CN114223020A - 成型或分离装置及其运行方法 - Google Patents
成型或分离装置及其运行方法 Download PDFInfo
- Publication number
- CN114223020A CN114223020A CN202080059348.1A CN202080059348A CN114223020A CN 114223020 A CN114223020 A CN 114223020A CN 202080059348 A CN202080059348 A CN 202080059348A CN 114223020 A CN114223020 A CN 114223020A
- Authority
- CN
- China
- Prior art keywords
- forming
- separating device
- image
- evaluation unit
- operating state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000001454 recorded image Methods 0.000 claims abstract description 53
- 238000011156 evaluation Methods 0.000 claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 238000003754 machining Methods 0.000 claims description 9
- 238000005286 illumination Methods 0.000 claims description 8
- 238000000465 moulding Methods 0.000 claims description 5
- 230000002452 interceptive effect Effects 0.000 abstract description 7
- 238000004049 embossing Methods 0.000 description 11
- 238000007493 shaping process Methods 0.000 description 11
- 239000012530 fluid Substances 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 7
- 239000002699 waste material Substances 0.000 description 6
- 238000005520 cutting process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005304 joining Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000005526 G1 to G0 transition Effects 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 239000013590 bulk material Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B30—PRESSES
- B30B—PRESSES IN GENERAL
- B30B15/00—Details of, or accessories for, presses; Auxiliary measures in connection with pressing
- B30B15/14—Control arrangements for mechanically-driven presses
- B30B15/148—Electrical control arrangements
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B30—PRESSES
- B30B—PRESSES IN GENERAL
- B30B15/00—Details of, or accessories for, presses; Auxiliary measures in connection with pressing
- B30B15/26—Programme control arrangements
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B30—PRESSES
- B30B—PRESSES IN GENERAL
- B30B15/00—Details of, or accessories for, presses; Auxiliary measures in connection with pressing
- B30B15/28—Arrangements for preventing distortion of, or damage to, presses or parts thereof
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Mechanical Engineering (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Punching Or Piercing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种成型和/或分离装置(10)及其运行方法,并且特别是涉及一种用于检查成型和/或分离装置(10)的无干扰运行的方法。成型和/或分离装置(10)被设置为在两个工具部分14、15之间对工作区域(19)中的初始工件(12)成型。图像检测传感器(20)检测工作区域(19)并且可以在成型和/或分离装置(10)的运行期间记录至少一个记录的图像(B)。当成型和/或分离装置(10)采取定义的运行状态时,评估单元(24)将至少一个记录的图像(B)与至少一个参考图像(R)或参考模型进行比较。基于所述比较检查是否存在干扰。
Description
技术领域
本发明涉及一种用于加工工件的成型和/或分离装置,例如压印机。所述成型和/或分离装置被设置为在工具部分之间成型和/或分离初始工件并由此获得已加工工件。在此,可以通过冲压和/或切割和/或成型来加工诸如板、带、杆、块、圆等初始工件。
背景技术
DE 10 2017 110 301 A1描述了一种成型装置,该成型装置具有两个连续工作的辊杆毯,在所述辊杆毯之间压制压板。为了监视辊杆毯,分别存在相机。由此可以识别一个或多个辊上的损坏。这是连续运行的过程,在此过程中不会发生具有要监视的多个时间阶段的循环运行。因此,不可能为了避免损坏或危险而在成型装置过渡到新阶段之前停止该成型装置。
