do niego, a obraz jest przycinany i obracany. Pozwala to na uniknięcie konieczności kalibracji kamery, problemu przedstawionego w [11]. W efekcie rozdzielczość robocza wynosi 964 px × 964 px. Należy jednak pamiętać, że zmniejszenie rozdzielczości sensora wiąże się z obniżeniem dokładności pozycjonowania. W tym przypadku uzyskane war-

73


Stanowisko laboratoryjne do badań algorytmów sterowania robotami mobilnymi z wizyjnym sprzężeniem zwrotnym

Rys. 5. Schemat opracowanej platformy Fig. 5. Devised platform schema

Rys. 6. Obszary charakterystyczne robota wykorzystywane do: A) znajdywania położenia, B) identyfikacji robota Fig. 6. Characteristic zones of mobile robot used in: A) position finding, B) identification

tości dokładności pozycjonowania nadal mieszczą się przyjętym w punkcie 2.1 zakresie. Dodatkowo, dzięki takiemu ustawieniu uzyskano synchronizację migawki z częstotliwością sieci zasilającą lampy fluorescencyjne, co pozwoliło zniwelować efekt migotania.

− Konwersja obrazu z palety RGB na HSV i rozłożenie go na kanały reprezentujące poszczególne składowe Kanały te są reprezentowane przez macierze, których komórki odpowiadają za poszczególne piksele. − Zastosowanie zestawu filtrów na poszczególnych kanałach pozwalających znaleźć obiekty reprezentujące świecącą diodę LED. Dzięki temu otrzymujemy trzy zbinaryzowane tablice. − Wykonanie serii operacji logicznych na uzyskanych trzech macierzach binarnych, w efekcie czego otrzymujemy jedną macierz z informacją binarną – czy dana komórka ma charakterystykę odpowiednią dla świecącej się diody. − Z macierzy uzyskanej w poprzednim punkcie dokonujemy wyszukania konturów. W celu wyeliminowania zakłóceń w postaci pojedynczych pikseli przyjęto, że obszary identyfikowane jako dioda LED powinny składać się co najmniej z pięciu pikseli. − Wyznaczenie momentu centralnego znalezionego obszaru, który uznawany jest za środek obszaru diody LED. Tak jak wspomniano wcześniej, po zidentyfikowaniu robota należy go powiązać z koordynatami, w których się znajduje. Dokonywane jest to przez znalezienie najmniejszego dystansu między jego środkiem, a środkiem obszaru diody LED. Na rys. 7 można zobaczyć przetworzony obraz z naniesionymi markerami graficznymi dla rozpoznanych robotów.

3.5. Algorytm analizy obrazu 2D

W opracowanej platformie system wizyjny jest wykorzystywany do dwóch zadań: określenia współrzędnych robota oraz do jego identyfikacji. Zadania te w zakresie przetwarzania obrazu są niezależne od siebie, ale samo nadanie identyfikatora robotowi może nastąpić dopiero po określeniu jego współrzędnych. Określenie współrzędnych oraz orientacji robota bazuje na wykryciu kształtu białego trójkąta (rys. 6A) umieszczonego na górnej powierzchni robota. Serwer na bieżąco analizuje obraz i stara się wykryć wszystkie obiekty przypominające ten kształt, po czym oblicza współrzędne robotów bazując też na ich właściwościach fizycznych. W celu znalezienia środka wykorzystuje się stałą odległość trójkąta od centrum robota, a położenie kątowe determinowane jest na podstawie położenia trójkąta względem układu współrzędnych związanych ze stołem. Kolejne kroki są zdefiniowane następująco: − Konwersja obrazu na skalę szarości. − Progowanie obrazu – w efekcie otrzymywana jest macierz binarna. − Znalezienie wszystkich konturów. − Sprawdzenie czy obszar znalezionego konturu mieści się w zdefiniowanych ograniczeniach (więcej niż 100 px, ale mniej niż 500 px). − Wyznaczenie najmniejszego możliwego trójkąta zawierającego dany kontur. − Znalezienie najdłuższego boku trójkąta (podstawy). − Określenie rotacji trójkąta względem układu współrzędnych. Identyfikacja robota polega na powiązaniu adresu sieciowego robota z fizycznym obiektem znajdującym się na stole. Serwer w sposób cykliczny stara się nawiązać komunikację z pewną pulą adresów sieciowych, które jeszcze nie zostały zidentyfikowane. Po udanym nawiązaniu połączenia taki niezidentyfikowany robot zapala swoją czerwoną diodę LED (rys. 6B). Zadaniem systemu wizyjnego jest wykrycie tego sygnału i powiązanie go z koordynatami robota (wcześniejsze zadanie) bezpośrednio w jego otoczeniu. Jednocześnie tak oznaczonemu obiektowi nadawany jest unikalny identyfikator, który ułatwia dalszą interakcję z nim za pośrednictwem serwera. Sam algorytm działa w sposób następujący:

74

P

O

M

I

A

R

Y

A

U

T

O

M

3.6. Warstwa programowa

Na część programową systemu skład ają się trzy aplikacje. Każda z nich pełni inną rolę w środowisku opracowanej platformy: − Algorytm analizy obrazów (napisany został w języku C++, korzysta z biblioteki OpenCV). Jego zadaniem jest identyfikacja i lokalizacja robotów. − Komunikacja z robotami mobilnymi (zrealizowana w języku Python). − Zarządzanie klientami i przydzielanie robotów poszczególnym klientom w C#. Jak widać, każda z tych aplikacji została napisana w innym języku programowania. Spowodowane to było m.in. tym, iż nad kodem źródłowym pracowało kilku autorów, z których każdy miał własny bagaż doświadczeń związany z określonym języA

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Daniel Figurowski, Michał Brasel, Michał Kubicki

5. Podsumowanie

Rys. 7. Przenalizowany obraz 2D z rozpoznanymi robotami Fig. 7. Analyzed 2D image with recognized robots

Rys. 8. Schemat w środowisku obliczeniowym MATLAB/Simulink Fig. 8. MATLAB/Simulink model

kiem, dostępnością bibliotek czy kwestiami wydajnościowymi. Do interakcji między stworzonymi aplikacjami wykorzystywana jest biblioteka ZMQ, natomiast komunikacja z robotami oraz ze środowiskiem MATLAB/Simulink odbywa się po protokole TCP/IP. Szczególnie dużą rolę odgrywa biblioteka OpenCV. Zawiera szeroki wachlarz funkcji przydatnych w realizowaniu zadań związanych z analizą obrazu, które zostały szeroko zastosowane w opisywanym wcześniej algorytmie. Jej popularność oraz dobra dokumentacja przekładają się na zestaw przetestowanych przez innych programistów funkcji, które są łatwe do implementacji. Do realizacji celów badawczych oraz dydaktycznych opracowana została biblioteka w środowisku MATLAB/Simulnik (rys. 8), która pozwala korzystać z opracowanego stanowiska. Za jej pośrednictwem można sterować pojedynczym robotem, bądź grupą robotów realizując zaawansowane algorytmy sterowania. Wykorzystany jest blok Matlab System, który pozwala na korzystanie z funkcji Matlaba w środowisku MATLAB/ Simulink. Dodatkowo zastosowany został model oparty na programowaniu zorientowanym obiektowo. Cały system zbudowany jest z komponentów realizujących pojedyncze zadania, a informacje z nich pochodzące dostępne są dla większej liczby klientów. Rozwój warstwy programowej może zatem następować dwojako: zarówno przez doskonalenie istniejących już usług, jak i przez tworzenie nowych narzędzi, korzystających z udostępnionych już informacji.

Sterowanie robotami mobilnymi w układzie ze sprzężeniem wizyjnym jest problemem interdyscyplinarnym wymagającym biegłości w zagadnieniach związanych z analizą obrazu 2D, komunikacją oraz syntezą odpowiednich algorytmów sterowania przewidzianych dla różnych zadań. Warunkiem koniecznym prowadzenia badań dotyczących sterowania robotami mobilnymi jest dostęp do odpowiedniego stanowiska badawczego. Opisana platforma badawczo-dydaktyczna dedykowana pojazdom kołowym umożliwia realizację różnych zadań sterowania, m.in.: dynamiczne pozycjonowanie robotów, sterowanie robotami po zadanej trajektorii ruchu, a także sterowanie formacją robotów. W kręgu zainteresowań badawczych autorów artykułu znajdują się zagadnienia związane m.in. ze sterowaniem odpornym, identyfikacją modeli obiektów sterowania, algorytmami antykolizyjnymi, dynamiczną optymalizacją trajektorii ruchu obiektów, a także optymalizacji zużycia energii przez autonomiczne pojazdy. Na opracowanej platformie przeprowadzane będą również zajęcia dydaktyczne ze studentami pozwalające im zapoznać się z aspektami sterowania robotami mobilnymi. Realizowane zajęcia poruszają problematykę z zakresu kinematyki i dynamiki robotów mobilnych oraz generatora trajektorii. Planowany jest dalszy rozwój opracowanego systemu. Jedną z proponowanych zmian jest wykorzystanie kamery o większej rozdzielczości i z szybszą akwizycją obrazu. Przy dostatecznej mocy obliczeniowej, zwiększona częstotliwość próbkowania (prędkość akwizycji) wraz ze zwiększeniem dokładności mierzonej pozycji (rozdzielczość) powinna pozwolić na sterowanie, które będzie bardziej precyzyjne. System budowany jest modułowo, wobec czego wymiana pojedynczego komponentu (np. robotów) jest prosta. W tym zakresie planuje się zarówno modyfikację istniejących robotów przez wprowadzenie silnika BLDC z enkoderami, jak i wykorzystanie nowych rodzajów jednostek o innej geometrii. Na stole planuje się umieścić stację dokującą służącą do ładowania akumulatorów w sposób stykowy i bezprzewodowy. Kolejnym udoskonaleniem systemu analizy obrazu będzie sposób detekcji przeszkód, zarówno przez fizyczne naklejenie markerów na stole, jak i przez programowe symulowanie labiryntu. Usprawnienia są również planowane w warstwie programowej – większa integracja z platformą .NET oraz unifikacja rozwiązań w postaci wspólnych bibliotek, mają na celu dalsze ułatwienie tworzenia nowego oprogramowania dla opracowanej platformy. Dla zwiększenia wydajności obliczeniowej wykorzystana zostanie technologia CUDA, która pozwoli na zminimalizowanie czasu wykonania algorytmu.

Bibliografia 1. Pololu Corporation, Pololu 3pi Robot User’s Guide, 2013. 2. Spychała M., Integracja modułu WLAN ze sterownikiem robota mobilnego, Praca dyplomowa, Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, 2015. 3. The Imaging Sources, DFK23GP031 Color Camera, 2013. 4. The Imaging Sources, Camera SDK manual, http://www. theimagingsource.com/en_US/support/documentation/ icimagingcontrol-dotnet/, dostęp w 2016. 5. Nvidia, GeForce GTX 750 Ti, http://www.geforce.com/ hardware/desktop-gpus/geforce-gtx-750-ti, dostęp w 2016. 6. Nvidia, CUDA Zone, https://developer.nvidia.com/cuda-zone, dostęp w 2016. 7. Figurowski D., System wizyjny dla dynamicznego pozycjonowania robotów mobilnych, Praca dyplomowa, Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, 2015. 8. Fabregas E., Farias G., Dormido-Canto S., Guinaldo M., Sánchez J., Dormido Bencomo S., Platform for Teaching Mobiles Robotics. “Journal of Intelligent & Robotic Systems”, Vol. 81, Issue 1, 2016, 131–143.

75


Stanowisko laboratoryjne do badań algorytmów sterowania robotami mobilnymi z wizyjnym sprzężeniem zwrotnym 9. Witkowski U., Emad Monier, Rückert U., An Automated Platform for Minirobots Experiments, 10th Intl. Conf. on Control, Automation, Robotics and Vision, 2008. 10. Tepe Tufan, Mobile Robot Navigation Using Visual Servoing, MSc Internship TU/e, www.mate.tue.nl/mate/ pdfs/11494.pdf, dostęp w 2016. 11. Gregor Klančar, Marko Lepetič, Matej Kristan, Rihard Karba, Vision system design for mobile robot tracking, Mobile robots: new research. New York: Nova Science, 2005.

12. Batchelor G. B. (editor), Machine Vision Handbook, Rozdziały: I,XIV–XVII, Springer, 2012. 13. Rostkowska M., Topolski M., Skrzypczyński P., A modular mobile robot for multi-robot applications, „Pomiary Automatyka Robotyka”, Vol. 17, No. 2/2013, 288–293. 14. Piątek P., Zieliński M., Skrzypczyński P., Modułowy robot mobilny do celów dydaktycznych i badawczych, „Pomiary Automatyka Robotyka”, R. 15, Nr 2/2011, 411–419.

Laboratory Station for Studying Visual Feedback Control Systems for Mobile Robots Abstract: The article presents the development of an academic platform dedicated to mobile robots. This stand was built in West Pomeranian University of Technology in Szczecin as a platform on which control systems with visual feedback could be devised and tested. In the article a motivation for such station was presented with acknowledging already existing solutions developed by other research groups. Further, platform requirements were presented as well as its construction, mobile robots and hardware components. A general outline of the machine vision problem is given, as well as a detailed description of a 2D image analysis algorithm devised for the designed platform. The article ends with a summary in which a concept of using the platform for research and didactics is given as well as its further development. Keywords: mobile robots, wheeled vehicles, machine vision, 2D image analysis, laboratory station

mgr inż. Daniel Figurowski

mgr inż. Michał Brasel

Doktorant w Katedrze Automatyki Przemysłowej i Robotyki na Wydziale Elektrycznym Zachodniopomorskiego Uniwersytetu Technologicznego w Szczecinie. Zainteresowania naukowe obejmują robotykę mobilną, analizę obrazów oraz projektowanie układów elektronicznych.

