No description available.

The diploma thesis is focused on Industry 4.0, where all essential elements of Industry 4.0 are gradually being discussed. This thesis presents the collaborative robots and their specifications are described and then the market for these robots is depicted. Subsequently, the robot cell is designed with collaborative robots ABB Yumi to serve the educational purposes. This created robotic cell is displayed exemplary role. In the last part of the thesis a risk analysis is created for this robotized workplace. This entire Risk Analysis Protocol is attached.

Hospitals are crucial aspects of society, run by incredible people that dedicate their life to caring for others. However, there are several tasks that are vital to a hospitals operation that do not require an empathic competence. One such tasks is the continuous resupply of consumable items needed to maintain necessary hygiene levels.   The Pluto concept act as a helping hand to the assistant nurses, relieving them and enabling them to spend more time with the patients and emphasizes their empathic, inherently human capabilities. The chief motivation is that nurses value the interaction with the patients the most in their work, which is also their primary task. However, they are charged with so many menial tasks that they have little time to care for their patients.

In recent years, the traditional manufacturing industry is challenged worldwide with the astounding growth and advancement so-called Industry 4.0. One of the multiple objectives pursued by the industry with this technological revolution is to achieve a new enhanced standard of safety. In addition, a solution against inaccurate offline robot programming needs to be tackled. The combination of a Digital Shadow (DS) of the robot with visualisation in Mixed Reality (MR) can help to increase safety and eventually, even make the design process faster. In this survey paper, a visualisation system in MR that allows the user to overlay digital tools into a UR10e Physical Robot (PR), thus permitting the PR to interact with digital work objects is proposed. To achieve the synchronisation between the digital and real assets, a DS of the robot has been developed. The integration of the Digital Models (DMs) of tools and work objects allows the user to work with the robot without load, opening the possibility of recreating and testing in real-time experimental industrial processes.

This project focuses on the integration of Computer Vision (CV) and robotics to automate object assembly tasks using a collaborative robot. By combining both disciplines, the project aims to improve productivity and safety in multiple environments by enabling safe and efficient assembly operations. To this end, an RGBD camera will be used as a vision system to capture both color and depth data from the environment. A further aspect to highlight is the importance of education and training for operators to enhance accessibility and familiarity with manipulator robots beyond the robotics industry and for the creation of adapted paths without knowledge of conventional robot path programming. The objectives cover conducting research, developing simulation environments, implementing algorithms, and their application in both real and virtual robots. This project is intended to enhance automation and efficiency while promoting the advantages of computer vision and robotics in industrial applications.

This diploma thesis deals with design of end effector for collaborative robot which manipulates with RFID labels. The first part of this thesis is theoretical and deals with collaborative robots and end effector for these collaborative robots. The second part of this thesis is practical and begins with selecting the suitable collaborative robot to tackle this issue and then there are presented several variants of end effectors where is again chosen the suitable one. In the next step there are made design calculations for the chosen variant followed by verifications consisted of practical tests of functionality and CFD simulation. According to made verifications is developed the final construction solution of the chosen end effector variant that includes a commentary about the construction documentation. The next step consists of making risk analysis used for reducing the risks leading to increase the workplace safety. In the last part is made an estimation of the cost of eventual production of one piece of the end effector protype.

