如果失效会发生什么？在设计并实施自动化系统的时候，人们经常会忽略掉这个简单的问题。问一下这个问题，可以带你找到另外一种解决方案，虽然它短时间内会增加系统集成商的工作量，但是却能够保证长期的收益。人们真正需要关心的是失效的频率，以及在失效的时候会发生什么事情。下面我们将会讲述一个真正的视觉系统，来说明考虑上述问题是多么的重要。
        视觉引导机器人箱体拾取
        视觉引导机器人（VGR）箱体拾取是一项特别的挑战，其目的是使用机器人移动容器中产品控制工程网版权所有，并将其装载到机器当中和传送带上面。这听起来容易，但是真正成功实施还是存在很多挑战，它主要取决于容器和内部零件的结构。VGR本身则完全是另外一个话题，但是不管采用什么样的技术、零件显示或者其他特征，“每次抓取”的成功/失效率是人们最关注的问题。
        我们最好通过一个例子来解释。考虑一个容器装有100个零件，这是一个“标准的”容器，无论什么时候如果容器放置在机器人面前，它都有100个零件。接下来，考虑每个零件的成功率，它是视觉成功率（元件被识别出并且准确定位的概率）与机器人抓取成功率（一旦元件定位成功，元件被抓起的概率有多少）的乘积。在本例当中，如果视觉成功率是99.5%，抓取成功率也是99.5%，那么每个零件的成功率约等于99%（99.5% x 99.5%）。

Fanuc M-710iB机器人可以使用视觉引导快速地从容器中抓取制动转子。图片来源：JMP Engineering公司。

        意味着，对于容器中的每一个零件，机器人都有99%的概率成功拾取。这听起来不错，但是考虑100个零件（整箱）的成功率都是99%，那么通过基本的统计学知识，我们就可以知道“箱成功率”（即整箱没有失效）的概率是0.99的100次方，等于0.366或者36%。这样看，99%就不那么美妙了。这也意味着对于一个普通的容器来说，只有36%的可能将其清空不出现任何问题，换句话说控制工程网版权所有，有64%的可能会在某一个时刻出现失效。
        那么如果出现失效，会发生什么？在本例中，这是一个非常重要的问题，因为看起来有64%的容器都会遇到这个问题。这个取决于具体的应用，可能流程是完好的，但是会导致一些零件“遗留”在容器当中。另外一种极端的情况，则是流程停止，需要重大的维修并且会导致停产。
        汽车视觉检测
        另外一种常见的视觉应用是检测。检测系统一般进行测量，了解零件是否存在，或者进行打分确定通过或者不通过。在简单的应用中，检测系统包含一台摄像机以查看某一种特征。更加复杂的系统一般包含多台摄像机，可查看一个零件的多种特征。
        考虑一台轿车即将完成装配。装载在井中的汽车底部视觉系统拥有多个摄像头www.cechina.cn，可以查看40个特征，包括螺栓，支架，盖板等等。对于这个应用来说，最好的方法并不是查看视觉成功率，而是考虑视觉的“错误拒绝”率。这个是指视觉系统在应该做出“通过”判断的时候给出“失败”结果的可能性。
        在本例当中，我们应该考虑客户的需求。客户要求生产线每个班次要装配400辆汽车，如果有一个错误拒绝，就必须要把汽车开到人工检测站，进行再次检测。这是一个很大的操作，客户希望每个班次最多人工检测四辆汽车。400辆当中有4辆，比例就是1%。这意味着www.cechina.cn，对于一辆汽车来说，视觉系统的错误拒绝率必须不高于1%。最容易的方法就是考虑在400量汽车上总体的检测量，因为每辆车有40个检测，那么一共就有16000次检测。在这16000次当中，只能有4次错误拒绝。
        计算错误拒绝率：4/16,000 = 0.00025，或者0.025%。换句话说控制工程网版权所有，有99.975%的检测不能出现错误拒绝。这对于很多简单的视觉检测来说尚难以实现，对于复杂的检测来说几乎就是不可能完成的任务了。
        我们再回到这个问题——如果失效会发生什么？在本例中，我们需要查看系统的可行性。因为系统中包含很多检测，每一次检测的复杂度都应该非常低，这样项目才可行。除此之外，集成商必须要花费大量的时间对每一个检测进行微调，以保证非常高的准确性。如果不考虑“失效会发生”，从集成商以及客户的观点来看，这个项目就已经是一个错误了。
        个体VS.系统失效率
        从上面的两个例子当中，很容易发现即便个体失效率看起来很低www.cechina.cn，系统失效率也可能会高的惊人。现实一点，接受系统一定会出现故障这个事实，分析故障的频率和影响。虽然我们很容易忽略，但是还是应该在流程早期就问一下这个问题，这可能会导致项目的成功或者失败。