產業升級4.0,機械手臂實測篇|Newsletter 20007|固德科技報

 

智慧製造時代及工業4.0的廠區自動化,讓機械手臂和自動化產線取代了繁複及危險的工作,讓人們能空出雙手做出更多有助於優化產線的工作。機械手臂的種類繁多,例如四軸、五軸、六軸等,機械手臂主要是由一連串相互連結或滑動的零件所組成,多軸向角度接收指令後並能精確定位到三維(或二維)空間上的點進行作業。機械手臂目前應用已相當廣泛,例如:裝配、焊接、搬運、汽車組件等。

機械手臂的精度大多指的是旋轉精度,對於許多大廠牌的機械手臂,精度可以做到毫米級別。機械手臂的結構則會影響移動時的自由度,結構越優化、軸數越多,靈活性就越高。目前機械手臂的動作技術順應著需要進行更多微小細緻的動作,因此手臂的動作技術也不斷在提升進步中。手臂的動作越細微,價格也跟著越昂貴,而手臂的動作精準度更會影響產線效能,為了確保產品品質,如何監測手臂的品質,是使用者需要著重的部分。

#機械手臂 #廠區自動化 #工業4.0 #傳統產業轉型 #預知監測

機械手臂品質監測

手臂用途:夾取晶圓片用手臂
監測目的:確認手臂穩定度
監測流程:
• 選取兩隻型號與動作相同之機械手臂[一好一壞]
• 學習品質正常手臂建立規範,並利用此規範自己檢自己,並讀取量測結果可判斷手臂穩定度(重複度)
• 學習品質異常手臂建立規範,並利用此規範自己檢自己,並讀取量測結果可判斷手臂穩定度(重複度)
• 用正常手臂建立之規範,對異常手臂進行檢測,進行監測系統檢出手臂品質確效實驗
G-line exp-1:品質正常手臂 (廠內同仁經驗判斷)
G-line exp-2:品質異常手臂 (廠內同仁經驗判斷)

學習品質正常手臂建立規範,並利用此規範進行自己檢自己

學習品質正常手臂建立規範,並利用此規範進行自己檢自己

• 相似度數據本身已可代表手臂穩定度
• 即時動態訊號圖形(中間區域波形)穩定
• 動態相似度量測:79.34 -> 82.13 -> 79.31
• 相似度差異小於3.5% -> 重複度好


學習品質異常手臂建立規範,並利用此規範進行自己檢自己

學習品質異常手臂建立規範,並利用此規範進行自己檢自己

自動判別辨認手臂動作,系統判分,檢出結果通過(70%-PASS) P.S:70%為預設門檻

學習品質異常手臂建立規範,並利用此規範進行自己檢自己-2

五次量測相似度數據變動較大

• 五次量測相似度數據變動較大
• 即時動態訊號圖形(中間區域波形)不穩定
• 動態相似度量測:76.61 -> 72.69 -> 71.84 -> 68.99 -> 72.17
• 相似度差異約10% -> 重複度不好

正常手臂與異常手臂比較

正常手臂與異常手臂比較正常手臂與異常手臂比較

G-line exp-1 正常手臂動作相似度(自身穩定度)較高
G-line exp-1 正常手臂動作相似度差異較小 -> 重複度較高

用正常手臂建立之規範,對異常手臂進行檢測

利用長時間趨勢圖來判別最佳的保養時機

用正常手臂建立之規範,對異常手臂進行檢測-規範檢出圖形差異比較

利用長時間趨勢圖來判別最佳的保養時機

測試結論

• 系統能自動擷取正確的週期動作進行判別
• 動態相似度的數值高低可說明機械手臂本身的穩定度
• 動態相似度的差異值可說明機械手臂動作的重複性
• 異常的手臂動態相似度與動態相似度的差異都明顯較大
• 可用正常動作手臂動作當作規範檢出異常動作手臂動作(差異明顯)




留言

這個網誌中的熱門文章

沖床品質該如何監測?|Newsletter19008|固德科技報

助攻企業能源轉型三步驟|GOOD科技報 Newsletter23009

您的工具機主軸狀態良好嗎?|Newsletter 19003|固德科技報