With the ever-growing market of six-axis robots in the previous years, many different kinds of robots have been introduced into the market. A smaller group of so-called collaborative robots have during this time gotten increased popularity. One of the inconveniences with this type of smaller robot is the lack of internal pneumatic capabilities, which leads to external cables and tubing. This can cause problems with the cables attaching into unintended things and coming loose which could result in production stops, machine failure or other potential damage. Another part of this is that the external cabling hinders the robots sixth axis of rotation. The need for air pressure is to supply the common pneumatic grippers that the robots often use to gain pick-and-place capabilities. Cobotech Kalmar AB is a company based in Kalmar which specializes in robot integration with these collaborative robots. The purpose of this project is to together develop a product concept that can minimize the external cabling needed on the robot while still allow full rotation in the sixth axis. On top of this, the product should have plug-and-play capabilities to decrease the installation time of a robot unit. The method to develop the results is the participatory action research (PAR), with the five different steps that the method includes: problem approach, design/planning, acquiring data, analysis and reflection. The result of the thesis shows that it is possible to decrease the external air tubes and installation time of a collaborative robot. This can be achieved while not decreasing the robots range of motion. By developing an innovative end-effector for the robot the main problems caused by pneumatic grippers can be eliminated. The conclusion of this thesis is a concept product that has one air input and five outputs. This allows for the minimization of the external air tubes needed to only one. The product has a swivel function incorporated which allows full rotation of the robots sixth axis. This together with having the valves seated in the end-effector makes this conceptual product plug-and-play. / Med en ständigt växande marknad för sexaxliga robotar de senaste åren har många olika robotar introducerats till marknaden. Av dessa har mindre kollaborativa robotar vuxit i popularitet. Ett problem med många av dessa mindre robotar är att de inte har tryckluft inbyggt i armen som många av sina större bröder vilket leder till att tryckluftslangar måste dras externt på roboten istället. Detta kan leda tillatt kabeln fastnar och rycks loss vilket i sin tur kan leda till produktionsstopp, att maskiner skadas eller annan potentiell skada på antingen maskiner eller människor.Ett annat problem med att externt dra kabel är att den hindrar robotens sjätte rotationsaxel. Anledningen till att ha tryckluft på roboten är för att ha möjlighet att installera pneumatiska gripdon. Cobotech Kalmar AB är ett företag bosatt i Kalmar som specialiserar sig på att integrera kollaborativa robotar i olika tillverkande industrier. Syftet med detta projekt är att tillsammans utveckla ett produktkoncept som minimerar de externa kablarna på roboten och ser till att roboten får full rörlighet i sin sjätte rotationsaxel. Utöver detta ska produkten arbeta mot att ha plug-and-play kapacitet för att minska installationstiden ute hos kunden. Metoden som används för att få fram resultaten var deltagande aktionsforskning,som innehåller de följande fem stegen: problemformulering, design/planering, in-samling av data och reflektion. Resultatet av denna rapport visar att det är möjligt att minska externa luftslangar samt minska installationstid på kollaborativa robotar. Detta kan göras utan att minska robotens funktion. Genom att utveckla en innovativ end-effector till Universal robots produktutbud kan man eliminera de främsta problemen med pneumatiska gripdon. Projektet har resulterat i en nära färdig konceptuell produkt som innovativt använder magnetiska miniatyrventiler tillsammans med en svivelfunktion för att enbart ha en tryckluftkabel som input till produkten. Produktens swivelfunktion frigör robotens sjätte rotations-axel. Detta tillsammans med ventilerna som sitter i produkten gör att den får plug-and-play funktion.

Human-robot Collaboration as a new paradigm in manufacturing has already been a hot topic in both manufacturing science, production research, intelligent robotics, and computer science. Due to the boost of deep learning technologies in the nearly ten years, advanced information processing technologies bring the new possibility to human-robot Collaboration. Meanwhile, machine learning-based image processing such as convolutional neural network has become a powerful tool in dealing with problems like target recognizing and locating. This kind of technologies shows potentials on robotic manufacturing and human-robot Collaboration. A challenge is to implement well-designed deep neural networks linked to a robotic system that can conduct collaborative works with the human. Accuracy and robustness need also be concerned in the development. This thesis work will address this challenge. This thesis tries to implement a solution based in Machine Learning methods for image detection which permits us to, using a low cost image solutions (RGB single camera), detect and localize manufacturing components to pick them and finish an assembly, helping the human co-workers, using an industrial robot, simplifying also the IT tasks to run it. / Människa-robot samarbete, som ett nytt paradigm inom tillverkningsindustrin, har redan blivit ett omtalat ämne inom tillverkningsvetenskapen, produktforskningen, intelligent robotik och datavetenskapen. På grund av det senaste decenniets ökning av "deep learning" teknologier kan avancerade information-processerings teknologier bringa nya möjligheter för människarobot samarbete. Under tiden har även maskininlärnings-baserad bildklassificering med "convolutional neural network" blivit ett kraftfullt verktyg för att hantera problem så som måligenkänning och lokalisering. Dessa typer av teknologier har potential att implementeras nom robotiserad tillverkning och människa-robot samarbete. En utmaning är att implementera väldesignade "convolutional neural networks" kopplat till ett robot system som kan utföra arbete i samarbete med människan. Noggranhet och robusthet behöver också avvägas i utvecklingsarbetet. Detta examensarbete kommer att ta itu med denna utmaning. Detta examensarbete försöker att implementera en lösning baserad på maskininlärnings-metoder för bildigenkänning som tillåter oss att, med hjälp av en billig bild lösning (RGB enkel kamera), detektera och lokalisera tillverkningskomponenter att plocka upp och slutföra en montering, vilket hjälper den mänskliga medhjälparen, med en industriell robot. Detta förenklar också IT-uppgifterna för att köra den.