从DE 20 2015 102 601 U1已知一种用于压制松散材料的打包机。在压板上布置了光源,所述光源将光从待压制的材料辐射到光接收器。基于所辐射的光在所述光接收器上的入射位置,可以确定所述压板的取向并在必要时进行校正。
ifm electronic公司提供名为efector® dualis的光学传感器来用于工件检查。该传感器可以识别对象轮廓并记录对象表面,并对所记录的对象表面的像素进行计数。除此之外,ifm electronic还提供所谓的视觉传感器,利用所述视觉传感器根据传感器类型,除了上述任务之外还可以探测二维码或条形码,或者可以进行三维对象识别。在此,在自动化夹具系统的情况下应当可以实现双重板识别。
在成型和/或分离装置的运行期间,可能出现不同的干扰。这样的干扰可能由工件输送时的错误、由取出工件时的错误、由维护后的错误安装等引起。从现有技术出发,本发明的任务是创建一种成型和/或分离装置和用于运行该成型和/或分离装置的方法,借助于该方法可以通过简单的方式可靠地识别出压印机运行时的不同干扰。
发明内容
该任务通过根据权利要求1的特征的成型和/或分离装置以及根据权利要求16的特征的方法来解决。
所述成型和/或分离装置具有第一工具部分和第二工具部分以及驱动器。所述驱动器被设置为使得两个工具部分相对于彼此移动。在此,所述第一工具部分和/或所述第二工具部分可以移动,特别是分别朝向另一个工具部分或远离另一个工具部分移动。在该相对移动期间并且由于该相对移动,可以在这些工具部分之间加工布置在工作区域中的初始工件,例如通过冲压、切割或成型。所述成型和/或分离装置可以被设置为执行任何按照DIN8580的成型方法。
所述成型和/或分离装置还具有至少一个图像检测传感器,例如相机。所述至少一个图像检测传感器被设置为记录至少一个图像。优选地,所记录的图像或所记录的图像中的至少一个显示所述成型和/或分离装置处或附近的一个或多个区域,特别是
-所述工作区域,和/或
-至少一个连接区域,带有用于电气和/或流体线路的线路连接端,和/或
-用于废料部分的溜槽或滑道,和/或
-所述成型和/或分离装置的外壳中的入口,例如门、翻板和开口,和/或
-用于将初始工件输送到所述工作区域的区域和将已加工工件移出所述工作区域的区域,和/或
-所述成型和/或分离装置的装配空间。
作为相机可以使用行相机、2D相机或3D相机。所述相机还可以被设置为记录不可见波长范围内的光,例如在红外范围内。
为了照明所述工作区域,可以存在照明单元,所述照明单元可以辐射在唯一预给定波长范围内或在可调节的可变波长范围内或在多个不同可选择波长范围之一内的光,例如白光和/或蓝光和/或红外光。所述照明单元也可以被设置为辐射偏振光。评估单元可以控制所述照明单元。所述照明单元可以被设置为至少在记录至少一个图像期间或持续地照明所述工作区域。
所述成型和/或分离装置的评估单元与所述至少一个图像检测传感器通信连接。所述评估单元被设置为在所述成型和/或分离装置的运行期间确定是否已达到所述成型和/或分离装置的定义的运行状态。可以预定义多个运行状态,其中所述成型和/或分离装置可以在观察时间点恰好采取这些预定义的运行状态之一。如果所述评估单元确定已达到定义的运行状态之一或所述定义的运行状态,则将在该定义的运行状态下由所述至少一个图像检测传感器记录的至少一个记录的图像与分配给该定义的运行状态的至少一个参考图像和/或参考模型进行比较。为此,可以将一个或多个参考图像和/或所述参考模型存储在所述评估单元或单独的存储器中,其中向每个预定义的运行状态分配至少一个参考图像或参考模型。通过将至少一个记录的图像与至少一个参考图像和/或参考模型进行比较,检查是否存在干扰。
识别是否已达到预定义的运行状态可以通过不同的方式来进行。例如,可以通过将至少一个实际记录的图像与一个或多个参考图像进行比较来检查是否已达到预定义的运行状态。例如,如果应当在记录的图像中识别出不存在用于加工的初始工件并且两个工具部分彼此之间具有最小距离,则可以确定所述成型和/或分离装置已准备好输送新的初始工件。
附加地或替代地,还可以将至少一个状态信号传送给所述评估单元,可以基于所述至少一个状态信号来识别一个或多个预定义的运行状态。所述至少一个状态信号可以从所述成型和/或分离装置的控制装置和/或至少一个另外的传感器(例如位置传感器、压力传感器、力传感器、振动传感器、温度传感器……)传送给所述评估单元。附加于或替代于识别一个或多个预定义的运行状态,在将至少一个记录的图像与至少一个参考图像和/或参考模型进行比较时,还可以将至少一个另外的状态信号用于检查是否存在干扰。
所述至少一个另外的状态信号是描述所述成型和/或分离装置的当前实际状态和/或额定状态的信号。例如,传感器的传感器信号或所述成型和/或分离装置的执行器的操控信号可以用作状态信号。传送给所述评估单元并由所述评估单元考虑的状态信号的数量是任意的。
所述状态信号和/或所述至少一个另外的状态信号可以例如表征一个重复的循环内的特定时间点或特定方法状态。
在一种实施例中,所述评估单元也可以是所述成型和/或分离装置的控制装置的组成部分。
所述至少一个记录的图像与所述至少一个参考图像和/或所述参考模型的所述比较例如可以通过图像处理算法进行。在该比较期间,可以将所有图像内容或仅部分图像内容相互比较。可以评估所述至少一个记录的图像与对应的至少一个参考图像的偏差,并且可以从中推断出干扰。图像内容可以通过逐像素比较而相互比较,从而可以简单快速地识别出所述至少一个记录的图像与所述至少一个参考图像之间的偏差。作为图像处理算法的附加或替代,也可以使用机器学习。在所述机器学习的基础上,可以基于每个定义的运行状态的示例数据来学习干扰的示例和/或无干扰的正常运行的示例,并且可以将所述至少一个记录的图像与参考模型进行比较。所述示例数据可以是图像和/或语义数据和/或表征干扰或无干扰状态的其他数据。
例如,通过所述比较可以识别出一种和特别是还有多种不同的干扰。特别是可以确定以下干扰中的一种或多种:
1)在监视成型和/或分离过程的正常流程期间:
-两个工具部分之间的初始工件或已加工工件的放下位置或拾取位置错误;
-两个工具部分之间存在的初始工件比指定的多;
-在将初始工件或已加工工件移入或移出工作区域时出现错误(皮带进给中的阻塞,工件各个部分的夹具错误,......);
-初始工件的姿态和/或位置不正确(例如倾斜、扭曲、移位);
-插入工件之前工具初始位置错误(例如:定心元件和/或弹出元件和/或可移动工具组件不在其额定位置上或损坏或缺失);
-加工前初始工件的状态错误(例如存在/缺失);
-加工后已加工工件的状态错误(例如存在/缺失);
-线路的连接端缺失和/或不一致,所述线路例如是介质软管或电缆;
-与成型和/或分离装置的控制装置中的控制数据集相比,现有的工具部分不匹配;