Asystent w Katedrze Automatyki Przemysłowej i Robotyki na Wydziale Elektrycznym Zachodniopomorskiego Uniwersytetu Technologicznego w Szczecinie. Główne zainteresowania naukowe to: analiza i synteza wielowymiarowych układów sterowania, synteza sterowania nieliniowego i optymalnego, sterowanie ruchem obiektów pływających.

daniel-figurowski@zut.edu.pl

michal.brasel@zut.edu.pl

mgr inż. Michał Kubicki michal.kubicki@zut.edu.pl

Asystent w Katedrze Automatyki Przemysłowej i Robotyki na Wydziale Elektrycznym Zachodniopomorskiego Uniwersytetu Technologicznego w Szczecinie. Zainteresowania naukowe obejmują metody sztucznej inteligencji, optymalizację, modelowanie oraz teorię gier.

76

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 20, Nr 3/2016

Informacje dla Autorów Za artykuł naukowy – zgodnie z Komunikatem Ministra Nauki i Szkolnictwa Wyższego z dnia 29 maja 2013 r. w sprawie kryteriów i trybu oceny czasopism naukowych – należy rozumieć artykuł prezentujący wyniki oryginalnych badań o charakterze empirycznym, teoretycznym, technicznym lub analitycznym zawierający tytuł publikacji, nazwiska i imiona autorów wraz z ich afiliacją i przedstawiający obecny stan wiedzy, metodykę badań, przebieg procesu badawczego, jego wyniki oraz wnioski, z przytoczeniem cytowanej literatury (bibliografię). Do artykułów naukowych zalicza się także opublikowane w czasopismach naukowych opracowania o charakterze monograficznym, polemicznym lub przeglądowym, jak również glosy lub komentarze prawnicze.

Wskazówki dla Autorów przygotowujących artykuły naukowe do publikacji Artykuły naukowe zgłoszone do publikacji w kwartalniku naukowotechnicznym Pomiary Automatyka Robotyka powinny spełniać następujące kryteria formalne: – tytuł artykułu (nieprzekraczający 80 znaków) w języku polskim oraz angielskim, – imię i nazwisko Autora/Autorów, adres e-mail, afiliacja (instytucja publiczna, uczelnia, zakład pracy, adres), – streszczenie artykułu (o objętości 150–200 słów) w języku polskim oraz angielskim, – słowa kluczowe (5–8 haseł) w języku polskim oraz w języku angielskim angielskim, – zasadnicza część artykułu – w języku polskim (lub w j. angielskim), – podpisy pod rysunkami w języku polskim oraz w języku angielskim, – tytuły tabel w języku polski oraz w języku angielskim, – ilustracje/grafika/zdjęcia jako osobne pliki w formacie .eps, .cdr, .jpg lub .tiff, w rozdzielczości min. 300 dpi, min. 1000 pikseli szerokości, opisane zgodnie z numeracją grafiki w tekście.

Artykuł powinien mieć objętość równą co najmniej 0,6 arkusza wydawniczego, nie powinien przekraczać objętości 1 arkusza wydawniczego (40 000 znaków ze spacjami lub 3000 cm2 ilustracji, wzorów), co daje ok. 8 stron złożonego tekstu. W przypadku artykułów przekraczających tę objętość sugerowany jest podział na części. Nie drukujemy komunikatów! Do artykułu muszą być dołączone notki biograficzne wszystkich Autorów (w języku artykułu) o objętości 500–750 znaków oraz ich aktualne fotografie. Redakcja zastrzega sobie prawo dokonywania skrótów, korekty językowej i stylistycznej oraz zmian terminologicznych. Przed publikacją autorzy akceptują końcową postać artykułu.

System recenzencki PAR Redakcja przyjmuje wyłącznie artykuły oryginalne, wcześniej niepublikowane w innych czasopismach, które przeszły etap weryfikacji redakcyjnej. Autorzy ponoszą całkowitą odpowiedzialność za treść artykułu. Autorzy materiałów nadesłanych do publikacji są odpowiedzialni za przestrzeganie prawa autorskiego. Zarówno treść pracy, jak i zawarte w niej ilustracje, zdjęcia i tabele muszą stanowić dorobek własny Autora, w przeciwnym razie muszą być opisane zgodnie z zasadami cytowania, z powołaniem się na źródło. Oddaliśmy do dyspozycji Autorów i Recenzentów System Recenzencki, który gwarantuje realizację tzw. podwójnie ślepej recenzji. Przesyłając artykuł do recenzji należy usunąć wszelkie elementy wskazujące na pochodzenie artykułu – dane Autorów, ich afiliację, notki biograficzne. Dopiero po recenzji i poprawkach sugerowanych przez Recenzentów artykuł jest formatowany zgodnie z przyjętymi zasadami. W przypadku zauważonych problemów, prosimy o kontakt z Redakcją.

Kwartalnik naukowotechniczny Pomiary Automatyka Robotyka jest indeksowany w bazach BAZTECH, Google Scholar oraz INDEX COPERNICUS (ICV 2015: 57.21), a także w bazie naukowych i branżowych polskich czasopism elektronicznych ARIANTA. Punktacja MNiSW za publikacje naukowe wynosi 8 pkt (poz. 1224). Przyłączając się do realizacji idei Otwartej Nauki, udostępniamy bezpłatnie wszystkie artykuły naukowe publikowane w kwartalniku naukowotechnicznym Pomiary Automatyka Robotyka.

77


INFORMACJE DLA AUTORÓW

Oświadczenie dotyczące jawności informacji o podmiotach przyczyniających się do powstania publikacji Redakcja kwartalnika naukowotechnicznego Pomiary Automatyka Robotyka, wdrażając politykę Ministra Nauki i Szkolnictwa Wyższego odnoszącą się do dokumentowania etycznego działania Autorów, wymaga od Autora/Autorów artykułów podpisania przed przyjęciem artykułu do druku druku w kwartalniku oświadczenia zawierającego: 1. informację o udziale merytorycznym każdego wymieniowego Autora w przygotowaniu publikacji – celem jest wykluczenie przypadków tzw. „guest authorship”, tj. dopisywania do listy Autorów publikacji nazwisk osób, których udział w powstaniu publikacji był znikomy albo w ogóle nie miał miejsca. 2. informację o uwzględnieniu w publikacji wszystkich osób, które miały istotny wpływ na jej powstanie – celem jest: – potwierdzenie, że wszystkie osoby mające udział w powstaniu pracy zostały uwzględnione albo jako współautorzy albo jako osoby, którym autor/autorzy dziękują za pomoc przy opracowaniu publikacji, – potwierdzenie, że nie występuje przypadek „ghostwriting”, tzn. nie występuje sytuacja, w której osoba wnosząca znaczny wkład w powstanie artykułu nie została wymieniona jako współautor ani nie wymieniono jej roli w podziękowaniach, natomiast przypisano autorstwo osobie, która nie wniosła istotnego wkładu w opracowanie publikacji;

78

P

O

M

I

A

Redakcja na mocy udzielonej licencji ma prawo do korzystania z utworu, rozporządzania nim i udostępniania dowolną techniką, w tym też elektroniczną oraz ma prawo do rozpowszechniania go dowolnymi kanałami dystrybucyjnymi.

3. informację o źródłach finansowania badań, których wyniki są przedmiotem publikacji – w przypadku finansowania publikacji przez instytucje naukowo-badawcze, stowarzyszenia lub inne podmioty, wymagane jest podanie informacji o źródle środków pieniężnych, tzw. „financial disclosure” – jest to informacja obligatoryjna, nie koliduje ze zwyczajowym zamieszczaniem na końcu publikacji informacji lub podziękowania za finansowanie badań.

Zapraszamy do współpracy Poza artykułami naukowymi publikujemy również materiały informujące o aktualnych wydarzeniach, jak konferencje, obronione doktoraty, habilitacje, uzyskane profesury, a także o realizowanych projektach, konkursach – słowem, o wszystkim, co może interesować i integrować środowisko naukowe. Zapraszamy do recenzowania/ polecania ciekawych i wartościowych książek naukowych.

Umowa o nieodpłatne przeniesienie praw majątkowych do utworów z zobowiązaniem do udzielania licencji CC-BY Z chwilą przyjęcia artykułu do publikacji następuje przeniesienie majątkowych praw autorskich na wydawcę. Umowa jest podpisywana przed przekazaniem artykułu do recenzji. W przypadku negatywnych recenzji i odrzucenia artykułu umowa ulega rozwiązaniu.

Redakcja kwartalnika Pomiary Automatyka Robotyka nauka@par.pl

Zasady cytowania Podczas cytowania artykułów publikowanych w kwartalniku naukowo-technicznym Pomiary Automatyka Robotyka prosimy o podawanie nazwisk wszystkich autorów, pełną nazwę czasopisma oraz numer DOI, np.:

Ewelina Chołodowicz, Przemysław Orłowski, Comparison of a Perpetual and PD Inventory Control System with Smith Predictor and Different Shipping Delays Using Bicriterial Optimization and SPEA2, „Pomiary Automatyka Robotyka”, ISSN 1427-9126, R. 20, Nr 3/2016, 5–12, DOI: 10.14313/PAR_221/5.

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


czasopisma

pomiary

sprawdzian

miara

POLSPAR

automatyka PIAP eksperyment

innowacyjność

www

artykuły

seminarium

kalendarium

szkolenie

kwartalnik staż

federacja

nauka

publikacje

automatyka

stowarzyszenie

HORIZON 2020 książki innowacje organizacja projekt konkurs

robotykatest konferencje

POLSPAR

publikacje

relacja

dr h.c.

AutoCAD streszczenie

agencja kosmiczna

Top500 innowacje

IFAC

ZPSA

zapowiedź

profesura

relacja

szkolenie

doktorat

recenzje

POLSA

seminarium

sterowanie

związek

esa

szkolenie


80

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


ORGANIZACJE I STOWARZYSZENIA

IEEE Control Systems Society w Polsce Systemy sterowania są wszechobecne Polski Oddział IEEE Control System Society przedstawia propozycję współpracy. Wykorzystując struktury IEEE i CSS, umożliwia całemu środowisku automatyków w Polsce realizację wielu pożytecznych działań.

IEEE – misja i krótka historia Akronim IEEE, nazwa Institute of Electrical and Electronics Engineers [1] i charakterystyczne logo nawiązujące do reguły prawej dłoni są doskonale rozpoznawane w środowiskach technicznych na całym świecie. Nic w tym dziwnego, bowiem od chwili powstania w 1963 roku IEEE rozwinęła się w największą organizację techniczną, skupiającą ponad 400 tysięcy członków i odpowiedzialną za utworzenie około 30% światowego zasobu literatury technicznej z zakresu elektrotechniki, elektroniki, automatyki, informatyki i dziedzin pokrewnych. Działalność IEEE jest zorganizowana zgodnie z dwiema nakładającymi się na siebie strukturami. Pierwsza ma charakter geograficzny, obejmuje 10 regionów i 139 sekcji, wśród których znajduje się, a nawet wyróżnia, Polska Sekcja IEEE [2]. Druga struktura IEEE zbudowana jest aktualnie z 36 stowarzyszeń, które ponad podziałami geograficznymi skupiają specjalistów zainteresowanych podobną tematyką. Jednym z tych stowarzyszeń jest Control Systems Society (CSS), zrzeszające osoby pracujące w obszarze szeroko pojętej automatyki i układów sterowania. Efektem nałożenia tych dwóch struktur IEEE jest wyodrębnienie krajowych lub regionalnych oddziałów stowarzyszeń. I tak, Polski Oddział IEEE CSS tworzą członkowie Polskiej Sekcji IEEE należący jednocześnie do CSS. Polski Oddział IEEE CSS [3] został powołany do życia, jak i wiele innych wartościowych inicjatyw w polskiej automatyce, za sprawą prof. Tadeusza Kaczorka, który rozpoczął proces organizacji oddziału i był jego pierwszym przewodniczącym. Ten pionierski okres funkcjonowania oddziału wspomina jego kolejny przewodniczący, prof. Marian Błachuta (Politechnika Śląska, Wydział Automatyki, Elektroniki i Informatyki): Na jednej z konferencji MMAR prof. Tadeusz Kaczorek wziął mnie pod rękę i zaproponował, abym przejął od niego obowiązki. W ten sposób zostałem „wybrany” na przewodniczącego i trwało to tak przez kilka lat…. Kolejnym przewodniczącym, wybranym już w formalnym głosowaniu, został prof. Dariusz Uciński (Uniwersytet Zielonogórski, Instytut Sterowania i Systemów Informatycznych), który pełnił tę funkcję dwie kadencje w latach 2008–2011. Następnym przewodniczącym,