In modern industrial environments, human-robot collaboration is a trend in automation to improve performance and productivity. Instead of isolating robot from human to guarantee safety, collaborative robotics allows human and robot working in the same area at the same time. New hazards and risks, such as the collision between robot and human, arise in this situation. Safety analysis is necessary to protect both human and robot when using a collaborative robot.To perform safety analysis, robots need to perceive the surrounding environment in realtime. This surrounding environment is perceived and stored in the form of scene graph, which is a direct graph with semantic representation of the environment, the relationship between the detected objects and properties of these objects. In order to generate the scene graph, a simulated warehouse is used: robots and humans work in a common area for transferring products between shelves and conveyor belts. Each robot generates its own scene graph from the attached camera sensor. In the graph, each detected object is represented by a node and edges are used to denote the relationship among the identified objects. The graph node includes values like velocity, bounding box sizes, orientation, distance and directions between the object and the robot.We generate scene graph in a simulated warehouse scenario with the frequency of 7 Hz and present a study of Mask R-CNN based on the qualitative comparison. Mask R-CNN is a method for object instance segmentation to get the properties of the objects. It uses ResNetFPN for feature extraction and adds a branch to Faster R-CNN for predicting segmentation mask for each object. And its results outperform almost all existing, single-model entries on instance segmentation and bounding-box object detection. With the help of this method, the boundaries of the detected object are extracted from the camera images. We initialize Mask R-CNN model using three different types of weights: COCO pre-trained weight, ImageNet pre-trained weight and random weight, and the results of these three different weights are compared w.r.t. precision and recall.Results showed that Mask R-CNN is also suitable for simulated environments and can meet requirements in both detection precision and speed. Moreover, the model trained used the COCO pre-trained weight outperformed the model with ImageNet and randomly assigned initial weights. The calculated Mean Average Precision (mAP) value for validation dataset reaches 0.949 with COCO pre-trained weights and execution speed of 11.35 fps. / I modern industriella miljöer, för att förbättra prestanda och produktivitet i automatisering är human-robot samarbete en trend. Istället för att isolera roboten från människan för att garantera säkerheten, möjliggör samarbets robotar att man och robot arbetar i samma område samtidigt. Nya risker, såsom kollisionen mellan robot och människa, uppstår i denna situation. Säkerhetsanalys är nödvändig för att skydda både människa och robot när man använder en samarbets robot.För att utföra säkerhetsanalys måste robotar uppfatta omgivningen i realtid. Denna omgivande miljö uppfattas och lagras i form av scen graf, som är ett direkt diagram med semantisk representation av miljön, samt förhållandet mellan de detekterade objekten och egenskaperna hos dessa objekt. För att skapa scen grafen används ett simulerat lager: robotar och människor arbetar i ett gemensamt område för överföring av produkter mellan hyllor och transportband. Varje robot genererar sin egen scen grafik från den medföljande kamerasensorn. I diagrammet presenteras varje detekterat objekt av en nod och kanterna används för att beteckna förhållandet mellan de identifierade objekten. Diagram noden innehåller värden som hastighet, gränsvärde, orientering, avstånd och riktningar mellan objektet och roboten.Vi genererar scen graf i ett simulerat lager scenario med frekvensen 7 Hz och presenterar en studie av Mask R-CNN baserat på den kvalitativa jämförelsen. Mask R-CNN är ett sätt att segmentera objekt exempel för att få objektens egenskaper. Det använder ResNetFPN för funktion extraktion och lägger till en gren till Snabbare R-CNN för att förutsäga segmenterings mask för varje objekt. Och dess resultat överträffar nästan alla befintliga, enkel modell poster, till exempel segmentering och avgränsning av objektiv detektering. Med hjälp av denna metod extraheras kanterna för det detekterade objektet från kamerabilderna. Vi initierar Mask R-CNN-modellen med tre olika typer av vikter: COCO-utbildade vikter, ImageNet-tränade vikter och slumpmässiga vikter, och resultaten av dessa tre olika vikter jämförs med avseende på precision och återkallelse.Resultaten visade att Mask R-CNN också är lämplig för simulerade miljöer och kan uppfylla kraven i både detekterings precision och hastighet. Dessutom använde den utbildade modellen de COCO-tränade vikterna överträffat modellen med slumpmässigt tilldelade initial vikter. Det beräknade medelvärdet för precision (mAP) för validerings dataset når 0.949 med COCO-pre-utbildade vikter och körhastighet på 11.35 fps.

