Monofunktionsrobotter - AP3 Afskæring af haleben fra skinker

Niels Worsøe Hansen

Jeg er din kontaktperson

Skriv til mig

Indtast venligst et validt navn
Eller dit telefonnummer
Sender besked
Tak for din besked
Vi beklager

På grund af en teknisk fejl kan din henvendelse desværre ikke modtages i øjeblikket. Du er velkommen til at skrive en mail til Send e-mail eller ringe til +45 72 20 26 91.

juletrae
juletrae

Monofunktionsrobotter - AP3 Afskæring af haleben fra skinker

Formål

Projektet har til formål at udvikle ny produktionsteknologi, der kan automatisere enkeltfunktioner på de eksisterende linjer i den danske svinesektor, som i dag er manuelle. Dette sker gennem systematisk anvendelse af den nyeste robotteknologi og intelligent styringsteknologi. DMRI har i anden sammenhæng udviklet et værktøj til løsning af haleben. Dette værktøj kombineres i AP4 med industrirobotteknologi og intelligente styresystemer til en samlet automatiseret løsning.

Projektstatus 4. kvartal 2020

Det vigtigste nye output er, at der i projektet er fundet en metode og et værktøj til den del af afskæringen af halebenet, som er mest vanskelig for operatørerne, og som også har vist sig at være vanskelig at udvikle værktøj og metode til. Det er delingen af halebenet og nøglebenet, der kræver stor rutine og kraft for operatørerne at udføre.

Det udviklede værktøj har et meget enkelt funktionsprincip, der ikke kræver avancerede styringsalgoritmer, og værktøjet finder delefladen mellem de to knogler ved at udnytte anatomiske karakteristika af knoglerne, hvilket gør metoden robust.

Værktøjet er afprøvet i en robot, der holder og styrer det til den rigtige position, hvor det udløses og bryder vedhæftningen. Værktøjet er afprøvet på både korte og lange skinker. For den resterende afskæring af halebenet udestår udvikling af værktøjer og metoder.

Den næste store aktivitet i arbejdspakken er at dokumentere værktøjet, så det er muligt at genoptage projektet på et givent tidspunkt og udvikle de manglende funktioner, så hele afskæringen af halebenet kan automatiseres.

Projektstatus 3. kvartal 2020

Det vigtigste nye output er, at forsøgsarbejdet og værktøjsudviklingen nu er koncentreret om en enkelt procesmetode for at bryde vedhæftningen mellem halebenet og nøglebenet. Brydning af vedhæftningen er den vigtigste delproces at få løst i den samlede proces ved afskæring af haleben, og det er også brydningen af vedhæftningen, der er den største udfordring og belastning for operatørerne ved manuel afskæring af haleben.

Metoden og værktøjet udvikles i første udgave til lange skinker, hvor halebenet er helt og vedhæftningen stærkest for derefter at blive tilpasset korte skinker, hvor halebenet er gennemsavet i forbindelse med delingen mellem midterstykke og skinke.

Metoden og brydeværktøjet er baseret på, at skillelinjen mellem knoglerne findes ud fra anatomiske karakteristika på de lange skinker, hvor delelinjen mellem knoglerne ikke er synlig. Anatomien kan ikke udnyttes på korte skinker, men der er skillelinjen til gengæld synlig og kan detekteres med visionkameraer. 

Der er i perioden ikke arbejdet på de andre delprocesser ved afskæring af haleben.

Den næste store aktivitet i arbejdspakken er at teste metoden i en manuel opstilling og dokumentere, at den er robust og kan bære en opgradering til et værktøj, der monteres i en industrirobot. Vha. robotten testes værktøjet i DMRI’s forsøgsopstilling hos Danish Crown i Ringsted, og robottesten skal dokumentere robustheden af metoden og eliminere den menneskelige faktor, der er ved manuelle forsøg.

Næste aktivitet vil derefter være at udvikle værktøjer og metoder til de resterende delprocesser ved afskæring af haleben.