w latach 2012–2015, został piszący te słowa [prof. Jacek Kabziński, przyp. redakcji], a obecnie przewodniczącym Polskiego Oddziału IEEE CSS jest prof. Wojciech Grega. Oddział liczy około 50 członków, związanych w większości z uczelniami technicznymi, na których uprawiana jest automatyka. Sądzimy, że istnienie oddziału tworzy perspektywy pożytecznego działania dla całego środowiska automatyków w Polsce. Polski Oddział IEEE CSS wpiera aplikowanie o fundusze IEEE CSS IEEE CSS wspomaga finansowo lokalne inicjatywy poprzez dwa rodzaje funduszy. Pierwszym z nich jest Control Systems Society Outreach Fund, który finansuje projekty przynoszące korzyść całemu stowarzyszeniu i społeczności automatyków. Mogą to być projekty adresowane do młodzieży i nauczycieli, pozwalające na ukierunkowanie ich zainteresowań i wyboru ścieżki kariery, projekty promujące rozwój wiedzy o sterowaniu w krajach rozwijających się, współfinansowanie wydawnictw lub imprez naukowych. Wśród projektów, które uzyskały finansowanie należy wymienić m.in.: Massive Open Online Course: Introduction to Control Theory, Symposium on the Control of Network Systems oraz 2013 Robotics Inspire Science Education (RiSE) – A Pre-College Student STEM Activity in Ghana. Zasady finansowania są podane na stronie IEEE CSS [4]. Drugim funduszem jest Local Area Support Systems [5], do którego można aplikować za pośrednictwem przewodniczącego oddziału. Są to granty w wysokości 1000 USD, wspierające organizację imprez naukowych lub popularyzacyjnych, odpowiadających celom CSS. W okresie zakończonej kadencji oddział dwukrotnie uzyskiwał takie granty i można zaświadczyć, że formalności z tym związane są minimalne. Polski Oddział IEEE CSS wspiera rozwój automatyki i teorii sterowania Statutowym obowiązkiem oddziału jest zorganizowanie w każdym roku kalendarzowym co najmniej dwóch spotkań merytorycznych. Oddział sam organizuje i chętnie wspomaga swoim autorytetem przygotowanie seminariów, warsztatów, sympozjów związanych z szeroko pojętą automatyką. Dodatkową możliwością jest skorzystanie z prowadzonego przez CSS Distinguished Lecturers Program [6], w ramach którego można uzyskać

81


ORGANIZACJE I STOWARZYSZENIA

współfinansowanie kosztów zaproszenia wykładowcy. W programie bierze obecnie udział 10 wybitnych naukowców gotowych przedstawić kilkanaście interesujących wykładów. Oddział korzystał już z możliwości tego programu i może służyć pomocą w realizacji kolejnych inicjatyw. CSS prowadzi też interesującą bibliotekę wykładów on-line [7], w której zgromadzono już kilkadziesiąt wykładów pochodzących z plenarnych sesji American Control Conference, IEEE Conference on Decision and Control (CDC) i innych. Wykłady mogą być wykorzystywane w procesie dydaktycznym (z zachowaniem praw autorskich). Także Polski Oddział Control Systems Society IEEE CSS rozpoczął gromadzenie i udostępnianie nagrań interesujących wykładów i seminariów odbywających się w Polsce. Pierwszej rejestracji dokonaliśmy w maju 2016 roku, a wszystkich zainteresowanych, którzy mogliby zaoferować nagranie wykładu lub dyskusji zapraszamy do współpracy. Oddział chętnie poprze kandydatury osób, które zechcą włączyć się do CSS Distinguished Lecturers Program lub zgodzą się na opublikowanie swoich wystąpień w polskiej bibliotece wykładów on-line.

Dr hab. inż. Jacek Kabziński, prof. PŁ Instytut Automatyki Politechniki Łódzkiej Przewodniczący Polskiego Oddziału IEEE CSS w latach 2012–2015

Polski Oddział IEEE CSS wspiera promocję polskich automatyków na świecie Jesteśmy przekonani, że osiągnięcia polskich automatyków, czy to naukowców, czy praktyków zasługują na popularyzację i promocję w skali światowej. Jedną z takich możliwości jest występowanie o nagrody CSS [8], których stowarzyszenie ustanowiło aż 13. Polski Oddział IEEE CSS będzie wspierał inicjatywę przyznania nagrody wychodzącą z dowolnego środowiska związanego z automatyką, oczywiście za zgodą zainteresowanego. Oddział prowadzi systematyczną politykę podnoszenia stopnia członkostwa w IEEE. Pomagamy w przeprowadzenia procesu awansu do stopnia Senior Member i wspieramy wszelkie inicjatywy awansu do stopnia Fellow. Uważamy, że jak największą grupa polskich automatyków powinna skorzystać z tej możliwości.

Jacek Kabziński jest absolwentem Wydziału Elektrycznego Politechniki Łódzkiej i kierunku Matematyka Teoretyczna na Wydziale Matematyki Fizyki i Chemii Uniwersytetu Łódzkiego. Jest profesorem Politechniki Łódzkiej, pracownikiem Wydziału Elektrotechniki, Elektroniki, Informatyki i Automatyki. Wykłada teorię sterowania, metody numeryczne i kilka innych przedmiotów na kierunkach Automatyka i Robotyka, Informatyka, Elektrotechnika. Zajmuje się sterowaniem nieliniowym, adaptacyjnym, aplikacjami w napędzie elektrycznym. Jest stałym recenzentem Mathematical Reviews z zakresu teorii sterowania, recenzentem IEEE Transactions on Industrial Elektronics i wielu innych czasopism i konferencji. Jest członkiem Sekcji Energoelektroniki i Napędu Elektrycznego Komitetu Elektrotechniki Polskiej Akademii Nauk. Należy do American Mathematical Society, IFAC, IFIP i Polskiego Towarzystwa Elektrotechniki Teoretycznej i Stosowanej. Jest wieloletnim członkiem IEEE (Senior Member), należy do Control Systems Society (przez dwie kadencje był przewodniczącym oddziału). Jest inicjatorem powstania i mentorem Oddziału Studenckiego IEEE w Łodzi.

Plany Polskiego Oddziału IEEE CSS W najbliższych latach Polski Oddział IEEE CSS zamierza kontynuować te działania, których celem jest integracja środowiska polskiej automatyki i popularyzacja osiągnięć polskich automatyków. Będzie to realizowane poprzez: – wykłady i seminaria na temat tendencji rozwojowych zarówno teorii sterowania jak i jej zastosowań, szczególnie w obszarach, w które dopiero wkraczamy w Pol-

sce, takich jak m.in. inżynieria kosmiczna, energetyka odnawialna czy motoryzacja. Wykłady są utrwalane i po uzyskaniu zgody Autorów udostępniane na stronach internetowych Oddziału, – inicjowanie debat środowiskowych (patrz zrzut ekranu) w sprawach istotnych i wspólnych dla szerokiego ogółu, – wymianę doświadczeń środowiska polskiego w zakresie dydaktyki automatyki, prezentacje „good practice” w tym zakresie: laboratoria rzeczywiste i wirtualne, oferty MOOCs (Massive Open On-line Course) dla dydaktyki itp., – prezentację wdrożonych rozwiązań i produktów wykorzystujących zaawansowane metody sterowania. Preferowane będą rozwiązania, które wykraczają poza

82

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 20, Nr 3/2016

ferencje CSS: Conference on Decision and Control (CDC) i Multi-Conference on Systems and Control (MSC) prowadzą program refundacji kosztów podróży dla uczestników, którzy są studentami i członkami IEEE CSS. Myślimy, że warto też rozważyć włączenie polskich uczestniczek do programu Women in Control [9], którego celem jest promocja i wsparcie kobiet realizujących swoją karierę w automatyce.

Prof. zw. dr hab. inż. Wojciech Grega Katedra Automatyki i Inżynierii Biomedycznej AGH w Krakowie Przewodniczący Polskiego Oddziału IEEE CSS od roku 2016 Wojciech Grega jest profesorem zwyczajnym Akademii Górniczo-Hutniczej w Krakowie, zatrudnionym na Wydziale Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej. Jest autorem ponad 150 prac naukowych, w tym 3 książek. Jego prace dotyczą sterowania komputerowego i optymalizacji, a w szczególności algorytmów sterowania cyfrowego, sterowania rozproszonego, modelowania i sterowania systemami wytwarzania i przesyłu energii. Opublikował także szereg prac z zakresu metodyki kształcenia w szkołach wyższych. Jest członkiem IEEE oraz European Association for Education in Electrical and Information Engineering (EAEEIE). W latach 2011–2015 był dyrektorem ds. edukacji w firmie KIC InnoEnergy Poland Plus. Jest członkiem zespołów redakcyjnych kilku czasopism naukowych, m.in. kwartalnika „Pomiary Automatyka Robotyka” oraz „International Journal of Modeling and Optimization.

Konkluzja Przedstawione propozycje uczestnictwa w aktywności Polskiego Oddziału IEEE CSS nie wyczerpują wszystkich możliwości. Zachęcamy do szukania kolejnych na stronach IEEE CSS, Polskiej Sekcji IEEE i Oddziału. Podkreślamy, że oferta jest skierowana nie tylko do członków oddziału, nie tylko do członków IEEE, ale do całego środowiska polskich automatyków. Najbardziej udane przedsięwzięcia powstają ze wspólnej inicjatywy różnych instytucji i osób i do takiej współpracy zapraszamy. IEEE przyjmuje, że przyszłym kierunkiem i ideą rozwoju będzie „łączenie nowych technologii”. Sądzimy, że właśnie automatyka i sterowanie, zgodnie z hasłem CSS Control Systems are Ubiquitous (Systemy sterowania są wszechobecne) doskonale wpisuje się w ten trend na świecie i w Polsce. Ważne linki 1. http://www.ieee.org/index.html 2. http://ieee.pl/ 3. http://ieeecss.p.lodz.pl/ 4. http://www.ieeecss.org/general/control-systems-society-outreach-fund 5. http://www.ieeecss.org/member-activities/local-area-support-systems 6. http://www.ieeecss.org/member-activities/distinguished-lecturers-program 7. http://www.ieeecss-oll.org/ 8. http://www.ieeecss.org/awards/awards-program 9. http://www.ieeecss.org/member-activities/women-control

Dr hab. inż. Jacek Kabziński, prof. PŁ Prof. zw. dr hab. inż. Wojciech Grega, AGH

badania symulacyjne lub laboratoryjne i zostały zastosowane w praktyce. Chętnie widzimy tu udział polskich firm wdrążających takie innowacje, – aktywny udział w krajowych konferencjach branżowych, – nawiązywanie współpracy z agendami Polskiej Akademii Nauk i Polskiej Akademii Umiejętności, stowarzyszeniami naukowymi, pokrewnymi oddziałami IEEE w Polsce i za garnicą. Polski Oddział IEEE CSS ma zamiar wspierać rozwój najmłodszych adeptów automatyki. W pięciu oddziałach studenckich Polskiej Sekcji IEEE są zrzeszeni studenci zainteresowani automatyką. Mają oni możliwość bezpłatnego utworzenia studenckiego oddziału CSS i zorganizowanego działania. Dwie główne międzynarodowe kon-

83


SYLWETKI

Kolejna nagroda dla prof. Janusza Kacprzyka Podczas 4. konferencji ISCBI 2016 (International Symposium on Computational and Business Intelligence), która odbyła się w dniach 5–7 września 2016 r. w Olten w Szwajcarii, profesor Janusz Kacprzyk został uhonorowany Nagrodą Roku 2016, przyznaną przez International Neural Network Society Indian Chapter. Nagrodę w ręczył prof. Suash Deb, Prezydent INNS-India.

Prof. dr hab. inż. Janusz Kacprzyk

Miło jest dzielić się takimi wiadomościami! Dlatego z przyjemnością anonsujemy wyróżnienie przyznane Seniorowi i Członkowi Honorowemu oraz Członkowi Zarządu Polskiego Stowarzyszenia Pomiarów Automatyki i Robotyki POLSPAR Profesorowi Januszowi Kacprzykowi przez Indian Chapter of International Neural Network Society – w postaci Nagrody Roku 2016 za wkład w rozwój Sztucznej Inteligencji – „2016 Individual Award for Outstanding Contributions in the field of Computational Intelligence”. Warto podkreślić, że Profesor Kacprzyk – wielokrotnie wyróżniany za wybitny wkład w integrację polskich środowisk akademickich oraz badania naukowe w obszarze optymalizacji, automatyki, systemów decyzyjnych, analizy danych, robotyki mobilnej i inteligencji obliczeniowej – jest pierwszym laureatem tej nagrody z Europy Centralnej i Wschodniej.

Członek rzeczywisty PAN, członek zagraniczny Hiszpańskiej Królewskiej Akademii Nauk Ekonomicznych i Finansowych, członek European Academy of Sciences and Arts, Fellow IEEE, laureat Nagrody Pionierów IEEE Computational Intelligence Society, Sekcji IEEE w Dolinie Krzemowej oraz Nagrody Pionierów i Medalu Kaufmanna. Były prezydent International Fuzzy Systems Association (IFSA) i Prezes Polskiego Towarzystwa Badań Operacyjnych i Systemowych. Jest absolwentem Wydziału Elektroniki Politechniki Warszawskiej (1970). Pracę doktorską obronił w 1977 r. w Instytucie Badań Systemowych PAN. Tamże habilitował się w 1990 r. Siedem lat później uzyskał tytuł profesora zwyczajnego. Był wielokrotnie profesorem wizytującym na wielu uniwersytetach w USA, we Włoszech, w Wielkiej Brytanii, Meksyku. Jest autorem ponad 400 publikacji, w tym prawie 80 w czasopismach z tzw. listy filadelfijskiej.

