ams OSRAM Solutions d’automatisation d'usine
Les solutions d'automatisation d'usine d'Ams OSRAM utilise la lumière intelligent et les solutions de capteur pour garantir la sécurité fonctionnelle dans un environnement de travail ouvert et améliore l'efficacité et la qualité du produit dans les processus de fabrication modernes. ams OSRAM propose une gamme complète de solutions optiques permettant à nos clients d'améliorer leurs processus de production.Applications
- Automatisation d'usine, robotique et industrie 5.0
- Capteurs pour la robotique, l’Internet des objets (IoT), l’Intelligence artificielle (IA) et l’apprentissage automatique (ML)
- Véhicules à guidage autonome (AGV) et robots d’entrepôt
- Robots collaboratifs (COBT) pour l’interaction humaine
- Robots médicaux
- Robots grand public
- Commandes industrielles [boutons, potentiomètres, moteurs pas à pas et moteurs CC brushless (BLDC)]
- Vision industrielle (capteurs d’images et illuminateurs) pour l’inspection d’usine et l’automatisation
Vision des machines
Les solutions optiques d'ams OSRAM pour la vision industrielle permettent aux machines de voir le monde avec précision. La vision industrielle englobe un large éventail d’applications. Parmi les exemples d’inspection optique automatique pour le contrôle de la qualité essentielle pour obtenir la qualité d’image souhaitée, il convient de citer une combinaison correspondante de résolution d’image, de vitesses d’échantillonnage d’images par seconde, de scannage de scène en ligne/2D, de technologie d’obturateur global/déroulant et d’illumination de scène correspondante. Si l’éclairage de scène est complémentaire à la lumière du jour normale, un éclairage spectralement adaptatif contrôlé par un capteur peut être nécessaire. ams OSRAM offre une large sélection de solutions de produits de pointe répondant au besoin de différentes applications de vision industrielle et de différents cas d’utilisation. L’éclairage dans le proche infrarouge, avec des éclairages grand angle et à points de contraste élevé, combinés à des capteurs d’image NIR sensibles, permet des systèmes de vision compacts, économiques et à hautes performances immunisés contre les conditions d’éclairage ambiant en dehors du contrôle de l’utilisateur.
Détection 3D
Lumière structurée, stéréovision passive/active, temps de vol intégré, temps de vol direct ou proximité d’intensité ? Une large gamme de techniques de détection optique existe pour détecter la distance et capturer des scènes 3D, et toutes proposent des compromis différents. ams OSRAM permet aux concepteurs de choisir et de mettre en œuvre la solution qui correspond à l’application grâce à un portefeuille complet d’illuminateurs, de capteurs et de pilotes.
La détection 3D permet à la machine d’identifier avec précision les objets sur lesquels elle doit travailler dans son environnement spécifique. Les solutions de détection 3D basées sur la vision sont généralement réalisées à l’aide de configurations à double caméra pour stéréovision ou à caméra unique combinées à des configurations de projection de motif définies pour les configurations de vision lumineuse structurées. Si la projection lumineuse structurée est combinée à la stéréovision pour des performances de lecture 3D encore plus élevées, elle est appelée stéréovision « active ». De plus, des concepts de numérisation 3D basés sur le temps de vol (ToF) sont déployés lorsque le temps d’exécution pulsé unique (ToF direct) ou à modulation continue (ToF) entre les photons émis et réfléchis par objet est mesuré.
Lecteurs de codes-barres
L’identification automatique et la capture de données (AIDC) désigne l’identification précise des objets et l’obtention de mesures clés telles que les identifiants, les données d’adresse cible/de destination, etc. Les lecteurs AIDC sont utilisés dans la vente au détail, les terminaux de point de vente, l’enlèvement par coursier et l’entreposage pour lire les codes-barres ou les codes QR. Ils sont généralement basés sur des capteurs d’image linéaires ou des imageurs matriciels 2D. Les scanners AIDC se trouvent également autour des convoyeurs à grande vitesse dans un centre de distribution où le code QR et le volume de colis sont surveillés.
Sécurité
Les environnements de production traditionnels sont constitués de nombreux dispositifs de protection mécanique, tels que les clôtures de sécurité, qui empêchent les êtres humains ou les équipements de se rapprocher trop près des machines dangereuses ou sensibles ou des étapes de production. Dans des environnements de production plus ouverts et flexibles, la fonction de sécurité requise est réalisée par des lecteurs laser LiDAR 2D ou 3D ou des rideaux de lumière LED 1D/2D. Ils sont constitués d’un émetteur et d’un récepteur séparés avec un photodétecteur intégré. Des centaines de scanners LiDAR, de faisceaux/rideaux lumineux et de clôtures de sécurité mécaniques contrôlées se trouvent dans chaque environnement de production. Basés sur les principes de l'industrie 4.0, les environnements de production deviennent de plus en plus ouverts et flexibles. Avec une qualité et une fiabilité éprouvées, les LED, les lasers et les photodiodes correspondantes d’ams OSRAM se trouvent dans de nombreux dispositifs installés.
Surveillance de l’état/Maintenance prédictive
En combinaison avec l’apprentissage machine et l’intelligence artificielle, la surveillance de l’état et les algorithmes de maintenance prédictive fournissent des informations basées sur les données pour un fonctionnement optimal des machines et une maintenance au moment opportun. L’automatisation d'usine distingue cinq niveaux de maintenance. Le niveau le plus bas est l’entretien réactif/préventif, qui déclenche une réparation en cas de défaillance à intervalles fixes ou avant défaillance. La maintenance conditionnelle repose sur une surveillance continue de la machine pour détecter et signaler l’écart de la machine par rapport à un bon état connu le plus tôt possible et déclencher l’action de maintenance nécessaire. La maintenance prédictive ajoute une couche « prospective » en plus de la surveillance de l’état pour évaluer la durée de fonctionnement d’une machine avant qu’une action de maintenance ne soit nécessaire. Elle s’appuie sur de vastes ensembles de données statistiques du passé pour prévoir la durée d’exécution restante. L’apprentissage automatique améliore encore les prévisions de maintenance et le fonctionnement des machines en évaluant les modèles d’utilisation dans un contexte plus large. La nécessité de disposer de données machine précises fournies par des capteurs intelligents et précis est commune à tous les différents algorithmes de surveillance et de prévision.