-至少一个工具部分未正确安装或取向(例如错误的安装位置或定向);
2)加工过程期间的异常事件;
-工具部分的一个或多个非固定的或自发松脱的组件处于未定义姿态;
-工作空间中存在异物
o从工具部分暴力撕下的元件
o至少一个工具部分处的泄漏
o从分离方法中未正确输出或落入所述工作空间中(也可能从在前的加工阶段中向下落下)的废料部分
o人留下的异物(例如手工工具、手套……)。
因此借助于根据本发明的成型和/或分离装置或根据本发明的方法,也可以例如识别出在工作区域中是否存在异物。可以识别出诸如工具或工件的碎片、紧固元件、工具、定心元件等的异物。
通过本发明产生的另一种可能性是检查静态连接或连接端,例如电气连接、流体连接或机械连接以确定是否已正确建立所述连接。例如,在维修、工具更换或维护的范围中,可能忘记正确地重新建立一个或多个连接。未连接任何线路(电气和/或流体)的自由连接端(与参考图像中所示和/或参考模型中描述的不同)可以被识别为干扰。
如果工具部分之一和/或所述成型和/或分离装置包括流体组件和特别是液压组件,则可以检测积聚在所述工作区域中的液体或滴过或流过工作区域的液体并且必要时识别为干扰。
根据干扰的类型,可以通过根据本发明的方法或根据本发明的成型和/或分离装置触发合适的措施。这例如包括向操作人员输出对应的消息和/或必要时停止所述成型和/或分离装置的运行。
在优选实施方式中,每个图像检测传感器由相机形成。根据所述工作区域的大小和类型,唯一的相机就足够了。
优选地,所述参考图像分别与所述至少一个记录的图像——所涉及参考图像与其进行比较——由相同的图像检测传感器和/或从相同的视角和/或以相同的图像区域记录。由此简化了借助于图像处理算法的图像比较。
所述成型和/或分离装置可以是循环工作的压印机。所述压印机可以是液压压印机、机电压印机或能源相关的机床,例如主轴压印机或锤子。每个循环或压印循环优选地具有多个阶段并且特别是具有至少三个阶段:第一阶段,在此期间输送初始工件,随后的第二阶段,在此期间通过成型方法来加工所述初始工件以获得已加工工件,以及另外的第三阶段,在此期间从所述成型和/或分离装置中取出所述已加工工件。这些阶段在每个压印循环中恰好执行一次,并且循环重复。例如,压印机的压印滑枕在每个压印循环期间可以执行完整的冲程移动:从(用于输送初始工件的)第一阶段的起始时间点的初始位置出发,压印滑枕带着第一工具部分可以首先进入上部反转点,从那里朝向第二工具部分而进入下部反转点,并再次回到起始时间点的初始位置。在每个压印循环期间,可以相继地达到多个定义的运行状态。
典型地,压印机可以被构造为使得驱动器被设置为使两个工具部分在冲程方向上朝向彼此和远离彼此移动。工具部分中的至少一个可以处于移动中,使得在压印循环期间不会出现静止阶段。替代地,在一个或多个阶段期间,两个工具部分的静止也可以占主导。
在优选实施方式中,所述评估单元被设置为确定用于将初始工件输送到所述成型和/或分离装置中的准备状态作为所述成型和/或分离装置的定义的运行状态。这种用于输送初始工件的准备状态可以是压印循环的起始时间点。
此外,所述评估单元可以被设置为确定用于将初始工件成型为已加工工件的准备状态作为所述成型和/或分离装置的定义的运行状态。
附加地或替代地,所述评估单元可以被设置为确定用于将已加工工件从所述成型和/或分离装置中取出的准备状态作为所述成型和/或分离装置的定义的运行状态。
附加地或替代地,所述评估单元可以被设置为将分离的废料部分应当已经从所述成型和/或分离装置中移除的时间点确定为所述成型和/或分离装置的定义的运行状态。例如,在此可以检查在该时间点废料部分是否已经滑下废料滑道,使得该废料滑道再次变空。
可以向这些定义的运行状态中的每一个分配至少一个参考图像和/或参考模型,所述参考图像和/或参考模型显示无干扰的运行状态并用作与至少一个记录的图像进行比较的参考。附加地或替代地,向这些定义的运行状态中的每一个分配参考模型,所述至少一个记录的图像与该参考模型进行比较。
有利的是,所述评估单元被设置为在将所述至少一个记录的图像与所述至少一个参考图像进行比较时计算指标值。所述指标值特别是表征所述至少一个记录的图像与所述至少一个参考图像之间的偏差。为了检查是否存在干扰,可以例如将所述指标值与预给定的阈值进行比较。在此,例如当所确定的指标值超过所述阈值时可以识别出干扰。例如,可以基于所述至少一个记录的图像与所述至少一个参考图像在何种程度上相同来计算所述指标值。所述至少一个记录的图像和所述至少一个参考图像之间的偏差可以根据所述偏差在图像中的空间位置和/或根据所述偏差的类型得到加权,以获得指标值。作为所述偏差的类型,例如可以评估受到比较的图像中的差异是否由阴影或光入射产生或者是否已在图像中识别出异物。例如仅归因于照明的偏差可以得到低的加权,而可以推断出工作区域中的异物的偏差引起高指标值,从而识别出干扰。此外,在至少一个记录的图像与至少一个参考图像之间不同的像素数量可以包括在指标值的计算中。
替代于此地,也可以计算说明所记录的图像或图像区域与参考图像或参考图像区域之间的一致性而不是偏差的指标值,并且如果描述所述一致性的指标值小于表征最小一致性的预给定阈值,则推断出干扰。
所述评估单元可以设置为仅评估所记录图像中的一个图像区域或多个图像区域,并且仅将所述一个图像区域或多个图像区域用于与所述参考图像进行比较。在所述参考图像中,一个或多个对应的图像区域用于所述比较。由此可以减少所需的计算能力。此外,可以选择以下一个或多个图像区域,所述图像区域例如显示工具部分之一或用于这些工具部分的线路连接端之一或所述成型和/或分离装置,由此隐藏较少相关的图像信息。
优选地,将所述至少一个记录的图像划分为多个彼此邻接或部分重叠的图像区域以用于评估。所述评估单元可以设置为将每个图像区域与所述参考图像的分配的参考图像区域进行比较并且特别是计算指标值。因此不是评估整个图像来确定与参考图像的偏差,而是单独评估每个图像区域。由此可以提高对偏差的敏感性,从而提高对干扰的敏感性。此外也可以定位干扰。
在一种实施例中,所述评估单元可以设置为标识所述至少一个记录的图像中的以下图像区域,该图像区域与所述参考图像的各个分配的参考图像区域具有最小一致性,例如最小指标值,如果所述指标值表征一致性的话。然后将该最小指标值与预给定的阈值进行比较。如果所述最小指标值大于所述阈值,则可以推断出不存在干扰。如果不是这种情况,则在所涉及图像区域中识别出干扰。然后,可选地可以进一步将所述指标值与所述阈值进行比较,以标识可能的其他干扰或标识延伸到多个图像区域的干扰(例如,更大的干扰对象)。
可以基于已知的图像处理算法来确定所述指标值,例如借助于图像比较模型和/或图像比较算法,例如基于相关性的模型和/或分割算法和/或可训练模型或自学习模型,例如神经网络。