Wielkie gratulacje dla Profesora Kacprzyka! Professor Zdzisław Kowalczuk Prezes POLSPAR, NMO of IFAC and IMEKO Przewodniczący Komitetu Automatyki POLSPAR Kierownik Katedry Systemów Decyzyjnych i Robotyki Wydział Elektroniki Telekomunikacji i Informatyki Politechnika Gdańska http://www.konsulting.gda.pl/polspar/

Prof. Suash Deb jest bardzo znanym specjalistą z dziedziny inteligencji obliczeniowej, przede wszystkim z zakresu obliczeń ewolucyjnych. Jest twórcą metaheurystyk „cockoo search”, „eagle strategy” itp. imitujących zachowanie się kukułek i orłów oraz innych zwierząt.

84

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


AWANS NAUKOWY | HABILITACJA

dr hab. inż. Paweł Dworak

Algorytmy syntezy i implementacji układów sterowania liniowymi i nieliniowymi obiektami dynamicznymi o wielu wejściach i wielu wyjściach Recenzenci – profesorowie Krzysztof Malinowski, Ewaryst Rafajłowicz i Roman Śmierzchalski – ocenili dorobek naukowy zatytułowany Algorytmy syntezy i implementacji układów sterowania liniowymi i nieliniowymi obiektami dynamicznymi o wielu wejściach i wielu wyjściach, złożony z monografii Wybrane problemy syntezy układów sterowania obiektami dynamicznymi o wielu wejściach i wielu wyjściach oraz jednotematycznego cyklu publikacji w uznanych czasopismach naukowych.

Absolwent Wydziału Elektrycznego Politechniki Szczecińskiej (1999 r.), tam w 2005 r. obronił rozprawę doktorską Dynamiczne odsprzęganie wielowymiarowych obiektów o jednakowej i niejednakowej liczbie wejść i wyjść w ujęciu wielomianowym, której promotorem był prof. Stanisław Bańka. 7 kwietnia 2016 r. uzyskał stopień doktora habilitowanego nauk technicznych w dyscyplinie automatyka i robotyka nadany przez Radę Wydziału Elektrycznego ZUT w Szczecinie. Obecnie zajmuje się analizą i syntezą układów sterowania obiektami dynamicznymi o wielu wejściach i wielu wyjściach, a także zastosowaniem metod sztucznej inteligencji, technik wizyjnych stosowanych w automatyce, robotyce i mechatronice.

86

P

O

M

I

A

R

Paweł Dworak, Wybrane problemy syntezy układów sterowania obiektami dynamicznymi o wielu wejściach i wielu wyjściach, Wydawnictwo Uczelniane Zachodniopomorskiego Uniwersytetu Technologicznego w Szczecinie, 2015, ISBN 978-83-7662-200-1, str. 187.

Tematem dorobku jest analiza kilku aspektów syntezy układów regulacji dla obiektów dynamicznych o wielu wejściach i wielu wyjściach. Opisuje się cechy obiektów MIMO oraz zadania, jakie należy rozwiązać, projektując układ automatycznej regulacji dla tego typu obiektów. Głównym celem naukowym było zbadanie możliwość zastosowania różnych struktur układów i opracowanie algorytmów sterowania nieliniowymi obiektami dynamicznymi MIMO ze szczególnym uwzględnieniem zagadnień związanych z dynamicznym odsprzęganiem. Osiągnięcie głównego celu naukowego wymagało postawienia i zrealizowania kilku celów pośrednich. Poszukiwano odpowiednich metod syntezy i implementacji układów sterowania obiektami MIMO, prowadząc weryfikację symulacyjną opracowanych algorytmów. Analizowano algorytmy adaptacji układu sterowania, badano możliwości praktycznego stosowania struktur wieloregulatorowych z przełączanymi wyjściami i/lub zmiennymi wartościami parametrów regulatorów. Testowano algorytmy syntezy układu adaptacji z wieloma liniowymi regulatorami – liniowe regulatory o parametrach zmienianych w trakcie pracy układu; – wieloregulatorowe typu Takagi-Sugeno, na podstawie rozmytych sygnałów wyjściowych obiektu (i ewentualnie dodatkowych sygnałów pomocniczych); – adaptacyjne regulatory neuronalne. Analizowano problemy występujące przy precyzyjnym sterowaniu układem dynamicznym z wykorzystaniem technik odsprzęgania dynamicznego. Badano problemy związane z rekonfiguracją układów regulacji z dynamicznym odsprzęganiem po uszkodzeniu urządzeń wykonawczych. Opisano problemy związane z parowaniem i grupowaniem wejść i wyjść odsprzężonego układu oraz moż-

Monografia Wybrane problemy syntezy układów sterowania obiektami dynamicznymi o wielu wejściach i wielu wyjściach, autorstwa Pawła Dworaka została wydana w 2015 r. nakładem Wydawnictwa Uczelnianego ZUT w Szczecinie. Recenzentami monografii byli profesorowie Andrzej Dzieliński i Krzysztof Latawiec.

Y

A

U

T

O

M

A

T

Y

K

A

R

liwość dynamicznego odsprzęgania obiektów o liczbie wyjść większej niż liczba wejść. Opracowano uniwersalny algorytm dynamicznego odsprzęgania obiektów MIMO. Rozważa się warunki zastosowania metod wielomianowych do syntezy układów odsprzęgających obiektów dynamicznych MIMO niecałkowitego rzędu. Eksperymenty symulacyjne, weryfikujące prawidłowość działania projektowanych układów regulacji, prowadzono w środowisku MATLAB/Simulink. Część badań przeprowadzono na stanowisku laboratoryjnym umożliwiającym prowadzenie eksperymentów symulacyjnych w reżimie czasu rzeczywistego z użyciem narzędzi szybkiego prototypowania oraz przemysłowych sterowników PLC. Przeprowadzane symulacje miały charakter typu Hardware-in-the-loop, w których symulowane obiekty oraz stosowane regulatory pracowały na oddzielnych jednostkach w czasie rzeczywistym. Umożliwiło to przetestowanie zdolności proponowanych algorytmów do pracy systemu sterowania w trybie real-time zrealizowanego w postaci komputerowego systemu sterowania oraz możliwości syntezy algorytmów sterowania w trybie on-line. Osiągnięte rezultaty odniesione są do bieżących osiągnięć w dziedzinie teorii sterowania wielowymiarowymi układami dynamicznymi. Oryginalne wyniki badań uzupełniono o nowe propozycje i dyskusje nad zagadnieniami wciąż wymagającymi analizy i rozwiązania bądź uzupełnienia.

Małgorzata Kaliczyńska O

B

O

T

Y

K

A

N R 3/ 20 1 6


HABILITACJA | AWANS NAUKOWY

dr hab. inż. Arkadiusz Mystkowski

Zastosowanie metod sterowania odpornego do stabilizacji obiektów mechanicznych Recenzenci – profesor Teresa Zielińska i profesorowie Andrzej Bartoszewicz i Jacek Snamina – ocenili osiągnięcie naukowe zatytułowane Zastosowanie metod sterowania odpornego do stabilizacji obiektów mechanicznych, złożone z cyklu publikacji jednotematycznych obejmujących opis przeprowadzonych prac naukowo-badawczych po uzyskaniu stopnia doktora nauk technicznych, opublikowanych samodzielnie lub we współautorstwie.

Oceniane publikacje prezentują oryginalne wyniki badań nad problemem sterowania odpornego układami mechanicznymi opisanymi nieliniowymi modelami matematycznymi z niepewnością parametryczną, niepewnością dynamiki modelu lub niepewnością wpływu środowiska zewnętrznego. Tego typu modele często są niestabilne. W rozważanych układach prawo sterowania powinno pozwalać na kształtowanie charakterystyk wrażliwości oraz komplementarnej wrażliwości układu zamkniętego przy jednoczesnym uwzględnieniu ograniczeń nałożonych na fizyczne sygnały obiektu sterowania oraz ograniczeń samego sygnału sterującego (energii dostarczanej do układu przez regulator). W pierwszym etapie prac naukowo-badawczych zastosowano zaawansowane metody optymalnego sterowania odpornego (ang. robust optimal control), m.in.: , i µ-Synthesis. Metody dostosowano do wybranych obiektów, w praktyce trudnych do sterowania. Następnie dodano metody nieliniowe wykorzystujące lokalną funkcję sterującą Lapunowa oraz sterowanie ślizgowe. Ostatecznie, ponieważ w układach nieliniowych często zachodzi konieczność wprowadzenia do pętli sprzężenia zwrotnego wektora stanu (którego pomiar jest niedostępny lub jego realizacja jest skomplikowana i nieuzasadniona ekonomicznie), opracowano nieliniowe metody estymacji stanu – obserwator Newtona, obserwator ślizgowy i obserwator Lapunowa oraz ich kombinację. Pozwoliło to na kompleksowe rozwiązanie problemu sterowania nieliniowego dla obiektów z niepewnością modelu oraz problemu

nieliniowej estymacji stanu. Dodatkowo opracowane metody sterowania nieliniowego umożliwiły jednoczesną minimalizację strat energii rozważanego układu. Wymiernym efektem prowadzonych prac jest próba rozwiązania aktualnych problemów związanych z konstruowaniem praw sterowania dla obiektów mechanicznych. Układy te podzielono na łożyskowane magnetycznie szybkoobrotowe maszyny wirnikowe oraz roboty mobilne poruszające się w przestrzeni powietrznej. Opracowane metody sterowania odpornego zastosowano do stabilizacji różnych obiektów mechanicznych: • maszyny wirnikowe – maszyny o ultrawysokich prędkościach obrotowych, w których wirnik jest łożyskowany przez aktywne łożyska magnetyczne (homopolarne lub heteropolarne); maszyna wyposażona jest w system spełniający funkcje łożyskowania, sterowania drganiami wirnika (tłumienia drgań), identyfikacji stanu maszyny, monitorowania parametrów pracy; • bezzałogowe statki latające (BSL) klasy mikro, wyposażone w elementy tworzące system realizujący lot po zadanej trajektorii oraz narzucone misje; główne elementy systemu stanowią: autopilot, systemem nawigacji i sterowania, układy napędowe, sensory, rejestratory parametrów lotu, stacja naziemna z systemem zarządzania misjami lotu. W swojej pracy naukowo-badawczej zajmuje się projektowaniem praw sterowania, które zapewnią zadany margines stabilności układu regulacji, pomimo nieznanych

Ukończył z wyróżnieniem studia na Wydziale Mechanicznym Politechniki Białostockiej na kierunku automatyka i robotyka, specjalność automatyzacja procesów przemysłowych (2003 r.). Stopień doktora nauk technicznych w dyscyplinie automatyka i robotyka, specjalność mechatronika uzyskał w 2007 r. Praca doktorska Sterowanie odporne drganiami wirnika łożyskowanego magnetycznie, której promotorem był prof. dr hab. inż. Zdzisław Gosiewski, została wyróżniona decyzją Rady Wydziału Inżynierii Mechanicznej i Robotyki, Akademii Górniczo-Hutniczej w Krakowie. 3 czerwca 2016 r. uzyskał stopień doktora habilitowanego w dziedzinie nauk technicznych, w dyscyplinie automatyka i robotyka nadany przez Radę Wydziału Inżynierii Mechanicznej i Robotyki Akademii Górniczo-Hutniczej w Krakowie.

i niestacjonarnych właściwości wewnętrznych obiektu sterowania oraz nieprzewidzianych i zmiennych wpływów otoczenia zewnętrznego.

Małgorzata Kaliczyńska

87


KALENDARIUM

Kalendarium wybranych imprez Nazwa konferencji

Data

Miejsce

13th International Symposium on Distributed Autonomous Robotic Systems DARS 2016

7 – 9 / 11 2016

Londyn Wielka Brytania

8th International Joint Conference on Computational Intelligence IJCCI 2016

9 – 11 / 11 2016

Porto Portugalia

13th European Workshop on Advanced Control and Diagnosis ACD 2016

17 – 18 / 11 2016

Lille Francja

www: http://www.acd2016.eu/

XXI Konferencja Naukowo-Techniczna Automatyzacja – Nowości i Perspektywy Automation 2017

15 – 17 / 03 2017

Warszawa Polska

www: www.piap.pl/automation mail: konferencja@piap.pl

30 / 05 – 1 / 06 2017

Helsinki Finlandia

www: http://conferences.imeko.org/index. php/tc3-5-22_2017/2017

18 – 21 / 06 2017

Kraków Polska

www: http://kka2017.kaib.agh.edu.pl/ mail: kka2017@agh.edu.pl

IEEE International Conference on Advanced Intelligent Mechatronics AIM 2017

3 – 7 / 07 2017

Monachium Niemcy

20th IFAC World Congress 2017

9 – 14 / 07 2017

Tuluza Francja

IEEE International Symposium on Robot and Human Interactive Communication Ro-MAN 2017

28 – 31 / 08 2017

Pestana Portugalia

9th Vienna International Conference on Mathematical Modelling MATHMOD 2015

21 – 23 / 02 2018

Wiedeń Austria

Fault Detection, Supervision and Safety for Technical Processes 10th SAFEPROCESS 2018

29–31 / 08 2018

Warszawa Polska

3–7 / 09 2018

Belfast Wielka Brytania

IMEKO TC3, TC5 and TC22 International Conference 2017 XIX Krajowa Konferencja Automatyki KKA 2017

XXII IMEKO World Congress 2018 88

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

Informacje dodatkowe

www: http://dars2016.org/

www: http;//www.ijcci.org/ mail: ijcci.secretariat@insticc.org

www: http://www.ieee-ras.org/component/ rseventspro/event/948-aim-2017-ieeeinternational-conference-on-advancedintelligent-mechatronics www: http://www.ifac2017.org/ mail: contact@ifac2017.org www: http://www.ieee-ras.org/component/ rseventspro/event/1000-ro-man-2017-ieeeinternational-symposium-on-robot-andhuman-interactive-communication www: http://www.mathmod.at/index. php?id=228 www: http://www.ifac-control.org/events/ fault-detection-supervision-and-safety-fortechnical-processes-10th-safeprocess-2018

K

www: https://www.imeko.org/images/ imeko/2018/0916_IMEKO_2018.pdf

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


KONFERENCJE | ZAPOWIEDŹ

XIX Krajowa Konferencja Automatyki KKA 2017 KOMITET AUTOMATYKI I ROBOTYKI

KOMISJA NAUK TECHNICZNYCH

Kolejna edycja Krajowej Konferencji Automatyki odbędzie się w Krakowie w dniach 18–21 czerwca 2017 r. Tym razem jest organizowana przez Katedrę Automatyki i Inżynierii Biomedycznej, na Wydziale Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Akademii Górniczo-Hutniczej im. St. Staszica w Krakowie.

