Implementing robotic offline programming with the Yaskawa Motoman GP25-12

Abstract

Produksjonsindustrien er i endring. Produkter produseres raskere, etterspørsel endres raskere og tilpassede varer er ettertraktet. Dette er muliggjort av for eksempel cyber-fysiske systemer, tingenes internett, maskinlæring og kunstig intelligens, og representerer en så betydelig epoke at den blir referert til som den fjerde industrielle revolusjonen, eller Industri 4.0

Industri 4.0 skiller seg fra Industri 3.0 med hvordan systemer er koblet digitalt og kontinuerlig kan dele og motta informasjon. Det endelige målet er autonome systemer som er i stand til å ta beslutninger basert på mottatt informasjon.

En stor utfordring ligger i det å gjøre eksisterende infrastruktur og systemer interoperable, der kommunikasjonsprotokollen OPC UA er blitt foreslått som løsningen. Mens OPC UA protokollen kan løse problemet med interoperabilitet, står automatiseringsindustrien overfor et annet problem; den raske endringen i etterspørsel.

Robotautomatisering var en viktig del av Industri 3.0, da den muliggjorde masseproduksjon, og ga en effektivitet som ikke var mulig å oppnå med menneskelig arbeidskraft. Imidlertid krever endringen i etterspørsel, introdusert med Industri 4.0, at robotindustrien tilpasser seg; den må kunne implementeres i produksjon med stor ending og lavt volum.

Roboter er hovedsakelig programmert på to måter; online eller offline. Online programmering involverer roboten direkte mens den programmeres, og krever derfor at produksjonen stopper. Offline programmering er en metode for programmering av roboter fra en datamaskin, slik at produksjonen kan fortsette. Reduksjonen i nedetid for produksjonen er en uvurderlig fordel med offline programmering, som i hovedsak muliggjør produksjon som er kompatibel med kravene fra Industry 4.0.

Denne oppgaven gjelder implementering av offline programmering med robot manipulatoren Yaskawa Motoman GP25-12. Simuleringsverktøyet Visual Components ble brukt til å designe en digital representasjon av robotcellen på Perleporten og for å programmere en bane som skulle implementeres med den fysiske roboten. En OPC UA-server ble utviklet for å kommunisere med simuleringsverktøyet. Den tredje og siste programvaren som ble implementert var Moto-biblioteket, brukt til å kommunisere med robotkontrolleren.

To implementeringsmetoder ble utviklet. Den første metoden inneholder alle de tre komponentene i ett Python-skript som gjør det mulig å sende banepunkter direkte til robotkontrolleren fra Visual Components mens simuleringen kjører. Den andre metoden skriver banepunkter fra simulering til fil, hvor det ble utviklet et eget Python-skript for å sende banepunktene til robotkontrolleren. Hvorvidt den første metoden var suksessfull eller ikke, viste seg vanskelig å analysere da det med den foreslåtte løsningen, ikke var mulig å lese leddposisjonene til den fysiske roboten mens den beveget seg.

Suksessen til den andre metoden ble undersøkt ved å sammenligne banen fra simulering med banen som ble utført av den fysiske roboten. Ulike konfigurasjoner i skriptene ble testet. Det beste resultatet viste mindre avvik mellom den offline-programmerte banen og banen som ble utført av den fysiske roboten.

Oppgaven har vist at implementering av offline programmering med Yaskawa Motoman GP25-12 er mulig. Imidlertid trenger de foreslåtte løsningene forbedringer. Videre arbeid inkluderer å løse spørsmålet om hastighet i skriptet man opplever når man sender banepunkter til robotkontrolleren, og kravet om at den fysiske roboten skal være i sin nullposisjon før den mottar banepunkter.

The manufacturing industry is changing. Products are being produced faster, demands are changing faster, and personalized items are desired. This is enabled by, e.g., cyber-physical systems, the Internet of Things, machine learning, and artificial intelligence, and represents such a significant era that it is being referred to as the fourth industrial revolution, or, Industry 4.0

Industry 4.0 differs from Industry 3.0 with how systems are digitally connected and can share and receive information constantly. The ultimate goal is autonomous systems capable of making decisions based on the received information.

A major challenge lies within making the existing infrastructure and systems interoperable, where the open platform communication OPC UA has been suggested as the solution. While the OPC UA protocol may solve the problem of interoperability, the automation industry is faced with a different problem; the rapid change in demand.

Robotic automation was a vital part of Industry 3.0 as it enabled mass-production, providing an efficiency not possible to achieve with human labour. However, the new demands introduced with Industry 4.0 requires a change in the robotic automation industry; it must adapt to a high-mix, low-volume production.

Robots are mainly programmed in two ways; online or offline. Online programming directly involves the robot while programming and therefore requires production to stop. Robotic offline programming is a method for programming robots from a computer, allowing for production to continue. The reduction in production downtime is an invaluable advantage with offline programming, which essentially enables production compatible with the requirements posed by Industry 4.0.

This thesis concerns the implementation of offline programming with the robot manipulator Yaskawa Motoman GP25-12. The simulation software Visual Components was used to design a digital representation of the robot cell at Perleporten and program a trajectory to be sent to the physical robot. An OPC UA server was developed in order to communicate with the simulation software. The third and final software implemented was the Moto library, used to communicate with the robot controller.

Two methods of implementation were developed. The first method incorporates all three software components in one Python script that allows for sending trajectory points directly to the robot controller from Visual Components while the simulation is running. The second method writes trajectory points from simulation to file, where a separate Python script was developed for sending the trajectory points to the robot controller. The success of the first method proved difficult to analyze as it, with the suggested solution, was not possible to obtain joint feedback from the physical robot.

The success of the second method was examined by comparing the trajectory from simulation with the trajectory performed by the physical robot. Different configurations within the scripts were tested. The best result displayed minor deviations between the offline programmed trajectory and the trajectory performed by the physical robot.

The thesis has shown that the implementation of offline programming with the Yaskawa Motoman GP25-12 is possible. However, the suggested solutions need modifications. Further work includes solving the issue of speed in the script encountered when sending trajectory points to the robot controller and the requirement for the physical robot to be in its zero position before receiving trajectory points.