所述评估单元还可以设置为针对每个图像区域计算单独的指标值并与所述阈值进行比较。也可以向不同的图像区域分配不同的阈值。在本发明的该设计的情况下可以改善灵敏度。也可以定位图像中的干扰,从而定位工作区域中的干扰。为了进行该定位,可选地可以使用用于语义分割的机器学习模型。
有利的是,所述评估单元被设置为在预给定的最大持续时间内检测一个或多个图像区域,对所述一个或多个图像区域进行评估并且向所述成型和/或分离装置的控制装置和/或所述成型和/或分离装置的操作人员产生关于是否存在干扰的消息。所述最大持续时间是在对人员造成危险和/或对所述成型和/或分离装置和/或工具和/或部件和/或运送装置造成损坏之前最多可用于停止所述成型和/或分离装置的持续时间。例如,碰撞可能会造成损坏。
在所有实施例中,在图像比较的范围中附加于或替代于图像处理算法还可以使用机器学习。在机器学习的基础上,可以基于示例数据并且特别是每个定义的运行状态的示例图像来学习干扰的示例和无干扰正常运行的示例,并且可以将记录的图像与参考模型进行比较。
附图说明
本发明的有利设计从从属权利要求、说明书和附图得出。下面基于附图详细解释本发明的优选设计。
图1示出了成型和/或分离装置的实施例的示意性框图状图示,
图2示出了用于运行成型和/或分离装置的方法的实施例的流程图,
图3至图7分别示出了可以根据本发明识别的工作区域中干扰的示意图,以及
图8示出了划分为多个图像区域的图像和划分为多个对应参考图像区域的参考图像的示意性图示,其中各个图像区域单独与各自分配的参考图像区域进行比较。
具体实施方式
在图1中,以高度示意性的方式示出了实施为压印机11的成型和/或分离装置10。压印机11设置为将诸如板坯料的初始工件12成型为已加工工件13。根据该示例,成型过程循环地执行。在每个压印循环期间,初始工件12在第一阶段期间被输送给压印机11,然后在第二阶段期间通过非切削的成型方法加工,从而形成已加工工件13,最后在第三阶段从压印机11取出。由压印机11形成的成型和/或分离装置10具有第一工具部分14和第二工具部分15。在该实施例中,第一工具部分14布置在可移动地安装在冲程方向H中的压印滑枕16上并且可以说形成了上层工具。第二工具部分15布置在压印床上并且根据示例不能移动。作为对此的替代,第二工具部分15也可以布置在模具垫上并且可以通过模具垫驱动器在冲程方向H上移动以用于成型。
通过工具部分14、15的相对运动,这些工具部分可以从相对侧作用于待加工的工件13并加工待加工的工件13,所述加工例如是成型。
为了在冲程方向H上移动带有第一工具部分14的压印机滑枕16,压印机11具有驱动器17。驱动器17可以由控制装置18操控。控制装置18例如可以产生用于驱动器17的驱动器控制信号A。
初始工件12被输送到第一工具14与第二工具15之间的工作区域19中,在那里进行加工,然后从工作区域19中取出完成加工的工件13。用于输送和取出工件12、13的装置本身是已知的并且可以例如通过夹持装置形成。同样,工件的输送和取出也可以例如在后续接合工具的情况下通过将工件相互连接并且将带有所有工件的整个板带推进来进行。用于输送和取出工件12、13的装置未示出。
由压印机11形成的成型和/或分离装置10还具有至少一个图像检测传感器20,其例如分别由相机形成。相机21被设置为记录工作区域19,并且特别是至少部分地在第一工具部分14和第二工具部分15的彼此相对的区段处记录第一工具部分14和第二工具部分15。相机21被设置为记录至少一个记录的图像B。相机21与评估单元24通信连接,从而可以将至少一个记录的图像B传送到评估单元24。
根据示例,评估单元24是控制装置18的组成部分。作为对此的替代,评估单元24也可以单独实施。
可选地,为了照明工作区域19可以存在照明单元25,所述照明单元可以辐射在唯一预给定波长范围内或在可调节的可变波长范围内或在多个不同可选择波长范围之一内的光,例如白光和/或蓝光和/或红外光。照明单元25可以被设置为至少在记录至少一个图像B期间或持续地照明工作区域19。
如图1中示例性所示,压印机11可以具有另外的传感器,例如产生第一传感器信号S1的位置传感器22和产生描述驱动器17的驱动器状态的第二传感器信号S2的驱动器传感器23。例如,第二传感器信号S2可以表征马达或驱动器17的轴的旋转位置或旋转运动。在该实施例中,第一传感器信号S1描述了在冲程方向H上的滑枕位置。
控制装置18控制成型和/或分离装置10或压印机11的运行。位置传感器22和驱动器传感器23与控制装置18并且可选地也与评估单元24通信连接,使得可以将传感器信号S1、S2传送到控制装置18或者也传送到评估单元24。可以理解,替代地也可以存在其他传感器或附加的另外的传感器。附加地或替代地,传感器,特别是图像检测传感器和相机,可以直接连接到评估单元24。
评估单元24不必是控制装置18的一部分,而是也可以单独实施并且例如与控制装置18通信连接。
评估单元24可以在识别定义的运行状态时和/或在评估图像时使用至少一个状态信号。作为状态信号可以使用描述成型和/或分离装置10的实际状态或额定状态的信号。例如,传感器信号S1、S2、操控信号A和/或至少一个其他传感器信号、控制信号或额定值可以用作状态信号。
评估单元24设置为在成型和/或分离装置10的运行期间检查是否存在干扰。例如,评估单元24可以识别出一个或多个不同的干扰,例如以下干扰中的两个或更多个:
-两个工具部分14、15之间的初始工件12的放下位置错误或已加工工件13的拾取位置错误;
-两个工具部分14、15之间存在的初始工件比允许的多;
-在将初始工件12或已加工工件13移入或移出工作区域时出现错误(阻塞、碰撞、工件从夹具滚下等);
-初始工件12的姿态和/或位置不正确(例如定位错误和/或取向错误);
-插入初始工件之前工具部分14、15的初始位置不正确(例如:错误定位的定心元件、弹出元件、可移动工具组件,……);
-在用于对输送的初始工件12成型的准备状态下缺少初始工件12;
-用于运送工件的运送装置的组成部分变形或不正确,例如未打开的夹具、弯曲的臂或铲具、损坏的吸盘等;
-在运送移动期间没有正确抓取或拾取工件;
-在用于输送初始工件12的准备状态下,存在已加工工件13;
-已加工工件13有缺陷,该已加工工件例如未完全成型或包含裂纹或倾斜拉入或成型不均匀;
-线路的连接端未正确制造,所述线路例如是介质软管或电缆;
-现有工具部分14、15与控制装置18中的控制数据集之间不一致;
-工具部分14、15中至少一个的安装位置错误(例如安装位置或定向错误);
-工具部分14、15的一个或多个未固定的或自发脱离的组件存在于未定义的姿态下;
-运送装置的工件运送不正确,特别是在后续接合工具那里的带材进给不正确,例如当板条卡在工具内时;
-当两个初始工件由运送装置(例如坯料装载机)一起拾取并一起输送时存在两个初始工件,例如两个板坯料;
-带材提升机不正确地提升带材,例如在后续接合工具那里;
-工作空间中存在异物,例如:
o从工具部分14、15暴力撕下的元件;
o在至少一个工具部分14、15上的流体池,例如由于泄漏;