Krajowa Konferencja Automatyki jest cykliczny (organizowanym w cyklu trzyletnim) wydarzeniem naukowym. Konferencja organizowana jest za każdym razem w innym ośrodku naukowym zajmującym się zagadnieniami automatyki i sterowania. Krajowa Konferencja Automatyki stanowi tradycyjne krajowe forum prezentacji wyników oryginalnych prac badawczych i aplikacyjnych w dziedzinie automatyki, techniki systemów i robotyki. Tematyka konferencji obejmuje między innymi: − teoretyczne podstawy projektowania systemów automatycznego sterowania, − analiza systemowa oraz jej zastosowania techniczne i nietechniczne, − badania operacyjne, − teoria sterowania, − inżynieria wiedzy, − sztuczna inteligencja, − systemy ekspertowe w automatyce i technice systemów, − komputerowe systemy automatyki, − automatyzacja, robotyzacja i elastyczne systemy produkcyjne, − podstawy robotyki, modelowanie, planowanie ruchu i sterowanie robotów, − roboty nieholonomiczne, − percepcja i interakcje człowiek-robot, − roboty inteligentne, − układy wielorobotowe, − zastosowania robotyki, − robotyzacja procesów przemysłowych, − problemy projektowania, konstrukcji i eksploatacji systemów automatyki, − praktyczne przykłady realizacji systemów automatyzacji,

− systemy mechatroniczne, − płynowe urządzenia automatyki, − systemy kształcenia w automatyce. Ambicją Organizatorów jest integracja instytucji akademickich, ośrodków badawczych i przemysłu skupionych wokół problematyki automatyki i robotyki. W konferencji wezmą udział nie tylko naukowcy, ale także przedstawiciele firm zajmujących się automatyką, wdrożeniami, projektowaniem systemów sterowania. Konferencja będzie również dostępna dla studentów uczelni wyższych. Planowanym efektem konferencji będzie możliwość zaprezentowania wyników badań a także bieżących problemów. Referaty należy przygotować w języku angielskim natomiast można wygłosić je w języku polskim lub angielskim. Planowany jest druk przyjętych i wygłoszonych referatów w wydawnictwie Springer. Istotnym efektem, jaki jest planowany do osiągnięcia przez Organizatorów to zbliżenie ludzi nauki i przemysłu, możliwość wymiany doświadczeń, poglądów i nawiązania dalszej współpracy. Więcej informacji na stronie http://kka2017.kaib.agh.edu.pl/.

Za Komitet Organizacyjny KKA 2017 Przewodniczący – prof. dr hab. inż. Wojciech Mitkowski Sekretarz – dr inż. Marek Długosz

Osiemnaście poprzednich konferencji odbyło się w następujących ośrodkach Warszawa Wrocław Gliwice Kraków Gdańsk Poznań Rzeszów Szczecin Łódź

1958 1961 1964 1967 1971 1974 1977 1980 1985

Lublin Białystok Gdańsk Opole Zielona Góra Warszawa Szczyrk Kielce Wrocław

1988 1991 1993 1999 2002 2005 2008 2011 2014

89


POLECANE KSIĄŻKI

Internet Rzeczy Jak inteligentne telewizory, samochody, domy i miasta zmieniają świat Autorem książki The Internet of Things. How Smart TVs, Smart Cars, Smart Homes, and Smart Cities Are Changing the World, wydanej przez Pearson Education, Inc, jest Michael Miller. Niemal w tym samym czasie Wydawnictwo Naukowe PWN przygotowało do druku jej polskie tłumaczenie.

Polecana książka porusza tematykę bardzo dziś popularną, w wielu kręgach mówi się o przyszłości, w której rzeczy będą się kontaktować ze sobą. Termin IoT jest jednym z elementów wymienianych przy omawianiu koncepcji Przemysłu 4.0. Wielcy gracze rynku komunikacji internetowej zakładają, że w 2020 r. na świecie blisko 26 miliardów

będzie miał ogromne znaczenie, kompletnie odmieni nasz świat. Warto przygotować się na tę rewolucję, być otwartym na rozwiązania IoT i uważnie śledzić wydarzenia na tym polu. Prawdopodobnie na początku drogi konieczne będą wydatki, ale z czasem będzie można już liczyć zyski. Rozwój Internetu Rzeczy zmieni również strukturę zatrudnienia. Olbrzymie ilości danych zbieranych przez IoT będą musiały być analizowane, specjaliści ds. zasobów ludzkich przewidują gwałtowny wzrost popytu na ekspertów zajmujących się analizą danych. To dobry zawód na przyszłość. Zakładając, że wkrótce setki milionów urządzeń będą zasilane bateriami lub akumulatorami, możemy być pewni, że również dostawcy w dużym stopniu skorzystają na IoT. Dodanie słów „inteligentny” lub „smart” przed nazwą powoduje, że produkt wpisuje się w najnowsze trendy. Stąd tylko krok do prawdziwych zysków. Lektura książki jest frapująca i przekonuje nas, że Internet Rzeczy (Internet of Things) nie jest już tylko terminem marketingowym. Warto przeczytać!

„Czym właściwie jest Internet Rzecz? Dlaczego jest tak istotny?” rzeczy będzie połączonych ze sobą. Co to oznacza? Urządzenia przenośne – smartfony, tablety, sprzęt AGD, czujniki, silniki, linie produkcyjne i roboty przemysłowe, a także ludzie będą stanowić ogromną sieć połączonych rzeczy – internet przedmiotów, internet usług itd. Znane dotychczas typy zależności zostaną uzupełnione nowymi i w efekcie nikogo nie będą dziwić relacje ludzie-ludzie, ludzie-rzeczy i rzeczy-rzeczy. Szybciej, niż nam się wydaje, połączone zostaną inteligentne domy, sprzęty, samochody, biura, fabryki i miasta. W książce zostały poruszone różne aspekty rzeczywistości połączonej w sieć. Główna tematyka książki została zawarta w piętnastu rozdziałach: − Inteligentna łączność: witajcie w Internecie rzeczy, − Inteligentna technologia: jak działa Internet rzeczy, − Inteligentna telewizja: oglądanie filmów i programów telewizyjnych w środowisku sieciowym, − Inteligentne sprzęty AGD: od zdalnie sterowanych piekarników po mówiące lodówki, − Inteligentne domy: dzień jutrzejszy dziśInteligentna odzież: technologie do noszeniaInteligentne zakupy: wiedzą, czego potrzebujecie, zanim o tym pomyślicie,

90

P

O

M

I

A

R

Michael Miller, Internet Rzeczy. Jak inteligentne telewizory, samochody, domy i miasta zmieniają świat, Wydawnictwo PWN, 2016, ISBN 97883-01-18528-2, str. 360

− Inteligentne samochody: łączność sieciowa podczas jazdy, − Inteligentne samoloty: inwazja dronów, − Inteligentna wojskowość: maszyny w akcji, − Inteligentna medycyna: niezbędna technologia już dostępna, − Inteligentny biznes: lepsza praca dzięki technologii, − Inteligentne miasta: wszyscy jesteśmy połączeni, − Inteligentny świat: globalny Internet wszechrzeczy, − Inteligentne problemy: Wielki Brat patrzy. Tak jak wszystkie rozwijające się technologie, również Internet rzeczy jest w trakcie definiowania samego siebie. Każdego dnia zachodzą ogromne zmiany i za chwilę obecny stan rzeczy przestanie obowiązywać. Jedno jest pewne – Internet Rzeczy Y

A

U

T

O

M

A

T

Y

K

A

R

Małgorzata Kaliczyńska Przemysłowy Instytut Automatyki i Pomiarów PIAP

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 20, Nr 3/2016

Designing the Internet of Things Książkę Designing the Internet of Things, wydaną w 2014 r. nakładem wydawnictwa Wiley, można polecić osobom chcącym zbudować swój pierwszy produkt w nurcie Internetu Rzeczy. Autorzy, Adrian McEwen i Hakim Cassimally, zadbali o przystępny język książki, który zostanie doceniony przez czytelników o mniejszym doświadczeniu technicznym, np. studentów, choć adresatami książki są również inżynierowie, przedsiębiorcy, nauczyciele i hobbyści.

Książka ma charakter przewodnika po kluczowych zagadnieniach Internetu Rzeczy, a jej zakres został potraktowany przekrojowo: począwszy od technologii, przez elementy wzornictwa przemysłowego, modele biznesowe, aż po zagadnienia etyczne. Taki zakres tematów wynika na pewno z życiorysów zawodowych autorów: Adrian McEwen ma bogate doświadczenie w obszarze nowych technologii oraz doświadczenia przedsiębiorcy, podczas gdy Hakim Cassimally ukończył filologię angielską i włoską, aby następnie zająć się programowaniem.

„Autorzy przekonują, że właśnie teraz jest dobry czas na dołączenie do społeczności twórców rozwiązań w nurcie Internetu Rzeczy – i krok po kroku wyjaśniają, jak to zrobić.”

Książkę otwiera Wprowadzenie, a pozostała treść została podzielona na dwie części: pierwsza obejmuje zagadnienia dotyczące opracowania prototypu rozwiązania, a druga – jego komercjalizacji. Część pierwszą stanowią następujące rozdziały (tytuły w swobodnym tłumaczeniu autora recenzji): 1. Internet Rzeczy: obraz całościowy 2. Podstawy projektowania urządzeń podłączonych do sieci 3. Podstawy Internetu 4. Przemyślenia o prototypowaniu 5. Prototypowanie urządzeń wbudowanych 6. Prototypowanie konstrukcji fizycznej 7. Prototypowanie aplikacji sieciowych 8. Techniki pisania kodu dla urządzeń wbudowanych. W części drugiej znajdziemy trzy rozdziały: 9. Modele biznesowe

Adrian McEwen, Hakim Cassimally, Designing the Internet of Things, John Wiley and Sons, 2014, ISBN 978-1-118-43062-0, str. 324.

10. Przejście do wytwarzania na większą skalę 11. Etyka. Pierwsze zdanie Wprowadzenia znakomicie ujmuje warunek konieczny, lecz niewystarczający, którego spełnienie powoduje, że koncepcja Internetu Rzeczy może obecnie stać się rzeczywistością – niedługo po wprowadzeniu na rynek komputer klasy Intel i486 był wart tyle, co mały samochód, a dzisiaj procesor o podobnej mocy obliczeniowej kosztuje tyle, co tabliczka czekolady. Kolejne warunki konieczne zostają krótko omówione w rozdziale pierwszym, a przeprowadzona dyskusja jest pogłębiona w dalszych rozdziałach. Oprócz niskiej ceny rynkowej mikroprocesora (mowa o mikroprocesorze o mocy obliczeniowej pozwalającej na obsługę protokołów TCP/IP), rozwojowi Internetu Rzeczy sprzyjają liczne czyn-

niki – duża i wciąż rosnąca liczba otwartego i bezpłatnego oprogramowania dla tych mikroprocesorów, coraz powszechniejszy stały dostęp do Internetu użytkowników indywidualnych (np. ponad 70% gospodarstw domowych w Wielkiej Brytanii), Internet mobilny, rozpowszechnienie się aplikacji webowych udostępniających interfejs programowania (API) do połączeń między aplikacjami (paradygmat Web 2.0) oraz rozpowszechnienie się usług udostępnianych w tzw. chmurze. Autorzy przekonują, że biorąc pod uwagę powyższe fakty, to właśnie teraz jest dobry czas na dołączenie do społeczności twórców rozwiązań w nurcie Internetu Rzeczy – i krok po kroku wyjaśniają, jak to zrobić. Rozważania zostały poparte przykładami praktycznych realizacji, np. BERG’s Little Printer (drukarka prywatnych listów podłączona do sieci społecznościowej), Good Night Lamp (lampa połączona z lampami krewnych, dająca informację, kiedy udają się spać), oraz WhereDial (wskaźnik miejsca przebywania znajomych – praca, zakupy, pub?). Książka z pewnością nie jest wyczerpującym poradnikiem na temat projektowania urządzeń w nurcie Internetu Rzeczy, jednak może być inspiracją zarówno dla studenta poszukującego ciekawego tematu pracy dyplomowej, jak i każdego, kto myśli o pierwszym biznesie, na przykład w dziedzinie technologii kreacyjnych.

