<![CDATA[Proses pengecatan robotik konvensional umumnya menggunakan metode teaching–playback dengan parameter statis, sehingga setiap pergantian jenis objek memerlukan penyesuaian ulang secara manual yang memakan waktu dan rentan kesalahan. Penelitian ini mengusulkan strategi memory-based switching mode pengecatan, di mana hasil klasifikasi objek berbasis YOLOv11 digunakan sebagai kunci (key) untuk memanggil parameter gerak turntable servo yang tersimpan pada memori PLC Mitsubishi FX3U, bukan untuk mengendalikan aktuator secara langsung. Kode identitas objek dikirim melalui komunikasi serial ke register D100, kemudian PLC membangkitkan sinyal pulse–direction ke driver servo FL20 dan mengirim sinyal ready ke robot arm setelah posisi target tercapai. Pengujian dilakukan sebanyak 10 siklus pada masing-masing dari dua mode, yaitu Mode 1 (0°) dan Mode 2 (90°). Hasil menunjukkan bahwa model klasifikasi mencapai confidence score 0,97 pada Mode 1 dan 0,98 pada Mode 2. Rata-rata waktu respon sistem sebesar 1,21 s dan 1,29 s, rata-rata error posisi sebesar 0,31° dan 0,40°, dengan tingkat keberhasilan switching 100% pada kedua mode. Hasil ini menunjukkan bahwa integrasi klasifikasi visual dan kontrol PLC berbasis memori layak diterapkan sebagai alternatif metode teaching–playback pada lini pengecatan dengan variasi objek.]]>
Copyrights © 2026