o在分离方法之后分离的废料部分,该废料部分没有正确运走或从相邻的成型和/或分离装置进入工作空间19;
o人留下的异物(例如手动工具、手套……)。
在该运行的范围内的示例性方法流程在图2中以流程图的形式示出并且用于确定或检查是否存在干扰或者运行是否无干扰地进行。
首先,在第一方法步骤V1中,检查成型和/或分离装置10或压印机11是否采取定义的运行状态。定义的运行状态的数量可以变化。在该实施例中,在控制装置18或评估单元24中预给定了三个定义的运行状态:用于输送初始工件12的准备状态、用于加工以及例如用于对输送的初始工件12成型的准备状态,以及在加工或成型过程完成后取出已加工工件13的准备状态。这些定义的运行状态可以通过评估来自控制装置18的一个或多个信号和/或通过评估一个或多个传感器信号来识别。作为传感器信号,可以使用位置传感器22的第一传感器信号S1或驱动器传感器23或另外的传感器的第二传感器信号S2。
如果在第一方法步骤V1中确定不存在定义的运行状态(来自第一方法步V1的分支n),则继续第一方法步骤V1中的检查,直到识别出已达到定义的运行状态之一为止(来自第一方法步骤V1的分支p)。然后在第二方法步骤V2中继续该方法。
在第二方法步骤V2中,选择相机21的至少一个记录的图像B,该图像B可以分配给定义的运行状态,例如用于输送初始工件12的准备状态或用于对初始工件12成型的准备状态或用于取出已加工工件13的准备状态。
在第三方法步骤V3中,从存储器或数据库中选择至少一个参考图像R,该参考图像R被分配给当前定义的运行状态。将至少一个记录的图像B和至少一个参考图像R相互比较,并且在所述比较的基础上检查成型和/或分离装置10或压印机11的运行是否存在干扰。例如,异物、错误定位的工件、具有诸如裂纹的错误的工件、缺失的线路连接、泄漏、工具部分14、15上的损坏可以通过所述比较来识别出。为此,至少一个记录的图像B和至少一个参考图像R可以整体比较。替代地,也可以在至少一个记录的图像B中和在至少一个参考图像R中仅选择一个或选择多个图像区域,并将记录的图像B中和参考图像R中相互对应的图像区域相互比较。例如,可以将从中可以识别出工具部分14、15之一的部分的那些图像区域相互比较。图像中的背景信息可以忽略。
在第三方法步骤V3中,基于所述比较来计算指标值I,该指标值I描述了至少一个记录的图像B与至少一个参考图像R之间的偏差。在此可以计算唯一的指标值I作为比较结果,或者为记录的图像B和对应参考图像R中的两个图像区域的每次比较分别确定指标值I。
至少一个记录的图像B和至少一个参考图像R之间的偏差越大和/或越重要,计算的指标值I就越大。
在第四方法步骤V4中,检查指标值I是否超过预给定阈值W。如果是这种情况(来自第四方法步骤V4的分支p),则该方法在第五方法步骤V5中继续。否则(来自第四方法步骤V4的分支n),该方法再次从第一方法步骤V1开始。如果计算了多个指标值I,则每个指标值I都可以与分配的阈值W进行比较。如果所述指标值描述了至少一个记录的图像B与至少一个参考图像R之间的一致性而不是偏差,则在第四方法步骤V4中检查指标值I是否低于预给定阈值W。
在该方法的优选实施方式中,将记录的图像B划分为多个图像区域B11至Bnm。直接相邻的图像区域B11至Bnm优选地以重叠方式布置,如图8中示意性示出的。取决于确定了哪个定义的运行状态,可以在图像B中仅检查特定的图像区段并且将其划分为多个图像区域B11至Bnm,如图8中示意性示出的。将每个图像区域B1至Bn与分配的参考图像区域R1至Rn进行比较并且在此过程中分别计算指标值I1至In(第三方法步骤V3)。然后,可以在第四方法步骤V4中首先确定最大指标值Imax,其描述了与分配的参考图像区域Ri之间具有最大偏差的图像区域Bi。如果该最大指标值Imax不大于阈值W(来自第四方法步骤V4的分支n),则不存在干扰。否则识别出干扰(来自第四方法步骤V4的分支p)并且该方法在第五方法步骤V5中继续。如果所述指标值描述了至少一个记录的图像B与至少一个参考图像R之间的一致性而不是偏差,则使用最小指标值而不是最大指标值。
在比较各个图像区域时可以定位干扰。此外,图像B被划分成的图像区域越多和越小和/或图像区域重叠越多,对偏差的敏感度就越大。
在优选的实施例中,图像区域B1至Bn重叠,以便能够更好地标识恰好位于两个图像区域B1至Bn彼此接合的位置处的偏差或干扰。如果将图像B仅划分为彼此邻接而不重叠的图像区域,则图像区域边缘处的偏差以及向相邻图像区域的过渡中的偏差将更难以确定。
相机检测到的周围区域的渐进变化,例如由于工具污染的增加、曝光状况的变化等,会影响记录的图像B中或所述图像B的至少一个图像区域Bi中的至少一个指标值I。然而,与彼此相继的图像B的记录速度相比,这种变化通常很慢(例如,工具的污染增加)或可能同时影响图像的所有像素或所有图像区域(突然接通或关闭照明装置)。这些效应可以得到识别并且在阈值比较中加以考虑。例如,如果同一个周围区域由多个图像B再现,则可以针对至少一个图像区域Bi或整个图像B识别在不同图像之间变化的指标值,即增大或减小的指标值。在这种状况下,对阈值进行适配可能是有利的,即增加或减小阈值,例如与指标值改变的程度相同。此外,还可以在至少一个指标值I的基础上执行大量的计算,例如对至少一个图像B的至少一个指标值I在记录时间点上的离散数学导数的分析。
在第五方法步骤V5中,产生说明已识别出干扰的消息。该消息可以以任何方式输出,例如以光学或声学方式。该消息可以直接在成型和/或分离装置10或压印机11的操作装置上输出,或者远离该操作装置地在控制中心输出。在第五方法步骤V5中,附加于或替代于输出所述消息,可以停止成型和/或分离装置10或压印机11的进一步运行,从而可以在重新开始运行之前并且特别是在成型工具或成型装置或运输装置或运送装置或工件发生损坏之前消除所述干扰。在消除所述干扰并重新开始运行之后,该方法再次从第一过程步骤V1开始。
在图2所示的示例性方法中,将至少一个记录的图像B与至少一个参考图像R进行比较。在此使用图像处理算法,以识别图像组成部分,例如边缘和/或表面。基于至少一个记录的图像B与至少一个参考图像R的比较或基于对应图像区域的比较,可以推断出由至少一个记录的图像B所代表的当前运行状态是否与由至少一个参考图像R表征的无干扰运行状态一致。标识出的偏差越大或越重要,计算出的至少一个指标值I就越大。
作为该过程的替代或补充以及为了使用至少一个参考图像R,也可以将参考模型用于与至少一个记录的图像B进行比较。所述参考模型例如可以通过机器学习来产生。为此,例如可以输入表征无干扰运行或存在干扰的示例数据或其他信息。通过机器学习可以从中创建参考模型。可以评估至少一个记录的图像B并与所述参考模型进行比较,从而可以推断出无干扰的运行或有干扰的运行。