Przemysław Dąbek Przemysłowy Instytut Automatyki i Pomiarów PIAP

91


POLECANE KSIĄŻKI

Big Data w Przemyśle Jak wykorzystać analizę danych do optymalizacji kosztów procesów? Hyunjoung Lee i Il Sohn – pracownicy Uniwersytetu Yonsei, Korea Płd. – autorzy książki Big Data w Przemyśle. Jak wykorzystać analizę danych do optymalizacji kosztów procesów? zaprezentowali zastosowanie nowoczesnej metodologii Big Data na konkretnych przykładach firm przemysłowych.

− Omówienie analizy sieciowej − Metody i zastosowanie analizy sieci społecznych (SNA) − Pozycja i struktura − Połączalność i rola − Struktury danych w programie NetMiner − Analiza sieci w programie NetMiner Całość uzupełniają dwa dodatki. Dodatek Wizualizacja pokazuje, jak stosując analizę sieci społecznych można dostrzec ukryte w danych relacje, np. sieci relacji handlowych. Stosowane są tu różne algorytmy, np. algorytm sprężynowy, algorytm skalowania wielowymiarowego (MDS), algorytm klastrowania, algorytm warstwowy, algorytm cyrkularny i algorytm prosty. Każdy z nich umożliwia inne spojrzenie na problem – umożliwia określenie powiązań między węzłami. Dodatek Studium przypadku: struktura wiedzy w badaniach rynku stali pokazuje, jak

Nowoczesne firmy, w tym inteligentne fabryki, mają w obecnych warunkach ogromną szansę na dostosowanie procesów produkcyjnych lub sprzedażowych do zmieniających się w czasie konkretnych potrzeb klientów i kooperantów. Dzisiejsza gospodarka i przemysł, a przynajmniej ich część

„Dzisiejsza gospodarka poprzez terabajty danych zamieszczonych na stronach internetowych daje ogromną ilość informacji zwrotnej.”

dążą do tego by spełniać wymagania koncepcji Przemysłu 4.0. Wiąże się to ze stosowaniem coraz większej liczby urządzeń, usług i pracowników połączonych w sieć. Wszystkie te składniki generują już ogromne ilości danych. Dzisiaj jeszcze rzadko kto ma świadomość potencjału tych danych i najczęściej nie potrafi ich wykorzystać. Tylko od decyzji przedsiębiorcy zależy, czy zechcą skorzystać z tych danych, najpierw poddając je analizie, a następnie dostosowując działanie firm do wyników tych analiz. Jak można przypuszczać, nie każda informacja jest istotna. Pośród zbiorów milionów danych kluczowymi mogą okazać się tylko nieliczne. Dlatego bardzo ważna jest znajomość narzędzi, które umożliwiłyby zbieranie tylko najważniejszych danych – tych, które mogą zadecydować o przyszłości firmy. Odpowiedzią jest prezentowana książka, w której omówiono programy typu UCINET, NetMiner, R, NodeXL, Gephi i zaprezentowano przykłady wykorzystania w postaci studium przypadku pochodzącym m.in. z przemysłu stalowego. Główna tematyka książki została zawarta w ośmiu rozdziałach: − Dlaczego Big Data? − Podstawowe programy do analizy sieci

92

P

O

M

I

A

R

krok po kroku wykonać analizę rzeczywistych danych gromadzonych szybko i na ogromną skalę. Wyróżniono tu kilka etapów – zbieranie danych, wyodrębnianie danych, oczyszczanie i porządkowanie danych. Następnie wykonywane jest przekształcanie danych w sieć jednomodalną, przeprowadzenie analizy danych sieciowych oraz przeprowadzenie dodatkowych analiz danych w zależności od celów badaniaWyniki opublikowano na łamach „Steel Research International” (H. Lee, I. Sohn, Looking back at Steel Research International and its future, 2015, nr 86(1), 10–24). Publikacja skierowana jest m.in. do analityków, inżynierów przemysłowych i badawczych, specjalistów działów analiz, marketingu, badań – wszystkich zainteresowanych przeprowadzeniem profesjonalnych badań na wielkich zbiorach danych.

Małgorzata Kaliczyńska Przemysłowy Instytut Automatyki i Pomiarów PIAP

Hyunjoung Lee, Il Sohn, Big Data w Przemyśle. Jak wykorzystać analizę danych do optymalizacji kosztów procesów?, Wydawnictwo PWN, 2016. ISBN 978-83-01-18733-0, str. 224 Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 20, Nr 3/2016

Przekładnie ślimakowe Książka Przekładnie ślimakowe autorstwa Henryka Grzegorza Sabiniaka stanowi pierwsze od ponad pół wieku tak obszerne ujęcie problematyki przekładni ślimakowych.

Przekładnie ślimakowe swoją popularność zawdzięczają zwartości, dużemu przełożeniu na jednym stopniu, cichobieżności, płynnemu przenoszeniu napędu i względnie dużej trwałości w porównaniu z innymi rodzajami przekładni zębatych. Dodatkową zaletą jest to, że mogą pełnić jednocześnie rolę hamulca w ruchu nawrotnym, przekazując ruch tylko w jedną stronę. Rozważania zawarte w książce dotyczą w znacznej części przekładni ślimakowych pracujących jako reduktory zębate. Omówiono zależności matematyczne umożliw i a j ą ce s p r a w d ze n i e zd o l n o ś c i przenoszenia obciążenia, jak i spełnienia stawianych im wymogów. Zależności geometryczne zazębień i wytyczne konstrukcyjne dotyczą obu funkcji przekładni ślimakowych, tzn. reduktorów i multiplikatorów. Główna tematyka książki została podzielona na trzy części: − Modelowanie i obliczanie rozkładu obciążenia w zazębieniach ślimakowych – część teoretyczna bazująca na teorii płyt, porusza głównie tematykę przekładni zębatych o zębach prostych i skośnych; − Projektowanie i konstruowanie przekładni ślimakowych – omówiono tu bariery związane z przytoczonymi zależnościami oraz z uwarunkowaniami eksploatacyjnymi. Zawiera wytyczne dla projektantów i konstruktorów przekładni ślimakowych; − Eksploatacja przekładni ślimakowych – zawarto tu podstawy wiedzy o zjawiskach związanych z powstawaniem i utrzymywaniem się warstwy smarnej

„Praca wartościowa i potrzebna. Dotyczy aktualnej problematyki i została wykonana na dobrym poziomie merytorycznym. [z recenzji prof. dr. hab. inż. Mariana Szczerka].”

(filmu olejowego) w zazębieniu ślimakowym. Podano zasady doboru środków smarnych i ich ilości, a także sposobów smarowania. Ostatnia część książki to spis literatury (złożony ze 196 pozycji) oraz aneks zawierający dane liczbowe pomocne w obliczeniach rozkładów obciążeń i obszaru współpracy w zazębieniach ślimakowych – modelowanych i rzeczywistych: − Załącznik 1. Wartości współczynników ugięć płyty wspornikowej prostokątnej; − Załącznik 2. Programy obliczania krzywych a, b, c.

struktorów, eksploatatorów przekładni zębatych, pracowników naukowych i osób zajmujących się napędami.

Małgorzata Kaliczyńska Przemysłowy Instytut Automatyki i Pomiarów PIAP

Henryk Grzegorz Sabiniak, Przekładnie ślimakowe, Wydawnictwo Naukowe PWN, 2016. ISBN 978-83-01-18736-1, str. 478.

Zaletą publikacji jest zwieńczenie dotychczasowych prac dotyczących przekładni ślimakowych wiodącego od wielu dziesięcioleci w kraju ośrodka łódzkiego, korzystającego ze wsparcia najsilniejszych w kraju zespołów licznych specjalistów z obszaru inżynierii materiałowej lub tribologii. Książkę kierujemy m.in. do studentów wydziałów mechanicznych, inżynierów kon-

93


POLECANE KSIĄŻKI

AutoCAD 2017/LT2017/360+ Kurs projektowania parametrycznego i nieparametrycznego 2D i 3D Część trzecia – Podstawy modelowania 3D – omawia zasady pracy w przestrzeni trójwymiarowej, w tym sterowanie wyświetlaniem 3D, możliwej jedynie w pełnej wersji programu AutoCAD. Omówiono tu charakterystyczne dla projektowania 3D tematy – układy współrzędnych, modele bryłowe i powierzchniowe, rzutowanie. Część czwarta – Podstawy usługi sieciowej i systemu AutoCAD 360 – jest wzorowana na zajęciach laboratoryjnych AC2241-L oraz AC4127-L (Autodesk 360 with AutoCAD 360 Web/Mobile How Powerful Are These Tools), jakie autor prowadził na Autodesk University 2013 w Las Vegas. Pod nazwą AutoCAD 360 kryją się dwa narzędzia CAD: program CAD oraz usługa sieciowa (Web Service) umożliwiająca współbieżną pracę zespołu projektantów. Omówiono techniki i narzędzia typu Cloud Computing, w tym w szczególności metody pracy za pomocą najnowszych wersji AutoCAD 360 Mobile dla urządzeń przenośnych: iPad, iPhone, smartfony z systemem operacyjnym Android itp. Należy pamiętać, że systemy Cloud Computing, które nie są instalowane na komputerze użytkownika, praktycznie podlegają ciągłej modyfikacji. Część piąta – Metody skutecznego zdawania egzaminu AutoCAD Certified Professional – to właściwie próbny egzamin, który obejmuje kluczowe techniki i grupy zagadnień. Jest poświęcony metodyce procesu przygotowań i zdawania egzaminu certyfikacyjnego. Książka zawiera materiał pozwalający Czytelnikowi samodzielnie projektować bez konieczności dodatkowego szkolenia. Jej zakres jest zgodny z najnowszymi programami kursów i egzaminów certyfikacyjnych autoryzowanych przez producenta programu AutoCAD – firmę Autodesk. Jest przewodnikiem po typowych szkoleniach (Learning Paths). Czytelnik znajdzie tu przede wszystkim starannie przemyślane ćwiczenia i zadania kontrolne, opracowane na podstawie wieloletniego doświadczeniu Autora, zarówno dydaktycznym, jak i zdobytym w przemyśle. Integralną częścią książki są przykłady i zadania, które można nieodpłatnie pobrać ze strony internetowej wydawnictwa PWN. Podręcznik będzie doskonałą pomocą dla studentów wyższych lat studiów technicznych, konstruktorów, inżynierów i projektantów zaawansowanych konstrukcji.

Podręcznik Andrzeja Jaskulskiego AutoCAD 2017/ LT2017/360+ Kurs projektowania parametrycznego i nieparametrycznego 2D i 3D, wydany na początku sierpnia 2016 r. nakładem Wydawnictwa Naukowego PWN, zawiera kompletny kurs ułatwiający przygotowanie do egzaminu certyfikacyjnego AutoCAD Certified Professional.

AutoCAD to program tworzony i rozpowszechniany przez firmę Autodesk, stosowany do dwuwymiarowego (2D) i trójwymiarowego (3D) komputerowego wspomagania projektowania. Pierwotnie wykorzystywany był tylko przez mechaników, jednak z czasem został rozszerzony i aktualnie jest doskonałym narzędziem projektantów również innych branż. Bazując na swojej gruntownej wiedzy i doświadczeniu Autor opracował podręcznik projektowania parametrycznego i nieparametrycznego modeli 2D i 3D oraz drukowania dokumentacji wyrobów dowolnej branży i o dowolnym stopniu złożoności, za pomocą programów: AutoCAD 2017 lub AutoCAD LT 2017 (tylko 2D) i wersji mobilnej AutoCAD 360 oraz nowszych, w polskiej lub angielskiej wersji językowej. Książka składa się z pięciu części. Część pierwsza – Nieparametryczne projektowanie 2D – stanowi blisko 3/4 objętości tego ponad 1000-stronicowego tomu. Zawiera materiał, którego opanowanie umożliwia przygotowanie klasycznej do-

Andrzej Jaskulski, AutoCAD 2017/LT2017/360+ Kurs projektowania parametrycznego i nieparametrycznego 2D i 3D, Wydawnictwo Naukowe PWN, 2016, ISBN 978-83-01-18759-0, str. 1086

wych (odcinek, okrąg, elipsa, prosta, splajn i łuk) oraz obiektów złożonych (polilinia, wielokąt, obiekty tekstowe, tabele, kreskowanie i wypełnienia itp.). Na zakończenie – zaawansowane techniki wykonywania i wydruku dokumentacji. Część druga – Parametryczne projektowanie 2D – omawia nowe możliwości programu AutoCAD dostępne począwszy od wersji 2010. Rysunki (modele 2D) są parametryczne, jeżeli są opisane za pomocą parametrów, których modyfikacja powoduje zmianę obiektu. Obiekty są parametryczne dzięki systemowi więzów wymiarowych i geometrycznych, które mają postać zależności ograniczających swobodę ruchu obiektów (odbierające obiektom tzw. stopnie swobody).