Projektstatus 2. kvartal 2020

Det vigtigste nye output er, at forsøgsarbejdet og værktøjsudviklingen for at bryde vedhæftningen mellem halebenet og nøglebenet er i et systematisk flow, hvor idéer fra idéfasen samt idéer opstået under udviklingsarbejdet afprøves. Det er en meget stærk knoglevedhæftning, der skal brydes, og de to knogler må ikke gå i stykker under bearbejdningen. Der er to grundlæggende forskellige procesmetoder, som udviklingsteamet arbejder med.

Uanset metoden så er en stor udfordring i arbejdspakken, at den skillelinje der er mellem knoglerne er vanskelig at detektere. Arbejdspakken skal løse afskæring af haleben fra både korte og lange skinker og på de lange skinker er skillelinjen ikke synlig og kan dermed ikke detekteres direkte med visionteknologi. Muligheder for at omgå den forhindring er, at skillelinjen kan findes anatomisk af værktøjerne eller ved, at et intelligent visionsystem kan finde linjen ud fra relaterede karakteristika på skinke og haleben.

Den anden del af afskæringen af halebenet er friskæring af halehvirvlerne, hvortil der er udviklet et værktøj, som er under afprøvning for dokumentation af duelighed.

Den næste store aktivitet i arbejdspakken er at flytte værktøjsudviklingen til en robotcelle med to robotter installeret i DMRI’s forsøgsrum hos Danish Crown i Ringsted. Flytningen sker, når der er truffet et valg mellem de forskellige procesmetoder, og her vil det også være afklaret, hvordan skillelinjen mellem knoglerne detekteres. Dvs. om der skal udvikles intelligente styringsalgoritmer eller om detektionen ligger i værktøjernes udformning og funktion.

I robotcellen udvikles værktøjet videre til et niveau, der viser, at processen kan lykkes og resultatet præsenteres for projektets følgegruppe.

 

 

Projektstatus 1. kvartal 2020

Projektet er i metodefasen, hvor de værktøjer, der skal afskære halebenet udvikles og tilpasses til brug i kombination med industrirobotterne. Værktøjerne skal bryde den meget stærke knoglevedhæftning mellem halebenet og skinken uden at knoglerne splintres. Det er derfor vigtigt at finde forbindelsen/brudfladen mellem haleben og skinke. Til dette skal en algoritme vha. intelligent billedanalyse udvikles i fasen.

De første forsøg med værktøjer for at bryde knoglevedhæftningen er i gang ligesom der er optaget billeder til udvikling af algoritmen.

Halebenet sidder fast på skinken via en knoglevedhæftning til hoftebenet samt en sene/muskelvedhæftning til selve skinken. Den vanskeligste udfordring er at bryde knoglevedhæftningen uden at danne knoglesplinter. Udformningen af værktøjet skal passe til de variationer skinkerne har mht. anatomi og størrelse og desuden finde overgangen mellem knoglerne - dvs. det præcise punkt, hvorpå værktøjet skal gå i indgreb på skinken, hvilket er en vanskelig proces.

Skæring af muskel- og senevedhæftninger er der mere erfaring med og vurderes som en mindre kompliceret opgave, men begge værktøjer skal styres vha. billedanalyse og intelligente algoritmer. Til udvikling af algoritmerne er optaget en stor mængde billeder af skinker på et opskæringsbånd, og disse billeder bruges til at træne algoritmen. Herefter afprøves algoritmen på et antal skinker, som ikke er med i træningssættet, og algoritmens succes med at finde skærepunkterne er udtryk for algoritmens robusthed. Når værktøjerne fungerer manuelt, monteres de i en industrirobot, der styres af algoritmerne fra billedanalysen. Der er installeret to robotter i DMRI’s forsøgsrum og efterfølgende et transportbånd, så det er muligt at efterligne den måde, hvorpå skinkerne vil blive præsenteret i et færdigt udstyr installeret i en opskæring.