在烘烤前,必须将盛蛋糕面糊的容器和芯棒运送并推入到烤箱中,这个步骤通常由操作人员完成,但也可以使用输送带和机械臂轻松实现这一步骤的自动化。但烘烤本身需要一个专业人员。Theo 借助人工智能复制了专业人员的技能。为了顺利完成这项史无前例的任务,尤海姆选择了 Matsuura Denkosha 工程公司作为其合作开发伙伴。这家公司不仅拥有人工智能专业知识,而且在控制关节型机器人方面也拥有丰富的经验。“年轮蛋糕工厂由三个 Theo 机器人、一个垂直关节机器人和一个输送盛放蛋糕面糊的容器和芯棒的输送带组成。”Matsuura Denkosha 公司总经理北野先生解释说。所有组件都由一台搭载 Intel®-Core™ i7 处理器的倍福 C6030 超紧凑型工业 PC 控制,并通过 EtherCAT 通信。
Baum Haus 内设置的高科技蛋糕房几乎是全自动化生产。操作人员只需要准备好年轮蛋糕面糊和芯棒,将它们放在输送带上,并在控制面板上选择三个烤箱中的一个,然后开启烘烤过程。随后,输送带自动将盛放面团的容器和芯棒运送至指定位置。机器人拾取容器和芯棒,将它们放在烤箱前面。然后,机器人开始在芯棒上涂抹面团,并逐层涂抹。烤箱中实施的人工智能功能会自动监测这一过程,确保高精度烘烤。
“倍福工业 PC 和 TwinCAT 软件的优势在于通过集成 EtherCAT 和 Windows 实时控制整个过程。”北野先生解释道。在这个系统中,TwinCAT 3 PLC 使用与机器人运动精确同步的 EtherCAT 驱动器和电机控制输送带、烤箱的旋转以及门的开关。此外,工业 PC 具有高可扩展性,因此,尤海姆自己的 Windows 应用程序可以用作可行的远程系统维护解决方案。倍福的 I/O 组件也发挥了重要作用,集成大量的传感器和相机。紧凑的外壳和种类繁多的 EtherCAT I/O 能够帮助系统集成商节省控制柜空间,最大限度地降低工程复杂性。
AI 功能作为 Windows 应用程序,与 TwinCAT 一起在同一台工业 PC 上运行。“我们使用多模态 AI 技术监测年轮蛋糕的质量。”北野先生指出。为此,每个烤箱前都安装了高性能相机,以捕获蛋糕表面的图像。这些数据与其它传感器数据相连,包括辐射高温计中的数据。AI 模型基于卷积神经网络(CNN),以前它是在一个单独的环境中用 Python 进行训练。它在标准工业 PC 中作为一个 Windows 应用程序实施。
系统通常需要五到六个批次的年轮蛋糕才能再现糕点师的专业烤制过程。一个批次需要 30 分钟的烤制时间,因此采集数据的总时间约为约 3 小时。“在这个有限的数据量基础上,训练 AI 模型需要约 20 小时的时间,包括最后的测试。”北野先生解释道。
Theo 在运行期间实时检查相机的图像数据以及其它传感器数据,以测定年轮蛋糕的质量:当一个蛋糕面糊层处于最佳状态时,这一信息将被反馈到控制系统中。然后,TwinCAT 停止蛋糕面糊管的旋转运动,并打开门,这样机器人就可以取出年轮蛋糕。从将数据输入到训练好的模型,包括推理输出,直到反馈至控制系统,总共花费的时间约为 100 至 200 毫秒。“由于 AI 推理和 PLC 控制集成在同一个倍福工业 PC 控制平台上,因此 AI 应用能够实现这种超快的响应时间。”北野先生说道。
倍福 C6030 工业 PC 通过 TwinCAT 控制输送系统和烤箱门;训练好的 AI 模型也在安装有 Windows 操作系统的同一设备上运行。
控制系统的高灵活性助力轻松实现优化
在 Baum Haus 的试运营期间,工程师对系统配置进行了优化,修改了安全光幕的位置和输送带的布局,以改进操作人员的工作流程。EtherCAT 可以自由选择网络拓扑结构,因此可以轻松做到这一点。由于采用了灵活的 TwinCAT 开发平台,因此也可以直接配置系统更新。
Baum Haus 是全球唯一一个拥有配备了 AI 烤箱、输送带和机器人的自动化年轮蛋糕工作室的建筑综合体。另一方面,多台配备 AI 功能和 Theo 机器人的独立烤箱目前正在日本多家门店投入使用,甚至可以用作移动式年轮蛋糕店。此外,尤海姆还在扩大其经营活动,松本先生解释道:“我们正在开发一种用于烤制巧克力蛋糕面糊的模型和一种配备紧凑型垂直多关节型机械手臂的系统。倍福和我们的合作开发伙伴 Matsuura Denkosha 将继续为我们在烘焙领域实现雄心壮志和创新方案提供最佳支持。”