Tööstusrobotite veateadete kõrvaldamine tõhususe parandamiseks

Tööstusrobotite põhiline veaklassifitseerimine

Nelja-domeeniline raamistik: mehaanilised, elektroonilised, tarkvaralised ja ohutuslikud veakoodid

Probleemide parandamisel alustavad head tehnikud tavaliselt rikete rühmitamist nelja peamisse kategooriasse. Mekaanilised katkised on tänapäeval tööstusrobotites tegelikult kõige sagedasemad probleemid. Siin on tegemist näiteks kulunud laagritega, mis moodustavad umbes 40% kõigist rikejuhtumitest, nagu teatatakse tööstusaruannetes. Seejärel tulevad elektrilised probleemid – alates kahjustatud mähiste kuni neile tüütutele elektromagnetilistele häireprobleemideni. Tarkvaraprobleemid ilmnevad sageli PLC-süsteemides või ROS-juhtimissüsteemides imelikuna käitumisena, kus programmeerimine lihtsalt ei tööta õigesti. Turvalisuse küsimused on siiski erinevad – neid tuleb kiiresti lahendada, sest nende ignoreerimine võib põhjustada tõsiseid õnnetusi tootmisruumis. Selline klassifikatsioonisüsteem aitab tehnikutel tegelikult kiiremini tuvastada, milline masina osa põhjustab probleeme, mistõttu muutub terve diagnostika protsess praktikas palju kiiremaks.

Korduvate seiskumiste musterite diagnoosimine robotitöölahutes

Kui tootmine peatub järjest uuesti ja uuesti, tähendab see tavaliselt, et süsteemis on kusagil peidus probleeme. Selle töölahtri sees toimuvate protsesside analüüs paljastab mõned huvitavad mustrid, millele tasub tähelepanu pöörata. Näiteks viitab masinate liialdav vibreerumine suurte pöördemomentide ajal sageli osade aeglasel kulutumisel. Kui süsteemide vaheline suhtlus katkeb aeg-ajalt, on suur tõenäosus, et elektriline häiring põhjustab probleeme kusagil ühendusahela läbi. Paljud tehased on viimasel ajal alustanud nende keerukate rikete tuvastamise ja diagnostika algoritmide rakendamist. Need tööriistad jälgivad pidevalt kõiki andurid ja võrdlevad praegu saadud andmeid normaalse tööga. Tulemus? Hooldusteamid saavad probleemid tuvastada varakult, mitte oodata, kuni midagi laguneb ja siis alles parandada. Tehased, mis kasutavad seda meetodit, teatavad automaatsete monteerimisliinide ootamatute seiskumiste vähenemisest umbes kolmkümmend protsenti. See on ka täiesti loogiline – keegi ei taha kaotada raha sellepärast, et seadmed lihtsalt ilma hoiatamiseta välja lülituvad.

AI-põhine ennustav hooldus tööstusrobotites

Planeeritud hooldusest seisundi põhisele hooldusele reaalajas analüütika kasutamisel

Liikumine fikseeritud hooldusgraafikult tingimusliku jälgimise suunas tähistab tänapäevases tööstusrobotite haldamises olulist muutust. Vanad ajapõhised meetodid põhjustavad sageli kas liialdatud seiskumisi või ootamatuid katkemisi, mis maksavad tootjatele umbes 740 000 dollarit aastas – seda näitas Ponemoni 2023. aastal tehtud uuring. Tänapäeva nutikad süsteemid jälgivad reaalajas analüüsivahendite abil erinevaid seadmete tervisenäitajaid. Need jälgivad näiteks ebatavalisi vibratsioone ja mootorite voolutugevuse muutusi erinevates masinates tootmisplatsidel. Selle teabe alusel saavad hooldusmeeskonnad probleemidega tegeleda juba nende esimeste sümptomite ilmnemisel, mitte ootades, kuni midagi halba juhtub. Ka säästud on märkimisväärsed: paljud tehased teatavad, et nende seiskumisaeg on vähendatud 30–60 protsenti pärast üleminekut sellele süsteemile. Muidugi nõuab kogu süsteemi toimimise tagamiseks investeeringuid heasse IoT-võrku ning oskust kasutada masinõppe tehnoloogiat, mis suudab pidevalt sisenevaid andmavoo tõlgendada. Kuid ettevõtetele, kes soovivad jääda konkurentsivõimeliseks tootmisvaldkonnas, on see teadmistekomplekt juba oluliselt vajalik.

Digitaalsed kaksikud ja multimodaalne andmete sulandumine (vibratsioon, soojus, vool)

Digitaalsed kaksikud loovad dünaamilisi virtuaalseid koopiasid füüsilistest robotisüsteemidest, võimaldades seni nägematut ennustusvõimet. Sulandades kokku andmevoogusid vibratsiooniseadmetest, soojuspiltidega kaameratest ja voolu jälgimisseadmetest, tuvastavad need mudelid üksiksensoritega lähenemisviisil nähtamatuid peenikesi anomaliiasid. Näiteks:

• Vibratsioonimustrid paljastavad kullerite kulutumise 72+ tundi enne katkemist
• Soojuspildid tuvastavad elektriliste takistuste muutusi liigetes
• Voolu kõikumised viitavad mootori keermestuse degradatsioonile

See multimodaalne lähenemisviis suurendab ennustustäpsust 40% võrra võrreldes traditsiooniliste meetoditega, võimaldades hooldussekkumisi planeeritud tootmispause ajal. Ühendatud andmekeskus õpib pidevalt uutest sisenditest, täpsustades katkemise tõenäosuse mudeleid ning pikendades seadmete eluiga täpsuskalibreerimise abil.

