Collaborative Robotic Finishing Platform for Metal Part Processing Towards Industry 5.0
Notice bibliographique
Résumé
Manual finishing operations in aerospace and ground transportation industries are often associated with health-and-safety-related issues such as musculoskeletal disorders, productivity loss, and challenges in workforce renewal. This work presents an innovative automated solution to address these challenges, prioritizing the ease of implementation and affordability for small and midsize enterprises (SMEs). Our proposed solution is a collaborative robotic (cobotic) finishing platform designed to eliminate labor-intensive work while keeping human operators in the loop to manage unforeseen situations. This platform aims to eliminate health risks, enhance repeatability, improve product quality, and increase productivity. This paper describes the mechanical design of the platform, its embedded cyber-physical system (CPS), interactivity features, as well as its risk assessment and risk mitigation. The platform integrates a UR10 cobot mounted upside down on a gantry structure to expand workspace, along with 3D sensors, scene cameras, compliance end-effectors, a dust collection system, programmable logic controllers (PLCs), and augmented reality projectors to assist the operator for easy execution of finishing tasks. The CPS comprises interconnected physical twins, their models, and relevant packages for the control of the whole finishing process from PLC to autonomous robot programming. Safety measures, including safety-rated devices, attenuation measures, and personal protective equipment, are integrated to ensure operator’s safety. While many research streams are fully integrated into the platform and CPS, some are still in the process of integration. Despite this, various finishing tasks have been successfully executed using the platform, demonstrating its potential to transform metal part finishing processes in industry.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».