機械手臂監測
流程品質管理

機械手臂預知監診怎麼作?

非侵入式量測方式，真正實現對接式PLUG IN量測
由於機械手臂組成的複雜，主要是由一連串相互連結或滑動的零件所組成，當監測系統與手臂系統不相容無法對街時，也就無法進行監測的動作。因此不需要和系統相容而能以有吸附式感測器就能量測訊號的才是真正實現對接plug in方式的最佳量測方式。對於機械手臂量測必須要能即時偵測手臂之動作訊號，判定是否將會產生故障，才能避免不可控的異常影響產品良率，並有效的預防機械手臂在異常的情況下運作衍伸出的品質問題。

執行目標

＃淘汰複雜安裝方式，真正實現非侵入式量測

藉由感測器吸附在機械手臂上的特定量測點，再加上固德所推出機器學習智能監控系統，不需要太多安裝流程，便能夠開始進行量測學習的動作。系統的特殊學習功能，也能夠依照使用者的學習經驗來製作特徵標籤，再結合數據的搜集，藉由AI的學習模式，準確判別異常特徵。

＃掌握機械手臂狀態，避免產線發生停機問題

自動化產線中充斥著許許多多的機械手臂，進行繁複且精密的工作，也節省了人力以及避免人為的錯誤。手臂的動作越繁複，需要的動作精準度也需要越細緻，更會影響產線的效能，因此若能掌握機械手臂的運行狀態，就能避免大部分的產線異常問題。

＃提前減知故障特徵，產線保養排修時程參考

當機械手臂等設備發生故障前，其實就已經有所謂的故障特徵的產生，只是需要經由監測設備來得知目前這個故障特徵對於產線運作甚至是產品品質是否會有影響，而使用者能夠藉由此故障特徵來判定是否要進行排修等故障排除等任務。

＃提供預知保養觀點，避免不可控的機械變化

監測機械手臂等設備的目的除了掌握設備的狀態、即時提醒設備異常外，更重要的不外乎是依照所得到的數據進而能夠排定『預知保養』的時程，也就是所謂的『預知監診』。機械運作一定會有磨損跟變化，提早進行預知監診也就是提早避免不可控的機械變化產生。

如何執行

切確掌握機械手臂運作狀態

機械手臂的應用上如汽車工業、模具製造、電子製程、甚至是農業、醫療等，都替人類完成許多複雜及危險的工作，節省人力、也減少了人暴露在危險工作環境中的機會。由於各式手臂的構造不同、特性不同，但若能依據手臂的屬性進行有效的監測，例如：目前仍以振動量測方式為最大宗，其他方式還有透過電流、溫度等來判別手臂狀態。固德的OLVMS^®-ML機器學習智能監控系統 擁有快速執行學習與標定目標動作週期、自動追蹤識別、機械特徵分解的功能，能夠有效即時偵測機械手臂之動作訊號，即使動作訊號僅發生微小的異常，即可預先判別得知機械手臂是否即將會產生故障特徵，使用者可提早做保養或調整，避免無預警的故障產生影響產線作業，造成損失。