Tööstusrobotite kõrgmõju operatsiooniprobleemide lahendamine

Sensordi signaali nihe ja elektromagnetilise häiresignaali (EMI) põhjustatud tõrked tootmiskeskkonnas

Elektromagnetiline häiresignaal (EMI) keevitusseadmetest või muutuva sagedusega juhtidest põhjustab 43 % sensorite signaalide halvenemist tööstusrobotites (Automation Journal, 2023). See ilmneb kõrgkiirusel kokkupanekul asukonna täpsusvigadena, kus pinge kõikumised moonutavad enkoodrite ja lähedussensorite tagasisidet. Ennetusmeetmed hõlmavad:

• Signaaljuhtmete ekraanimist maandatud torudega
• Toiteallikatele EMI-filtrite paigaldamist
• Robotite ümberpaigutamist 3 meetri kaugusele kõrgsagedusliku häire allika lähedalt

Regulaarne spektrianalüüs tuvastab häiremustrid enne, kui tõrked levivad – aitab vältida ebaseadusliku seiskumisega seotud 740 000 USA dollari suurust aastaslikku tootlikkuse kaotust.

Liikumisrada vigu, kokkupõrkeohud ja PLC/ROS-programmeerimise puudused

Artikuleeritud robotitel üle 0,5 mm ulatuva liikumisrada kõrvalekaldumise põhjuseks on sageli kinemaatilised kalibreerimisvigu või PLC (programmeeritava loogikakontrolleri) ajastuskonfliktid. Tavalised probleemid hõlmavad:

Programmeerimisvigu põhjustavad 31% liikumisvigadest, eriti siis, kui vanema põhjal põhinev ladder logic suhtleb ROS2 juhtimisstackidega. Trajektooripunktidest simuleerimisel valideerimine vähendab põrkeriske juurde 68%.

Kalibreerimisstrateegia ja pikaajalise efektiivsuse optimeerimine

Tööstusrobotite täpsuse säilitamine ajas tähendab probleemide kõrvaldamisest kaugemale liikumist – üle minna pigem planeeritud, tegelike andmetele tuginevale lähenemisele. Hea alguspunkt on hooldusteenuste planeerimine riskide põhjal, keskendudes esmalt kõige olulisematele komponentidele, näiteks roboti käe liigutusliigenditele või nende visioonisüsteemidele, samal ajal analüüsides, mis võib valesti minna, kasutades rikkepõhjuste analüüsi. Mõned uuringud näitavad, et kohad, kus sensorid on korralikult kalibreeritud, saavutavad oma varustuse elueas umbes 30 protsendi suurema pikkuse enne vahetamist võrreldes seadistustega, kus keegi ei jälgigi, mida toimub. Kõigile, kes on tõsiselt huvitatud tööstusettevõtete jätkusuutlikkusest, on praegu mitu praktilist sammu, millele tasub mõelda.

• Automaatsete kalibreerimisprotokollide tarkvaraga juhitavate protseduuride kaudu, mis vähendavad inimvigade teket
• Kohapealne verifitseerimine kanduvate metroloogiatööriistadega planeeritud hooldusaknades
• Eeldav kõrvalekaldumise jälgimine kalibreerimisandmete sisestamisega AI hooldusplatvormidesse

See lähenemine vähendab kalibreerimisega seotud seiskumisaegu kuni 45% ja säilitab asukohatäpsuse ±0,1 mm piires. Lõppkokkuvõttes annab pidev kalibreerimise optimeerimine korduvaid tõhususakumisi – iga 1% paranev roboti täpsus toob kaasa ligikaudu 18 000 USA dollari aastasliku säästu materjalikao vähendamisel tüüpilistes monteerimisliinides.

KKK

Millised on tööstusrobotite peamised rikke kategooriad?

Tööstusrobotite rikkeid liigitatakse peamiselt mehaanilisteks, elektroonilisteks, tarkvaraliseks ja ohutusriketeks.

Kuidas aitab AI-põhine eeldav hooldus robotitele?

AI-põhine eeldav hooldus võimaldab reaalajas analüüsi ja seisundi põhjusel põhinevat jälgimist, mis vähendab seiskumisaegu ja takistab ootamatuid katkestusi, tuvastades probleemid varajases staadiumis.

Mis rolli mängivad digitaalsed kaksikud eeldavas hoolduses?

Digitaalsed kaksikud loovad robottüüpi süsteemide virtuaalseid koopiasid, et parandada ennustusvõimekust, tuvastades subtiilsed anomaliiad mitmeliikmelise andurite ühendamise abil.

Millised on elektromagnetilise häiresignaali (EMI) põhjustatud tavalised probleemid robotite puhul?

EMI võib põhjustada andurisignaalide kõikumist ja asukohatäpsusvigusid robotites, moonutades tagasisidet kodeerijatest ja lähedussensoritest.