Projektid

Projekt keskendub laiendatud reaalsuse ja olemasolevate digitaalsete tööriistade väljatöötamisele, arendamisele ja integreerimisele, et toetada tööstusvaldkonna inseneriharidust. XRERNi eesmärk on tuua inseneritudengiteni digitaalse tootmise valdkonna teadustegevuse tulemused. Tootmise peamisteks uurimisteemadeks on olnud modelleerimine, analüüs, virtuaal- ja liitreaalsus, aga ka inimfaktori roll tehastes. Projekti eesmärk on arendada, katsetada ja valideerida XR-tehnoloogiatel põhinevaid õppemeetodeid, keskendudes järgmistele teemadele: • VR-keskkonna arendamine, et toetada õppetegevust insenerivaldkonnas, nimelt tootmissüsteemide kavandamisel ja analüüsimisel. • AR-lähenemise väljatöötamine õppetegevuse toetamiseks masinate projekteerimise valdkonnas. • Töötada välja lähenemisviisid ja metoodikad nendel tehnoloogiatel põhinevate õppemeetodite analüüsimiseks ja hindamiseks.

Projekti eesmärk on teostada kosmoses keevitamise teostatavuse uuring koostöös Euroopa Kosmoseagentuuri ja ettevõttega Moliri OÜ. See hõlmab sihtmaterjalide ja liidete analüüsi, inimese kasutusvajaduste ja kontrollimeetodite uuringut, kosmose keskkonnale sobivate keevitusprotsesside kirjanduse ülevaadet ja võrdlevat analüüsi ning kosmoses keevitamise katsetamise, kvalifitseerimise ja valideerimise esialgse plaani koostamist.

Üheks väljakutseks, mida antud demoprojekti käigus sooviti lahendada, oli akustiliste paneelide tootmise robotiseerimine, et lühendada nende valmistamisele kuluvat aega. Demoprojekti käigus testiti erineva konfiguratsiooniga akustiliste paneelide robot-kruvimise protsessi, arvestades paneelide erinevaid mõõte, paigaldatavate kruvide arvu ja nende paigaldust. Antud demoprojektis seoti omavahel robootika (koostöörobot UR10), automaatika (kruvide etteande seade, automaatne kruvikeeraja, intelligentne rakis), AI töövahendid (töökoha digikaksik, masinnägemise töövahendid, roboti töötrajektoori simulatsioon). Lahenduse juures arvestati ettevõtte spetsiifilisi tootmisprotsesse ja nõudeid akustiliste paneelide parameetritele ning ka võimalusi täisautomatiseeritud tootmise rakendamiseks ettevõttes või juurutusteks teistes antud valdkonna ettevõtetes. Demoprojekti tulemused: toote koostamisoperatsiooni teostus, koosterakise kontseptsiooni väljatöötamine, sobiliku roboti valik koostamisoperatsiooni teostamiseks, töövahendite valiku teostud, simulatsioonide koostamine ja testimine, andmete kogumine, analüüs ja tulemuste verifitseerimine.

Demoprojekti uudsuseks on vormi mittehoidvate tekstiilmaterjalide ja tahkete raamimaterjalide ühine käsitlemine intelligentsete ja paindlike roboti/koosteroboti jaamade poolt. Aktiivkontrolli meetodil tuvastatakse roboti tööorganite sooritus ja kontrollitakse kvaliteeti tagavaid andmeid tegelikega. Läbi kogutavate andmete analüüsi ja mustrituvastuse peab tehisintellekt olema võimeline tegema muudatused koostamisprotsessi. Testimise käigus kogutakse andmeid ja luuakse algoritmid tehisintellektile otsuste tegemiseks.

Antud projekti käigus loodi reaalsete 3D objektide varjujoone mõõtmise seadme kontseptsioon ning prototüüp ja toimus ja katsetamine test- ja reaalses tootmiskeskkonnas. Süsteemi kasutatakse kõnealuste objektide turvalise pakkimise jaoks sobivaima transpordi pakendi valmistamiseks. Käesoleval ajal sisaldab tootmisprotsess liialt käsitööd ja automatiseerituse tase vajab parandamist. Loodav süsteem võimaldab vähendada manuaalse töö mahtu ja samuti tõsta töö kvaliteeti (vältida vigu ja tõsta täpsust).

