為增強國際市場的競爭力並實現產能目標,某商用車產業的知名企業打造了一座世界級商用車整車智慧工廠。該工廠是商用車產業智慧製造的標竿工廠,它整合了先進的智慧裝備及智慧製造技術,將自動化、靈活化、數智化高度融合,實現了產能規模和製造技術跨越式提升。
此工程建設過程中將梅卡曼德AI+3D視覺技術深入應用於商用車組裝站,建構了商用車業內領先的輪胎自動化隨行組裝線、儀表板塗膠組裝線。這一系列技術革新極大增強了生產線的自動化、彈性水平,營運效率躍升27%,更將年產能推向了5萬輛的新高度。
輪胎組裝工作站
高精度自動化隨行組裝,打造彈性自適應產線

此專案中單一輪胎直徑1200mm,重量在100kg以上,人工組裝強度大、耗時長,因此輪胎組裝環節成為限制產線效率提升的關鍵瓶頸。車身置於主線滑橇上,組裝過程需隨滑橇動態進行,但滑橇行進速度不均、車身在托架上位置不固定、車輪轉向角度存在偏差等問題均對隨行組裝提出了挑戰。為此,該企業透過融合AI、3D視覺、機器人等技術,解決了各項應用挑戰,打造出全球首條商用車全自動隨行組裝線。


車輛進入輪胎組裝區後,3D視覺引導前軸兩側機器人完成車輪蓋板及輪胎的組裝及鎖附。同時後軸兩側機器人組裝內、外側輪胎,並鎖緊。組裝完成且擰緊扭力合格後,3D視覺系統引導機器人將備胎放置於車架指定位置,隨後車輛隨滑橇駛離組裝位置。

輪圈通常呈現黑亮反光特性,黑色物體本身反射率低,加之反光材質的鏡面反射效應,使得3D相機同時面臨高反光過曝和黑色欠曝的形況,對3D相機的動態範圍提出了挑戰。梅卡曼德為此輪胎組裝工作站選配了Mech-Eye PRO S-THR高精度結構光工業3D相機,專為汽車主機廠典型視覺應用研發設計。


透過先進的成像技術,Mech-Eye PRO S-THR對黑亮反光的輪圈也能高品質成像,精確提取輪圈的邊緣、螺栓及凹槽的輪廓線,產生輪廓清晰、細節完整的3D點雲。 Mech-Vision取得3D相機產生的點雲後,即時計算產生輪圈的空間位姿座標,引導機器人將輪胎精準裝入輪圈。隨後,透過對螺柱的高精度定位,完成前後軸輪胎組裝。

即使在輪圈到位位置不一且位置持續變化的情況下,3D視覺系統仍能即時計算出輪圈空間位姿,並將計算結果即時傳輸至機器人控制系統,確保組裝過程的流暢性和效率。與2D視覺相比,3D視覺能夠精準捕捉輪圈及螺柱三維訊息,即使面對輪圈到位存在任意角度的偏差,3D視覺仍能透過深度資訊實現精確定位。
此外,3D視覺透過捕捉深度訊息,展現出對於環境變化(如光線變化、雜物遮蔽等)的出色適應性和穩健性,能夠在複雜的環境中持續、穩定工作,並確保組裝過程的精確度與可靠性。

商用車因應用場景不同分化出眾多子車型,種類繁多,高達數十款。傳統生產模式下,交付週期冗長,甚至延至數月,並伴隨高昂的客製化產線投資。因此,實現跨車型、跨平台的彈性混線生產,成為縮短交付週期與成本控制的關鍵策略。
梅卡曼德運用AI大模型強大的資料處理能力與學習能力,賦予3D視覺系統廣泛的適用性。透過引入AI技術,客戶擁有了一個高度智慧化的「自適應生產鏈」,能夠適用包括8×4、6×4、6×2、4×2等多種車型配置下的各種零件,更好應對新增車型的快速換產需求,大幅降低了新車型導入時的改造難度和成本。
儀表板塗膠組裝工位
儀表板高精度定位,精準塗膠、組裝

儀表板作為汽車內裝的核心零件,將其精確安裝至車體框架並穩固黏合是確保駕駛安全與舒適性的關鍵步驟。傳統人工組裝的方式不僅勞動強度大、效率低下,而且搬運、塗膠、組裝等環節難以達到實際生產對於一致性和精確性的要求。


針對上述挑戰,該工廠革新了儀表板組裝製程,引入了梅卡曼德3D視覺引導機器人系統,全面優化作業流程:首先,AGV將儀表板運送至工作站,3D視覺系統迅速生成儀表板的精確位姿,引導機器人從AGV抓取儀表板。同時,安裝在塗膠機器人機械手臂末端的3D相機對車身進行拍照,3D視覺系統依據車身位姿,引導機器人精準塗膠。最後,組裝機器人在3D視覺系統的引導下,將儀表板精準安裝於駕駛室總成的固定組裝點。


AI+3D視覺技術具備適應複雜環境、靈活應對不同車型變化、透過即時數據回饋優化生產流程等優勢。該企業透過引進3D視覺技術,實現了儀表板精準塗膠和裝配,大幅提升了生產效率和產品品質。
梅卡曼德致力於將高效能的3D感測器與用戶友善的視覺軟體結合,賦能客戶「高品質、高效率地製造出使用者滿意的產品,提升員工便利性和使用者體驗」的核心目標。該計畫中,梅卡曼德所參與興建的自動化產線均為商用車產業首創。目前,梅卡曼德AI+3D視覺技術已在多個重型商用車組裝的工業場景中通過實際生產驗證,為商用車產業自動化生產提供了強大的技術支援⋯⋯全文詳見梅卡曼德微信公眾號。

梅卡曼德3D相機,可用於散料取件、貨品揀選、組裝定位及點膠/塗膠等各種生產加工場域,提供汽車、家電、食品、物流倉儲、3C電子、機械等行業視覺辨識解決方案。