在图3至图7中示意性地示出了根据本发明识别出并标识为干扰的不同状况。在图3所示的状况下,在工具部分14、15之间的工作区域19中存在异物30。异物30可以是紧固件、工具、工具部分14、15之一的定心销的碎片等。
在图4所示的状况下,两个初始工件12被错误地放置到第二工具15上。这种状态也被检测为干扰。
在图5中示意性地示出用于多个线路32的连接区域31。例如,连接区域31可以属于工具部分14、15或者属于成型和/或分离装置10,并且可以位于相机21的图像检测区域中。线路32可以是流体线路和/或电气线路。图5中示意性地示出了连接区域31中的连接端没有连接到对应的线路32。缺失的线路32可以被识别出并且被评估为干扰。
在图6的示意图中,以俯视图示出了第二工具部分15。可以示意性地识别出第二工具部分15上的流体池33。这种流体池33可以由于泄漏而产生。这种状况也可以被评估为干扰。
图7中示例性地示出了另一干扰情况。例如,这里第二工具部分15在位置34处损坏。第二工具部分15的边缘在该位置34处折断。这种损坏也可以被识别为干扰。
基于图3至图7解释的示例不是完备的。也可以将另外的状况识别为干扰。例如,如果在用于插入初始工件12的准备状态中来自在前循环的已加工工件13仍然存在于工作区域19中,则也可能存在干扰。
可确定的干扰可能与初始工件12的输送、已加工工件13的取出、工具部分14、15的状态、工具部分与成型和/或分离装置10以及与成型和/或分离装置10本身的电气、流体或机械连接端的机械或流体耦合相结合。将达到成型和/或分离装置10的定义的运行状态用作触发事件,以执行对干扰的检查。在优选实施例中,分别将压印循环期间三个阶段之一的开始预给定为定义的运行状态。替代地,也可以定义更多或更少的运行状态。
本发明涉及一种成型和/或分离装置10及其运行方法,并且特别是涉及一种用于检查成型和/或分离装置10的无干扰运行的方法。成型和/或分离装置10被设置为在两个工具部分14、15之间以非切割成型的方式加工工作区域19中的初始工件12。图像检测传感器20检测工作区域19并且可以在成型和/或分离装置10的运行期间记录至少一个记录的图像B。当成型和/或分离装置10采取定义的运行状态时,评估单元24将至少一个记录的图像B与至少一个参考图像R或参考模型进行比较。基于所述比较检查是否存在干扰。
附图标记列表:
10 成型和/或分离装置
11 压印机
12 初始工件
13 已加工工件
14 第一工具部分
15 第二工具部分
16 压印滑枕
17 驱动器
18 控制装置
19 工作区域
20 图像检测传感器
21 相机
22 位置传感器
23 驱动器传感器
24 评估单位
25 照明单元
30 异物
31 连接区域
32 线路
33 流体池
34 第二工具部分上的位置
A 驱动器控制信号
B 记录的图像
Bi 图像区域(i=1到n)
H 冲程方向
R 参考图像
Ri 参考图像区域(i=1到n)
S1 第一传感器信号
S2 第二传感器信号
V1 第一方法步骤
V2 第二方法步骤
V3 第三方法步骤
V4 第四方法步骤
V5 第五方法步骤。
Claims (16)
1.一种成型和/或分离装置(10),包括:
-第一工具部分(14)和第二工具部分(15),
-驱动器(17),所述驱动器被设置为使得两个工具部分(14、15)相对于彼此移动,以加工在工具部分(14、15)之间布置在工作区域(19)中的初始工件(12),以获得已加工工件(13),
-至少一个图像检测传感器(20),用于记录至少一个图像(B),
-评估单元(24),所述评估单元与至少一个图像检测传感器(20)通信连接,其中所述评估单元(24)被设置为在所述成型和/或分离装置(10)的运行期间确定是否已达到所述成型和/或分离装置(10)的定义的运行状态,并且将由所述至少一个图像检测传感器(20)在该定义的运行状态下记录的至少一个记录的图像(B)与分配给该定义的运行状态的存储的参考图像(R)和/或参考模型进行比较,并在所述比较的基础上检查是否存在干扰。
2.根据权利要求1所述的成型和/或分离装置,其特征在于,每个图像检测传感器(20)由相机(21)形成。
3.根据权利要求1或2所述的成型和/或分离装置,其特征在于,所述评估单元(24)被设置为通过将所述至少一个记录的图像(B)与存储的参考图像(R)和/或参考模型进行比较来确定两个或更多个不同的干扰。
4.根据前述权利要求中任一项所述的成型和/或分离装置,其特征在于,所述成型和/或分离装置(10)是循环工作的压印机(11),其中每个循环具有输送所述初始工件(12)的阶段,加工所述初始工件(12)的阶段和取出已加工工件(13)的阶段,其中两个或更多个阶段能够在时间上重叠。
5.根据前述权利要求中任一项所述的成型和/或分离装置,其特征在于,所述驱动器(17)被设置为使得两个工具部分(14、15)在冲程方向(H)上朝向彼此和远离彼此地移动。
6.根据前述权利要求中任一项所述的成型和/或分离装置,其特征在于,所述评估单元(24)被设置为确定用于将初始工件(12)输送到所述成型和/或分离装置(10)中的准备状态作为所述成型和/或分离装置(10)的定义的运行状态。
7.根据前述权利要求中任一项所述的成型和/或分离装置,其特征在于,所述评估单元(24)被设置为确定用于将初始工件(12)成型为已加工工件(13)的准备状态作为所述成型和/或分离装置(10)的定义的运行状态。
8.根据前述权利要求中任一项所述的成型和/或分离装置,其特征在于,所述评估单元(24)被设置为将用于从所述成型和/或分离装置(10)中取出已加工工件(13)的准备状态确定为所述成型和/或分离装置(10)的定义的运行状态。
9.根据前述权利要求中任一项所述的成型和/或分离装置,其特征在于,所述评估单元(24)被设置为,在将所述至少一个记录的图像(B)与所述至少一个参考图像(R)和/或所述参考模型进行比较时计算指标值(I),所述指标值表征所述至少一个记录的图像(B)与所述至少一个参考图像(R)和/或所述参考模型之间的偏差,并且将所述指标值与阈值(W)进行比较。
10.根据权利要求9所述的成型和/或分离装置,其特征在于,所述评估单元(24)被设置为在所述指标值超过所述阈值(W)时识别出干扰。
11.根据前述权利要求中任一项所述的成型和/或分离装置,其特征在于,所述评估单元(24)被设置为在所述至少一个记录的图像(B)中选择一个图像区域或多个图像区域并将所述一个图像区域或多个图像区域用于与所述参考图像(R)和/或所述参考模型进行比较。
12.根据权利要求11和根据权利要求9或10所述的成型和/或分离装置,其特征在于,所述评估单元(24)被设置为针对每个图像区域计算单独的指标值(I)并与所述阈值(W)或分别与一个阈值(W)进行比较。
13.根据前述权利要求中任一项所述的成型和/或分离装置,其特征在于,存在照明单元(25),所述照明单元被设置为照明要由所述至少一个图像(B)记录的区域。
