在烘烤前，必須將盛蛋糕面糊的容器和芯棒運送并推入到烤箱中，這個步驟通常由操作人員完成，但也可以使用輸送帶和機械臂輕松實現這一步驟的自動化。但烘烤本身需要一個專業人員。Theo 借助人工智能復制了專業人員的技能。為了順利完成這項史無前例的任務，尤海姆選擇了 Matsuura Denkosha 工程公司作為其合作開發伙伴。這家公司不僅擁有人工智能專業知識，而且在控制關節型機器人方面也擁有豐富的經驗。“年輪蛋糕工廠由三個 Theo 機器人、一個垂直關節機器人和一個輸送盛放蛋糕面糊的容器和芯棒的輸送帶組成。”Matsuura Denkosha 公司總經理北野先生解釋說。所有組件都由一臺搭載 Intel®-Core™ i7 處理器的倍福 C6030 超緊湊型工業 PC 控制，并通過 EtherCAT 通信。
Baum Haus 內設置的高科技蛋糕房幾乎是全自動化生產。操作人員只需要準備好年輪蛋糕面糊和芯棒，將它們放在輸送帶上，并在控制面板上選擇三個烤箱中的一個，然后開啟烘烤過程。隨后，輸送帶自動將盛放面團的容器和芯棒運送至指定位置。機器人拾取容器和芯棒，將它們放在烤箱前面。然后，機器人開始在芯棒上涂抹面團，并逐層涂抹。烤箱中實施的人工智能功能會自動監測這一過程，確保高精度烘烤。
“倍福工業 PC 和 TwinCAT 軟件的優勢在于通過集成 EtherCAT 和 Windows 實時控制整個過程。”北野先生解釋道。在這個系統中，TwinCAT 3 PLC 使用與機器人運動精確同步的 EtherCAT 驅動器和電機控制輸送帶、烤箱的旋轉以及門的開關。此外，工業 PC 具有高可擴展性，因此，尤海姆自己的 Windows 應用程序可以用作可行的遠程系統維護解決方案。倍福的 I/O 組件也發揮了重要作用，集成大量的傳感器和相機。緊湊的外殼和種類繁多的 EtherCAT I/O 能夠幫助系統集成商節省控制柜空間，最大限度地降低工程復雜性。
AI 功能作為 Windows 應用程序，與 TwinCAT 一起在同一臺工業 PC 上運行。“我們使用多模態 AI 技術監測年輪蛋糕的質量。”北野先生指出。為此，每個烤箱前都安裝了高性能相機，以捕獲蛋糕表面的圖像。這些數據與其它傳感器數據相連，包括輻射高溫計中的數據。AI 模型基于卷積神經網絡（CNN），以前它是在一個單獨的環境中用 Python 進行訓練。它在標準工業 PC 中作為一個 Windows 應用程序實施。
系統通常需要五到六個批次的年輪蛋糕才能再現糕點師的專業烤制過程。一個批次需要 30 分鐘的烤制時間，因此采集數據的總時間約為約 3 小時。“在這個有限的數據量基礎上，訓練 AI 模型需要約 20 小時的時間，包括最后的測試。”北野先生解釋道。
Theo 在運行期間實時檢查相機的圖像數據以及其它傳感器數據，以測定年輪蛋糕的質量：當一個蛋糕面糊層處于最佳狀態時，這一信息將被反饋到控制系統中。然后，TwinCAT 停止蛋糕面糊管的旋轉運動，并打開門，這樣機器人就可以取出年輪蛋糕。從將數據輸入到訓練好的模型，包括推理輸出，直到反饋至控制系統，總共花費的時間約為 100 至 200 毫秒。“由于 AI 推理和 PLC 控制集成在同一個倍福工業 PC 控制平臺上，因此 AI 應用能夠實現這種超快的響應時間。”北野先生說道。
倍福 C6030 工業 PC 通過 TwinCAT 控制輸送系統和烤箱門；訓練好的 AI 模型也在安裝有 Windows 操作系統的同一設備上運行。
控制系統的高靈活性助力輕松實現優化
在 Baum Haus 的試運營期間，工程師對系統配置進行了優化，修改了安全光幕的位置和輸送帶的布局，以改進操作人員的工作流程。EtherCAT 可以自由選擇網絡拓撲結構，因此可以輕松做到這一點。由于采用了靈活的 TwinCAT 開發平臺，因此也可以直接配置系統更新。
Baum Haus 是全球唯一一個擁有配備了 AI 烤箱、輸送帶和機器人的自動化年輪蛋糕工作室的建筑綜合體。另一方面，多臺配備 AI 功能和 Theo 機器人的獨立烤箱目前正在日本多家門店投入使用，甚至可以用作移動式年輪蛋糕店。此外，尤海姆還在擴大其經營活動，松本先生解釋道：“我們正在開發一種用于烤制巧克力蛋糕面糊的模型和一種配備緊湊型垂直多關節型機械手臂的系統。倍福和我們的合作開發伙伴 Matsuura Denkosha 將繼續為我們在烘焙領域實現雄心壯志和創新方案提供最佳支持。”