Projektiga võetakse kasutusele vabavaraline platvorm tootmisliinide jälgimiseks ja luua lahendus vahvliliini monitoorimiseks. Eesmärk on peale valideerimist projekti lahendust laiendada ka teistele tootmisliinidele. Luuakse integreeritud tootmismonitooringu lahendus, mis rakendab masinnägemise põhist kvaliteedi kontrolli koos anduritest saadava sisendiga. Masinnägemise abil toimub visuaalne kvaliteedikontroll ja toote tuvastamine. Toote tuvastamisega antakse süsteemile automaatselt ette normväärtused mida võrreldakse anduritest saadava sisendiga.

Projekt "Tehase digitaalse kaksiku baasil tootmisprotsesside optimeerimismudeli rakendatavuse testimine" keskendub tehase digitaalsete mudelite loomisele ning tehisintellekti abil tootmisprotsesside kitsaskohtade tuvastamisele ja vähendamisele. Kasutades Siemens Plant Simulation tarkvara, simuleeritakse tehase tegelikke protsessiaegu, et luua digitaalne kaksik, mis võimaldab teha tootmisoptimeerimist reaalset tootmist häirimata. Projekti käigus kasutatakse masinõppel ja andmeanalüüsil põhinevat AI optimeerimismudelit, mille eesmärk on parandada tootmise läbilaskevõimet ja ressursikasutust.

Projekti eesmärk uuendada olemasolev õppeaine „Tootmise digitaliseerimine“ (6 EAP), kaasajastada õppeaine sisu vastavalt viimastele valdkonnas toimunud kiirtele arengutele. Olulises mahus tuuakse sisse uusi virtuaal (VR) ja laiendatud (AR) reaalsusel põhinevaid arendusvahendeid, nendel põhinevad rakendused töötlemis- ja tootmisvaldkondades.

Demoprojekt Chemi-Pharm keskendub ettevõtte igapäevase tootmislogistika korraldamisele ja visualiseerimisele läbi targa tehisintellektil põhineva juhtimissüsteemi, mis aitab kaasa tootmise läbilaskevõime suurendamisele ja tootmisprotsesside efektiivsuse kasvule.

Tootmisseadmete prototüüp tasandil õigete parameetrite seire, salvestamine ja analüüs AI-d kasutades.

Töötatakse välja uued meetodid matt-tüüpi materjali tootmiseks puitvedrudest, tuginedes praegustele seadmetele ja täiendades seda koostöörobotiga. Uuritakse võimalusi puitvedrumatti sobiva haardemeetodiga vormimiseks, et leida optimaalne lahendus seda tüüpi pakkematerjali tootmiseks. Koostööroboti (Omron) abil leitud trajektoore ja kinemaatikat kasutatakse hiljem sisendina järgmise põlvkonna tootmismasina arendamisel. Robotiprogrammidest genereeritud trajektoore ja kinemaatilist teavet saab optimeerida ka tehisintellekti tööriistade (Machine Learning) abil, et leida optimeeritud lahendusi (trajektoori ja kudumise jaoks), võttes sisendparameetritena arvesse tootmiskiirust, läbitud trajektoore, liikumise dünaamikat, loodud mati tihedust jne.

Töötatakse välja ümbrehäälestatav robotisüsteem, millega kontrollitakse masinnägemise abil IoT-moodulite kvaliteeti ning korrektset funktsionaalsust. IoT moodulite variatsioone ja funktsioone on erinevad ning visuaalse kvaliteedikontrolli usaldusväärsus on 80-87%. Tootete liigutamiseks ja fikseerimiseks oleme projekteerinud ning valmistanud mitme-positsioonilise spetsiaalrakise, mida juhitakse läbi roboti kontrolleri. Toodete tuvastamiseks loodi IoT moodulite põhine andmebaas, mille abil algoritmid tuvastavad ning valivad toote. Samuti toimib kvaliteedi hindamine sama loogika alusel. Kontrollitud tooted jagatakse kaheks: Korras ja defektne . Defektsed tooted eraldatakse ja määratakse, mis on tegelik defekt.