Scope of this thesis is the integration and implementation of a collaborative robot in the production line. In the first chapter, the project is described, and its objectives, purpose, boundaries and requirements are defined. Moreover, the project management tools and techniques are presented. All the steps and procedures followed before the initiation of the project are analysed. In the second chapter, the basic theoretical background necessary for a better understanding of the content of this thesis is presented. The history and development of collaborative robots, as well as the industrial evolutions are mentioned. The different types of collaborative robots and their importance in Industry 4.0 and current production are analysed. The third chapter deals with the detailed description of the project. All the devices and equipment are presented thoroughly. The programming logic and working flow is explained. In the last chapter according to the initial objectives, boundaries and requirements the success of the project is assessed. An analysis of how the installation of automate corrugate loader affected the production process is performed. Future changes, improvements and technical suggestions are discussed. The ultimate goal of this thesis project is that the content in the thesis report will be used as a guide for future installations of same or similar type of robots. The aim is to avoid many of the mistakes made, due to rush decisions, lack of experience and communication between team members. The leaning curve obtained during the implementation of the project, can lead to more effective projects in the future. / Fokus för denna avhandling är integrering och implementering av en interaktiv robot i en produktionslina. I det första kapitlet beskrivs projektet, och dess mål, syfte, gränser samt krav definieras. Dessutom presenteras verktyg och tekniker för projektledning. Alla de steg och procedurer som använts/följts innan projektet påbörjades har analyserats. I det andra kapitlet presenteras den grundläggande teoretiska bakgrunden för att ge en bättre förståelse av innehållet i denna avhandling. Historien och utvecklingen av interaktiva robotar, liksom de industriella evolutionerna nämns. De olika typerna av interaktiva robotar och deras betydelse i Industri 4.0 och nuvarande produktion analyseras. Det tredje kapitlet innehåller en detaljerad beskrivning av projektet. Alla enheter och utrustning presenteras noggrant. Programmeringslogiken och arbetsflödet förklaras. I det sista kapitlet utvärderas projektets framgång utfrån de ursprungliga målen, gränserna och kraven. En analys utförs av hur installationen av den automatiska laddaren för veckmaskinen påverkar produktionsprocessen. Framtida ändringar, förbättringar och tekniska förslag diskuteras. Det slutliga målet för detta exjobbsarbete är att innehållet i avhandlingen ska användas som en vägledning för framtida installationer av samma eller liknande typ av robotar. Syftet är att undvika många av de misstag som gjorts, på grund av brådska beslut, brist på erfarenhet och kommunikation mellan lagmedlemmar. Lärandekurvan som uppnåtts under genomförandet av projektet kan leda till effektivare projekt i framtiden.