Panimorullakon automaattinen tunnistus keräilyautomaatiossa
Virta, Oskari (2019)
2019
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2024052113737
https://urn.fi/URN:NBN:fi:amk-2024052113737
Tiivistelmä
Työn tavoitteena oli antaa selvitys Sinebrychoff Supply Company Oy:lle panimorullakoiden keräilyyn käytettävän automaatiojärjestelmän taustaohjelmassa tapahtuvien tuotetietojen sekoittumisesta johtuvien välillisten kustannusten ehkäisemiseen soveltuvasta automaattisesta tunnistusmenetelmästä.
Työ aloitettiin tutustumalla toimeksiantajan panimorullakoiden keräilyjärjestelmään, jonka jälkeen keskityttiin käymään läpi eri tunnistusmenetelmien toimintaperiaatteita ja arvioitiin niiden soveltuvuutta panimorullakoiden tunnistukseen sekä vertailtiin menetelmien hankinnan kannattavuuksia. Konenäön tunnistuksen soveltuvuuden arvioinnissa toteutettiin testaus National Instrumentsin konenäköohjelmalla, Vision Builder AI:lla (NI Vision Builder Automated Inspection).
Työn perusteella tarjottiin toimeksiantajalle ratkaisuehdotus toimivasta tunnistusmenetelmästä. Tehdyn taustatutkimuksen ja testauksen perusteella parhaaksi tunnistusmenetelmäksi Sinebrychoffin automaatiojärjestelmään soveltuisi konenäkö. Ratkaisun valintaan vaikuttivat tunnistusmenetelmän soveltuvuus sen tarkkuuden, päivitettävyyden ja kannattavuuden perusteella. Opinnäytetyön tulosta voidaan käyttää Sinebrychoffin panimorullakoiden keräilyjärjestelmän tunnistuksen laadulliseen parantamiseen. The aim of the thesis was to provide a solution for preventing indirect costs arising from the confusion with product data in the background program of the automation system used for the picking of dollies for Sinebrychoff Supply Company Oy.
The first part of the thesis introduces the customer’s picking system. Second part consists of reviewing the operating principles of different identification methods and suitability for the identification of dollies and comparing the profitability of methods in acquisition. In the assessment of the suitability of machine vision recognition, testing was performed with the National Instrument’s Vision Builder AI.
On the basis of the work, a proposal for a functional identification method was offered to the commissioner. Based on background research and testing, a machine vision is suitable for Sinebrychoff’s automation system to be used as an identification method. The choice of the solution was affected by the suitability of the identification method based on its accuracy, updatability and profitability. The results of the thesis can be used to improve the quality of identification of the picking system at Sinebrychoff.
Työ aloitettiin tutustumalla toimeksiantajan panimorullakoiden keräilyjärjestelmään, jonka jälkeen keskityttiin käymään läpi eri tunnistusmenetelmien toimintaperiaatteita ja arvioitiin niiden soveltuvuutta panimorullakoiden tunnistukseen sekä vertailtiin menetelmien hankinnan kannattavuuksia. Konenäön tunnistuksen soveltuvuuden arvioinnissa toteutettiin testaus National Instrumentsin konenäköohjelmalla, Vision Builder AI:lla (NI Vision Builder Automated Inspection).
Työn perusteella tarjottiin toimeksiantajalle ratkaisuehdotus toimivasta tunnistusmenetelmästä. Tehdyn taustatutkimuksen ja testauksen perusteella parhaaksi tunnistusmenetelmäksi Sinebrychoffin automaatiojärjestelmään soveltuisi konenäkö. Ratkaisun valintaan vaikuttivat tunnistusmenetelmän soveltuvuus sen tarkkuuden, päivitettävyyden ja kannattavuuden perusteella. Opinnäytetyön tulosta voidaan käyttää Sinebrychoffin panimorullakoiden keräilyjärjestelmän tunnistuksen laadulliseen parantamiseen.
The first part of the thesis introduces the customer’s picking system. Second part consists of reviewing the operating principles of different identification methods and suitability for the identification of dollies and comparing the profitability of methods in acquisition. In the assessment of the suitability of machine vision recognition, testing was performed with the National Instrument’s Vision Builder AI.
On the basis of the work, a proposal for a functional identification method was offered to the commissioner. Based on background research and testing, a machine vision is suitable for Sinebrychoff’s automation system to be used as an identification method. The choice of the solution was affected by the suitability of the identification method based on its accuracy, updatability and profitability. The results of the thesis can be used to improve the quality of identification of the picking system at Sinebrychoff.