14.根据前述权利要求中任一项所述的成型和/或分离装置,其特征在于,所述评估单元(24)被设置为在预给定的最大持续时间内记录至少一个图像(B),评估所述至少一个图像(B)以及向所述成型和/或分离装置(10)的控制装置(18)和/或操作人员产生关于是否存在干扰的消息。
15.根据权利要求14所述的成型和/或分离装置,其特征在于,所述最大持续时间是在对人员造成危险和/或对所述成型和/或分离装置和/或所述成型和/或分离装置的工具和/或工件和/或运送装置造成损坏之前最多可用于停止所述成型和/或分离装置(10)的持续时间。
16.一种用于运行成型和/或分离装置(10)的方法,所述成型和/或分离装置(10)被设置为加工在第一工具部分(14)与第二工具部分(15)之间布置在工作区域(19)中的初始工件(12),以获得已加工工件(13),并且所述成型和/或分离装置(10)具有至少一个图像检测传感器(20)和评估单元(24),其中所述方法包括以下步骤:
-在所述成型和/或分离装置(10)的运行期间确定是否已达到所述成型和/或分离装置(10)的至少一个定义的运行状态,
-借助于所述至少一个图像检测传感器(20)记录至少一个图像(B),
-将所述至少一个记录的图像(B)传送到所述评估单元(24),
-将由所述图像检测传感器(20)在该定义的运行状态下记录的至少一个记录的图像(B)与分配给该定义的运行状态的参考图像(R)和/或分配给该定义的运行状态的参考模型进行比较,并且在所述比较的基础上确定是否存在干扰。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019122699.6A DE102019122699A1 (de) | 2019-08-23 | 2019-08-23 | Umform- und/oder Trennvorrichtung und Verfahren zum Betreiben der Umform- und/oder Trennvorrichtung |
DE102019122699.6 | 2019-08-23 | ||
PCT/EP2020/072111 WO2021037514A1 (de) | 2019-08-23 | 2020-08-06 | Umform- oder trennvorrichtung und verfahren zu deren betrieb |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114223020A true CN114223020A (zh) | 2022-03-22 |
Family
ID=72088061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080059348.1A Pending CN114223020A (zh) | 2019-08-23 | 2020-08-06 | 成型或分离装置及其运行方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220176667A1 (zh) |
CN (1) | CN114223020A (zh) |
DE (1) | DE102019122699A1 (zh) |
WO (1) | WO2021037514A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102021128383A1 (de) | 2021-10-29 | 2023-05-04 | Dieffenbacher GmbH Maschinen- und Anlagenbau | Verfahren und Vorrichtung zur Zustandsüberwachung eines Bandes, kontinuierliche Presse zur Herstellung von Werkstoffplatten und Computerprogrammprodukt |
CN114603912B (zh) * | 2022-03-15 | 2022-12-20 | 江苏铭瀚智能科技有限公司 | 一种基于人工智能的压片机粘冲调节方法及系统 |
JP2024030883A (ja) * | 2022-08-25 | 2024-03-07 | アイダエンジニアリング株式会社 | プレス機械及びプレス機械の画像監視方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1726125A (zh) * | 2002-12-13 | 2006-01-25 | 梅特索林德曼有限责任公司 | 监控压力机尤其打捆机工作状态的方法和装置 |
JP2008107639A (ja) * | 2006-10-26 | 2008-05-08 | Ricoh Co Ltd | 画像形成装置および搬送状態検出方法 |
CN103688530A (zh) * | 2011-05-17 | 2014-03-26 | 沃思测量技术股份有限公司 | 用于生成和评估图像的方法 |
DE202015102601U1 (de) * | 2015-05-20 | 2015-06-23 | Hermann Schwelling | Ballenpresse |
DE102017110301A1 (de) * | 2017-05-11 | 2018-11-15 | Dieffenbacher GmbH Maschinen- und Anlagenbau | Verfahren zur Überwachung wenigstens einer Komponente eines Rollstangenteppichs einer kontinuierlich arbeitenden Presse, Überwachungsvorrichtung und kontinuierlich arbeitende Presse |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DD152093A1 (de) * | 1980-07-15 | 1981-11-18 | Schuetz Hans Georg | Ueberlastsicherung fuer schnellaufende weggebundene pressen,insbesondere kurbeltrieb-schneidautomaten |
US6041271A (en) * | 1991-10-10 | 2000-03-21 | Finn-Power International, Inc. | Apparatus to determine the operational effectiveness of a machine tool and method therefor |