„Gruntowne opanowanie materiału z podręcznika daje wiedzę wystarczającą do zdania egzaminu i uzyskania certyfikatu.” kumentacji projektowej w rzutach płaskich o dowolnym stopniu złożoności. Omówiono tu podstawy środowiska AutoCAD, operacje konfiguracyjne, tworzenie projektów i zarządzanie szablonami, stosowane współrzędne 2D – kartezjańskie i biegunowe. Dalej wszystko o tworzeniu obiektów podstawo-

94

P

O

M

I

A

R

Y

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 20, Nr 3/2016

Autodesk Inventor Professional 2017PL/2017+/Fusion 360 Metodyka projektowania Kolejny podręcznik Andrzeja Jaskulskiego Autodesk Inventor Professional 2017PL/2017+/Fusion 360. Metodyka projektowania, wydany w połowie września 2016 r. nakładem Wydawnictwa Naukowego PWN, zawiera kurs umożliwiający przygotowanie do egzaminu certyfikacyjnego Inventor Certified Professional.

Autodesk Inventor to program komputerowy typu CAD tworzony od 1999 r. i rozpowszechniany przez firmę Autodesk. Jest to typ modelera bryłowego służący do zamodelowania projektowanego urządzenia w postaci modelu 3D. Na podstawie tego mode-

„W książce prezentowana jest autorska koncepcja metodyki nauczania podstaw komputerowo wspomaganego projektowania.” lu możliwe jest uzyskanie rysunków wykonawczych, złożeniowych, poglądowych i innych. Autodesk Inventor został zaprojektowany do pracy z zespołami sięgającymi kilkunastu tysięcy elementów. Obecnie jest doskonałym narzędziem inżynierów, projektantów i konstruktorów różnych branż. Kolejny podręcznik profesora Andrzeja Jaskulskiego, bazujący na gruntownej wiedzy i doświadczeniu dydaktycznym Autora, umożliwia naukę projektowania wyrobów (obejmującego także symulację, obliczenia MES i metody analizy klasyczne) oraz zarządzania ich dokumentacją za pomocą programów: Autodesk Inventor Professional 2017 (lub nowszej) oraz Autodesk Fusion 360. Narzędzia dostępne w tych systemach są efektem aktualnych badań z zakresu projektowania i jego koncepcji merytorycznych i cały czas ewoluują. Prezentowany podręcznik, podobnie jak ten o oprogramowaniu AutoCAD, to ponad 1000-stronicowy tom. Organizacja treści jest inna – całość została podzielona na 39 rozdziałów. Wartościowym dodatkiem jest zestawienie wybranych pozycji bibliograficz-

nych, tematycznie ściśle powiązanych z poruszanymi w książce metodami projektowana oraz wcześniejszymi wersjami oprogramowania, obrazujących jednocześnie rozwój systemów CAD w Polsce, uwzględniając niekwestionowany udział autora podręcznika w tym procesie. Ważnym składnikiem jest bardzo obszerny skorowidz haseł. Zawartość programowa podręcznika jest zgodna z angielskojęzycznymi oficjalnymi materiałami szkoleniowymi AOTG (Autodesk Official Training Guide) opracowywanymi od 2011 r. Układ podręcznika umożliwia realizację typowych szkoleń (Learning Paths). Zaprezentowane zostały metody modelowania hierarchicznego opartego na cechach konstrukcyjnych FBM (Feature-Based Modeling) i swobodnego SFM (Solid Freeform

Andrzej Jaskulski, Autodesk Inventor Professional 2017PL/2017+/Fusion 360. Metodyka projektowania, Wydawnictwo Naukowe PWN, 2016. ISBN 978-83-01-18777-4, str. 1202.

dr hab. inż. Andrzej Jaskulski, prof. UWM

Absolwent Wydziału Samochodów i Maszyn Roboczych Politechniki Warszawskiej. Obecnie pracuje na Wydziale Nauk Technicznych na Uniwersytecie Warmińsko-Mazurskim w Olsztynie. Jest doradcą użytkowników i dostawców Komputerowych Systemów Inżynierskich oraz autorem wielu artykułów i książek z dziedziny CAD, a także współautorem polskich wersji parametrycznych programów CAD. Jest jednym z najlepszych specjalistów w Polsce w dziedzinie metodyki parametrycznego projektowania 2D i 3D. Przez wiele lat, aż do zakończenia tego programu w marcu 2016 r. miał status Autodesk Authorized Author. Jako ekspert SME (Subject Matter Expert) bierze udział w opracowywaniu polskich wersji programu AutoCAD. Na podstawie własnych podręczników prowadzi od 1993 r. szkolenia w kierowanym przez siebie Autoryzowanym Centrum Szkolenia Autodesk. Na autorskim blogu (http://cadaj.blogspot.com/) i kanale YouTube zamieszcza regularnie liczne wideoprezentacje poświęcone technikom CAD.

Modeling) realizowanego klasycznie oraz metodą Przetwarzania w chmurze – Cloud Computing. Zawiera omówienie obiektów inteligentnych wraz z techniką iCopy oraz wewnętrznym językiem i podsystemem programowania iLogic, a także moduły automatyzujące proces projektowania typowych części i zespołów – Design Accelerator. Czytelnicy znajdą tu omówienie narzędzi analitycznych – tradycyjnych i wytrzymałościowych MES. Zostaną również zapoznani z podstawami systemu Autodesk Fusion 360. Podręcznik jest uzupełniony starannie przemyślanymi ćwiczeniami i zadaniami kontrolnymi, które są wynikiem wieloletniego doświadczeniu Autora, zarówno dydaktyczno-badawczego, jak i zdobytego w przemyśle. Na dołączonej do książki płycie CD zawarte zostały liczne przykłady, zadania i elementy konfiguracyjne, które nie występują w oryginalnym programie. Książka stanowi doskonałą pomocą dla studentów wyższych lat studiów technicznych, konstruktorów, inżynierów i projektantów zaawansowanych konstrukcji.

95


POLECANE KSIĄŻKI

Metody przemieszczeń i podstawy MES Obliczenia w środowisku MATLAB Książka Metody przemieszczeń i podstawy MES. Obliczenia w środowisku MATLAB, której autorami są pracownicy Politechniki Opolskiej – Tadeusz Chmielewski, Henryk Nowak oraz Lilianna Sadecka stanowi znaczne rozszerzenie i uaktualnienie publikacji Mechanika budowli wydanej przez wydawnictwo WNT w 1996 r.

Autorzy opisują w książce w sposób przejrzysty dwie najczęściej stosowane metody obliczania konstrukcji – metodę przemieszczeń dla konstrukcji prętowych i metodę elementów skończonych (MES), które są podstawą działania profesjonalnych programów komputerowych stosowanych przez inżynierów.

płaskiej i kratownicy przestrzennej w lokalnym i globalnym układzie współrzędnych oraz metodę rozwiązywania kratownic płaskich metodą elementów skończonych. Główną część książki zamyka spis literatury (złożony z 18 pozycji) oraz załączniki, które ułatwiają korzystanie ze środowiska obliczeniowego MATLAB: − Załącznik 1. Krótki opis środowiska programu MATLAB – macierze i wybrane działania na macierzach, rozwiązywanie układów równań, grafika oraz programowanie; − Załącznik 2. Funkcje własne użyte w obliczanych przykładach w programie MATLAB – szczegółowe kody utworzonych funkcji. Zaletą książki jest duża liczba przykładów uzupełniających rozważania teoretyczne, z których wiele znalazło odzwierciedlenie w obliczeniach w środowisku MATLAB. Rozwiązane w tym środowisku zadania umożliwiają dokładne prześledzenie realizacji kolejnych etapów algorytmu metody elementów skończonych. Przykłady oddają prostotę posługiwania się programem MATLAB i jego wiele zalet, co zachęca do korzystania z tego środowiska obliczeniowego, szczególnie w zakresie obliczeń metodą elementów skończonych. Książkę kierujemy m.in. do studentów wydziałów budowlanych, mechanicznych, inżynierów konstruktorów.

„Środowisko obliczeniowe MATLAB doskonale wspomaga analizę konstrukcji realizowaną za pomocą metody elementów skończonych.”

Zawartość książki została podzielona na osiem rozdziałów: − Metoda przemieszczeń z uwzględnieniem wpływu sił normalnych – zawiera podstawowe definicje, wzory transformacyjne dla pręta zamocowanego jednostronnie lub dwustronnie, ideę metody przemieszczeń; − Metoda przemieszczeń z założeniem pominięcia wpływu sił normalnych – omówiono tu założenia metody – układy przesuwne i nieprzesuwne, stopień geometrycznej niewyznaczalności układu i kryteria przesuwności oraz nieprzesuwności układów ramowych i metody przemieszczeń; − Podstawowe metody elementów skończonych – zawiera wybrane zagadnienia z mechaniki ciał stałych, wprowadza pojęcie dyskretyzacji i zasady dyskretyzacji MES, interpolacji lokalnej i funkcji kształtu; − Statyczna analiza belek – zawarto tu zagadnienia statyczne prostoliniowych układów prętowych, zasady tworzenia macierzy sztywności, obliczenia przemieszczeń węzłowych i węzłowych sił wewnętrznych;

96

P

O

M

I

A

R

Tadeusz Chmielewski, Henryk Nowak, Lilianna Sadecka, Metody przemieszczeń i podstawy MES. Obliczenia w środowisku MATLAB, Wydawnictwo Naukowe PWN, 2016, ISBN 978-83-01-18705-7, str. 226.

− Statyczna analiza ram płaskich – omówiono tu macierz sztywności elementu ramy płaskiej oraz systemu i wektor obciążeń systemu, kondensację statyczną i modyfikację macierzy sztywności elementu; − Statyczna analiza rusztów – zawiera definicję układu konstrukcyjnego nazywanego rusztem i sposób analizy deformacji w efekcie skręcania oraz sposób rozwiązywania rusztów metodą elementów skończonych; − Statyczna analiza ram przestrzennych – omówiono tu macierze sztywności elementu w lokalnym i globalnym układzie współrzędnych oraz sposób rozwiązywania ram przestrzennych metodą elementów skończonych; − Statyczna analiza kratownic – podobnie jak w przypadku innych konstrukcji omówiono macierze sztywności kratownicy Y

A

U

T

O

M

A

T

Y

K

A

R

Małgorzata Kaliczyńska Przemysłowy Instytut Automatyki i Pomiarów PIAP

O

B

O

T

Y

K

A

N R 3/ 20 1 6


PROJEKTY | STAŻE

9th ELEC Doctoral School on Identification of Nonlinear Dynamic Systems ELEC Doctoral School to 4-tygodniowy wiosenny intensywny program szkoleniowo-warsztatowy w zakresie zaawansowanych technik modelowania i symulacji nieliniowych układów dynamicznych. Oprócz klasycznych wykładów i ćwiczeń słuchacze zdobywają praktyczne doświadczenie, pracując na rzeczywistych danych pozyskanych w trakcie przeprowadzanych eksperymentów.

Co roku w Brukseli organizowana jest przez Vrije Universiteit Brussel szkoła dla doktorantów, której wiodącym tematem jest identyfikacja nieliniowych systemów dynamicznych. Kadra naukowa tamtejszego uniwersytetu prowadzi przez miesiąc dla grupy wyselekcjonowanych studentów, doktorantów oraz pracowników naukowych z całego świata intensywne warsztaty, których celem jest poznanie i nauka najnowszych technik modelowania systemów w dziedzinie czasu oraz częstotliwości. Forma zajęć jest zróżnicowana i obejmuje wykłady oraz zajęcia praktyczne w laboratoriach. Omawiane zagadnienia teoretyczne zawsze kończą się licznymi przykładami praktyczymi zastosowań w różnych gałęziach nauki oraz przemysłu. Opiekę merytoryczną nad wydarzeniem sprawuje doświadczony zespół, którego członkowie od wielu lat uznawani są za światowe autorytety w tej dziedzinie nauki. Oficjalnym językiem wykładowym jest angielski. W dniach 9 maja – 3 czerwca 2016 r. odbyła się dziewiąta edycja szkoły dla dok-

torantów, która została zorganizowana przez Department ELEC wchodzący w skład Vrije Universiteit Brussel. Dziewiętnastu uczestników – studentów, słuchaczy studiów doktoranckich lub pracowników naukowych z jedenastu krajów i z różnych kontynentów (w tym jedna osoba z Polski) uczestniczyło w wykładach oraz zajęciach laboratoryjnych pod merytoryczną opieką belgijskich specjalistów z dziedziny identyfikacji i modelowania systemów. ELEC Doctoral School jest cyklicznym, corocznym wydarzeniem organizowanym dla naukowców z różnych dziedzin nauki (automatyki, elektroniki, chemii, mechaniki), zajmujących się problemami modelowania systemów dynamicznych. Na ten cel Vrije Universiteit Brussel otrzymał od rządu flamandzkiego grant o wartości 2,5 mln EUR, w ramach którego zobowiązał się do zapewnienia pobytu i przeszkolenia uczestników wydarzenia w zakresie najnowszych technik oraz narzędzi do identyfikacji systemów. Każdego roku do grudnia zbierane są przez pracowników administracyjnych uniwersytetu zgłoszenia od osób zainteresowanych uczestnictwem w szkole wraz z aplikacjami zawierającymi: CV, list motywacyjny oraz krótką charakterystyką dorobku naukowego. Kadra naukowa projektu wybiera z wszystkich nadesłanych aplikacji najlepsze i kolejno zaprasza do uczestnictwa w szkole. Każdy uczestnik wydarzenia ma zapewnione bezpłatne zakwaterowanie oraz legitymację studenta uprawniającą do zniżek na posiłki, nieodpłatną opiekę medyczną i wiele innych. Ponadto wszyscy otrzymują niezbędne pomoce naukowe w postaci fachowej literatury oraz wydruki wykładów prowadzonych w trakcie trwania szkoły. Istnieje również możliwość otrzymania jednorazowego stypendium w wysokości ok. 700 EUR dla osób, które nie otrzymały dofinansowania od macierzystej jednostki naukowej.

Autor wraz z kierownikiem szkoły, Prof. Johanem Schoukensem w trakcie wręczenia ceryfikatu uczestnictwa. Po prawej Dr. ir. Péter Zoltán Csurcsia, jeden z instruktorów laboratoryjnych

97


PROJEKTY | STAŻE

Rik Pintelon, Johan Schoukens, System Identification: A Frequency Domain Approach, Wiley-IEEE Press, 2012, ISBN: 978-0-470-64037-1.

Johan Schoukens, Rik Pintelon, Yves Rolain, Mastering System Identification in 100 Exercises, Wiley-IEEE Press, 2012, ISBN: 9780470936986.

Wykładane przedmioty

Ceryfikat otrzymany na zakończenie udziału w warsztatach

A basic introduction to system identification, Measuring dynamic systems, Identification of dynamic systems, Measuring and modelling of nonlinear systems, Simulation tools for nonlinear systems, Nonlinear distortion analysis in microwave and integrated circuits and systems, Identification of Linear Time-Varying Systems.

Tegoroczne warsztaty rozpoczęły się od krótkich prezentacji, w których każdy z uczestników dzielił się informacjami o aktualnie realizowanym projekcie naukowym. To był dobry moment i miejsce na podzielenie się własnymi problemami naukowymi, zainteresowania nimi innych lub otrzymania eksperckiej oceny od doświadczonych naukowców i wykładowców. W następnych dniach odbywały się wykłady prowadzone przez światowej sławy naukowców z Vrije Universiteit Brussel, m.in.: prof. Rika Pintelona oraz prof. Johana Schoukensa, który również jest Doktorem Honoris Causa Budapest University of Technology and Economics. Podczas kolejnych sesji realizowany był materiał z następujących przedmiotów: wprowadzenie do identyfikacji systemów, pomiary w systemach dynamicznych, identyfikacja systemów dynamicznych, pomiary i modelowanie systemów nieliniowych, narzędzia symulacyjne systemów nielinio-

98

P

O

M

I

stawiano słuchaczom praktyczne sposoby racjonalnych podejść do badań systemów pracujących w trybie czasu ciągłego lub dyskretnym. Uczono konstruowania i generow a n i a o d p o w i e d n i c h s yg n a ł ó w pobudzających, umożliwiających wydobycie z nieznanych procesów jak największej ilości informacji do celów modelowania. Obecnie powszechnym trendem w badaniach zachowań nieznanych obiektów jest analiza ich właściwości dynamicznych na podstawie zmierzonych charakterystyk czasowych. Ośrodek belgijski od kilkudziesięciu lat z powodzeniem rozwija techniki identyfikowania systemów na podstawie charakterystyk częstotliwościowych. Wiele informacji o nieznanym procesie można zidentyfikować tylko na podstawie wyników badań w dziedzinie częstotliwości. Dzięki zdobytej wiedzy i doświadczeniu (np. udział w zespole modelującym hałas silników samolotu F-16) oraz wypracowanych dobrych praktyk, wykładowcy przekazali uczestnikom podstawy teoretyczne i praktyczne stosowanych obecnie zaawansowanych metod badań właściwości dynamicznych w tej dziedzinie. Po

A

R

żmudnych sesjach wykładowych słuchacze mogli w sposób praktyczny wykorzystać zdobytą wiedzę na zajęciach laboratoryjnych, podczas których rozwiązywano szczegółowo liczne przykłady odnoszące się do praktycznych zagadnień. Pracowano w środowisku obliczeniowym MATLAB z wykorzystaniem bibliotek SYSID (ang. System Identification Toolbox) oraz FDIDENT (ang. Frequency Domain System Identification Toolbox). Drugi z wymienionych modułów został opracowany przy udziale belgijskich naukowców i jest przeznaczony do modelowania systemów w dziedzinie częstotliwości. Wszystkie rozwiązania proponowane przez słuchaczy były krytycznie i bardzo szczegółowo oceniane przez prowadzących. Stosowany sposób oceniania prac umożliwiał szybkie wychwycenie błędów i wszelkich niedoskonałości rozwiązań, co stanowiło punkt wyjścia do dyskusji, jak unikać błędów oraz poprawiać jakość otrzymywanych wyników.

Ważne linki http://www.elecdoctoralschool.be – witryna z informacjami o szkole, link do rejestracji http://vubirelec.be/ – strona wydziału odpowiedzialnego za organizację ELEC Doctoral School http://home.mit.bme.hu/~kollar/fdident – biblioteka do identyfikacji systemów w dziedzinie częstotliwości w środowisku MATLAB http://www.contsid.cran.univ-lorraine.fr/ – biblioteka do identyfikacji systemów z czasem ciągłym, alternatywa do System Identification Toolbox wbudowanego w środowisku MATLAB wych, analiza charakterystyk nieliniowych w układach scalonych oraz identyfikacja systemów liniowych niestacjonarnych. PrzedY

A

U

T

O

M

A

T

Y

K

A

R

O

B

O

T

Y

K

A

N R 3/ 20 1 6


Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 20, Nr 3/2016

mgr inż. Bartłomiej Kozdraś Student II roku studiów doktoranckich na Wydziale Elektroniki Politechniki Wrocławskiej. Subject Matter Expert w dziale R&D firmy Nokia Networks. Wydział Elektroniki, Politechnika Wrocławska Przykładowy tygodniowy harmonogram zajęć dla uczestników warsztatów

Tradycją warsztatów jest zapraszanie światowej sławy naukowców na wykłady gościnne (w latach poprzednich był m.in. Lennart Ljung – współautor biblioteki System Identification Toolbox, powszechnie stosowanego modułu do identyfikacji systemów z wykorzystaniem oprogramowania MATLAB). W tym roku organizatorzy poprosili prof. Huguesa Garniera oraz prof. Marion Gilson-Bagrel z University of Lorraine we Francji o wygłoszenie serii wykładów poruszających problemy identyfikacji systemów z czasem ciągłym w połączeniu z metodami zmiennych instrumentalnych. Podczas

Uczestnicy warsztatów w trakcie sesji laboratoryjnej

dwudniowych wykładów połączonych z zajęciami laboratoryjnymi goście przedstawili w bardzo przystępny sposób zalety identyfikowania systemów w dziedzinie czasu. W ostatnich latach obserwowane są trendy w badaniach, które skupiają się na systemach dyskretnych, stąd wykłady profesorów z Francji umożliwiły słuchaczom wypróbowanie alternatywnego podejścia do problemów identyfikacji. Sesje wykładowe zakończono prezentacją biblioteki CONTSID (ang. Continuous-Time System Identification) Toolbox, będącej alternatywą dla powszechnie znanego modułu SYSID.

Zainteresowania naukowe obejmują automatyzację procesów pomiarowych wraz z ich identyfikacją z wykorzystaniem modeli blokowo zorientowanych. Subject Matter Expert w dziale R&D firmy Nokia Networks.

Organizatorzy warsztatów zapewnili również uczestnikom wiele atrakcji sprzyjających integracji grupy słuchaczy. Zorganizowano wycieczki po Brukseli, Gandawie oraz Bruggi. Został także zorganizowany International Cooking Day, podczas którego słuchacze mogli zaprezentować tradycyjne potrawy swoich krajów. Grillowanie oraz inne atrakcyjne wydarzenia sprzyjały zacieśnianiu znajomości i wymianie doświadczeń naukowych z koleżankami oraz kolegami z grupy. Organizatorzy wydali Book of Participants z danymi oraz profilami naukowymi wszystkich studentów, co pozwoliło zachować kontakty po zakończeniu warsztatów. Z mojej perspektywy uczestnictwo w ELEC Doctoral School zaowocowało nawiązaniem wielu kontaktów z wiodącymi naukowcami z branży oraz osobami z innych jednostek badawczych o profilach zbliżonych do moich zainteresowań naukowych. Rekomenduję udział w wydarzeniu innym doktorantom oraz studentom ze względu na możliwości rozwoju, jakie daje transfer wiedzy od niezwykle doświadczonych naukowców.

mgr inż. Bartłomiej Kozdraś

99


młodzi

innowacyjni

Przemysłowy Instytut Automatyki i Pomiarów PIAP ogłasza

IX Ogólnopolski Konkurs na

inżynierskie, magisterskie i doktorskie w dziedzinach Automatyka Robotyka Pomiary Zgłoszenie należy przesłać na adres konkurs@piap.pl do dnia 20 lutego 2017 r. Regulamin konkursu i formularz zgłoszeniowy są dostępne na stronie www.piap.pl Autorzy najlepszych prac otrzymają nagrody pieniężne lub wyróżnienia w kategorii prac doktorskich:

I nagroda 3500 zł

II nagroda 2500 zł

w kategorii prac magisterskich:

I nagroda 3000 zł

II nagroda 2000 zł

w kategorii prac inżynierskich:

I nagroda 2500 zł

II nagroda 1500 zł

Wyniki konkursu zostaną ogłoszone podczas Konferencji AUTOMATION w Warszawie, w dniu 15 marca 2017 r. Patronat Komitet Automatyki i Robotyki Polskiej Akademii Nauk Komitet Metrologii i Aparatury Naukowej Polskiej Akademii Nauk Polska Izba Gospodarcza Zaawansowanych Technologii Polskie Stowarzyszenie Pomiarów Automatyki i Robotyki POLSPAR

Patronat medialny Kwartalnik naukowy Pomiary Automatyka Robotyka Organizator konkursu

www.piap.pl Informacji udzielają: Małgorzata Kaliczyńska: mkaliczynska@piap.pl, tel. 22 8740 146

Jolanta Górska-Szkaradek: jgorska-szkaradek@par.pl, tel. 22 8740 191 Bożena Kalinowska: bkalinowska@piap.pl, tel. 22 8740 015


3/2016

P O M I A RY • A U T O M AT Y K A • R O B O T Y K A

Elektroniczny niemostkowy układ konwertera rezystancji czujników temperatury Pt 500 na sygnał cyfrowy

57

Artur Wodołażski

61

Marek Ludwiński

65 71

Bezprzewodowy układ pomiarowy z analizą sieci Wi-Fi na Web Serwerze na platformie Arduino

Automatyczna maszyna do produkcji motków z rurki detonującej montowanych w zapalnikach nieelektrycznych Piotr Dutka

Metoda wyznaczenia TCP narzędzia dla triangulacyjnej głowicy pomiarowej współpracującej z robotem przemysłowym

PAR POMIARY •A UTOMATYKA • ROBOTYKA 3/2016 (221)

49

Jacek Korytkowski

PAR

Cena 25,00 zł w tym 5% VAT

kwartalnik naukowo-techniczny naukowo-techniczny | lipiec–wrzesień lipiec–wrzesień kwartalnik 2016 | www.par.pl www.par.pl

Quarterly Scientific and Technical Measurements Automation Robotics

W numerze:

3 5 13

Od Redakcji Ewelina Chołodowicz, Przemysław Orłowski

Comparison of a Perpetual and PD Inventory Control System with Smith Predictor and Different Shipping Delays Using Bicriterial Optimization and SPEA2 Mariusz Olszewski

Mechatronizacja produktu i produkcji – przemysł 4.0

29

Paweł Fotowicz

33

Piotr Cheluszka

43

Stanisław Lis, Marcin Tomasik, Magdalena Dróżdż

Daniel Figurowski, Michał Brasel, Michał Kubicki

Stanowisko laboratoryjne do badań algorytmów sterowania robotami mobilnymi z wizyjnym sprzężeniem zwrotnym

ISSN 1427-9126 Indeks 339512

Modyfikacja sposobu obliczania niepewności pomiaru

Automatyzacja pomiarów współrzędnościowych organów roboczych maszyn urabiających z wykorzystaniem skanowania 3D

System automatycznego przezbrajania stanowiska pakowania robotem przemysłowym

Ponadto: Informacje dla Autorów – 77 | IEEE Control Systems Society w Polsce. Systemy sterowania są wszechobecne – 81 | Kolejna nagroda dla prof. Janusza Kacprzyka – 84 | Awans naukowy – dr hab. inż. Paweł Dworak – 86 | Awans naukowy – dr hab. inż. Arkadiusz Mystkowski – 87 | Kalendarium – 88 | XIX Krajowa Konferencja Automatyki KKA 2017 – 89 | Internet Rzeczy – 90 | Designing the Internet of Things – 91 | Big Data w Przemyśle – 92 | Przekładnie ślimakowe – 93 | AutoCAD 2017/LT2017/360+ – 94 | Autodesk Inventor Proffesional 2017PL/2017+/Fusion 360 – 95 | Metody przemieszczeń i podstawy MES – 96 | 9th ELEC Doctoral School on Identification of Nonlinear Dynamic Systems – 97 | Młodzi Innowacyjni 2017 – 100

PAR 3/2016  
PAR 3/2016  

Kwartalnik naukowo-techniczny "Pomiary Automatyka Robotyka"

Advertisement