DE19938964A1 (de) * | 1999-08-17 | 2001-03-08 | Siemens Ag | Verfahren und Vorrichtung zur Videoüberwachung von Prozeßanlagen |
JP4833531B2 (ja) * | 2003-11-11 | 2011-12-07 | 新日本製鐵株式会社 | プレス成形加工装置、プレス成形加工方法、コンピュータプログラム及び記録媒体 |
AT508310B1 (de) * | 2009-05-18 | 2011-02-15 | Trumpf Maschinen Austria Gmbh | Verfahren zum betrieb einer fertigungspresse |
DE102018102809B4 (de) * | 2018-02-08 | 2022-04-28 | Schuler Pressen Gmbh | Presse und Verfahren zu deren Betrieb |
JP7201528B2 (ja) * | 2019-04-26 | 2023-01-10 | アイダエンジニアリング株式会社 | プレス機械及びプレス機械の動作設定方法 |
-
2019
- 2019-08-23 DE DE102019122699.6A patent/DE102019122699A1/de active Granted
-
2020
- 2020-08-06 WO PCT/EP2020/072111 patent/WO2021037514A1/de active Application Filing
- 2020-08-06 CN CN202080059348.1A patent/CN114223020A/zh active Pending
-
2022
- 2022-02-22 US US17/676,917 patent/US20220176667A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1726125A (zh) * | 2002-12-13 | 2006-01-25 | 梅特索林德曼有限责任公司 | 监控压力机尤其打捆机工作状态的方法和装置 |
JP2008107639A (ja) * | 2006-10-26 | 2008-05-08 | Ricoh Co Ltd | 画像形成装置および搬送状態検出方法 |
CN103688530A (zh) * | 2011-05-17 | 2014-03-26 | 沃思测量技术股份有限公司 | 用于生成和评估图像的方法 |
DE202015102601U1 (de) * | 2015-05-20 | 2015-06-23 | Hermann Schwelling | Ballenpresse |
DE102017110301A1 (de) * | 2017-05-11 | 2018-11-15 | Dieffenbacher GmbH Maschinen- und Anlagenbau | Verfahren zur Überwachung wenigstens einer Komponente eines Rollstangenteppichs einer kontinuierlich arbeitenden Presse, Überwachungsvorrichtung und kontinuierlich arbeitende Presse |
Also Published As
Publication number | Publication date |
---|---|
DE102019122699A1 (de) | 2021-02-25 |
US20220176667A1 (en) | 2022-06-09 |
WO2021037514A1 (de) | 2021-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114223020A (zh) | 成型或分离装置及其运行方法 | |
EP3857318B1 (en) | Method for collision avoidance and laser machining tool | |
US9676072B2 (en) | Machining device with visual sensor for locating contaminants | |
CN108713175B (zh) | 用于操作直通式加工机的方法以及直通式加工机 | |
CN109108649A (zh) | 一种行星轴的智能识别柔性装配系统及其工作方法 | |
CN111095139B (zh) | 一种用于检测机器的异常状态的方法和系统 | |
KR100593578B1 (ko) | 자동탭핑기에서 탭핑검사장치 | |
JP2019184380A (ja) | 撮像装置及び撮像装置を用いた検査システム | |
CN109759536A (zh) | 一种变速箱离合器壳体密封塞的自动拉铆装置及方法 | |
US20120227452A1 (en) | Method and system for controlling the quality of a stamped part | |
JP4462161B2 (ja) | 監視制御装置及び監視制御方法 | |
KR100517635B1 (ko) | 불량품 검출 및 취출 시스템 | |
CN116681664B (zh) | 一种用于冲压设备作业的检测方法及装置 | |
CN206160906U (zh) | 待焊接工件的穿孔检测装置 | |
CN115214135B (zh) | 一种基于3d视觉的锻造生产线全自动上料系统及方法 | |
JP2006228029A (ja) | 監視制御装置及び監視制御方法 | |
CN116197885A (zh) | 图像数据处理方法、装置、电子设备和存储介质 | |
CN110834360B (zh) | 冲压装置、转移装置、自动化冲压设备及工件转移方法 | |
CN220698811U (zh) | 一种精密冲压全自动生产线 | |
KR101514961B1 (ko) | 무선키 제조장치 | |
TWI743846B (zh) | 沖壓裝置 | |
CN117047469A (zh) | 一种精密冲压全自动生产线 | |
JP7575679B2 (ja) | システム | |
JP2000033432A (ja) | 板材加工方法及びその装置 | |
JP4449862B2 (ja) | 可動部の操作装置及び操作方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |