2025 2024 2023 2022 2021
Newsletter 20007

产业升级4.0
机械手臂实测篇

固德科技报|产业升级4.0,机械手臂实测篇

#机器学习

#数位转型

#汽车製造

#PHM

#机械手臂

Posted On : 30 Dec. 2020
手臂的动作精准度更会影响产线效能,为了确保产品品质,如何监测手臂的品质,是使用者需要着重的部分。

手臂的动作精准度更会影响产线效能

智慧製造时代及工业 4.0 的厂区自动化,让机械手臂和自动化产线取代了繁複及危险的工作,让人们能空出双手做出更多有助于优化产线的工作。机械手臂的种类繁多,例如四轴、五轴、六轴等,机械手臂主要是由一连串相互连结或滑动的零件所组成,多轴向角度接收指令后并能精确定位到三维(或二维)空间上的点进行作业。机械手臂目前应用已相当广泛,例如:装配、焊接、搬运、汽车组件等。

机械手臂的精度大多指的是旋转精度,对于许多大厂牌的机械手臂,精度可以做到毫米级别。机械手臂的结构则会影响移动时的自由度,结构越优化、轴数越多,灵活性就越高。目前机械手臂的动作技术顺应着需要进行更多微小细緻的动作,因此手臂的动作技术也不断在提升进步中。手臂的动作越细微,价格也跟着越昂贵,而手臂的动作精准度更会影响产线效能,为了确保产品品质,如何监测手臂的品质,是使用者需要着重的部分。

#机械手臂 #厂区自动化 #工业4.0 #传统产业转型 #预知监测

机械手臂品质监测

手臂用途:夹取晶圆片用手臂
监测目的:确认手臂稳定度

监测流程:
• 选取两隻型号与动作相同之机械手臂[一好一坏]
• 学习品质正常手臂建立规范,并利用此规范检测,并读取量测结果可判断手臂稳定度(重複度)
• 学习品质异常手臂建立规范,并利用此规范检测,并读取量测结果可判断手臂稳定度(重複度)
• 用正常手臂建立之规范,对异常手臂进行检测,进行监测系统检出手臂品质确效实验

G-line exp-1:品质正常手臂 (厂内同仁经验判断)
G-line exp-2:品质异常手臂 (厂内同仁经验判断)

学习品质正常手臂建立规范,并利用此规范进行自己检自己

学习品质正常手臂建立规范,并利用此规范进行自己检自己

• 相似度数据本身已可代表手臂稳定度
• 即时动态讯号图形(中间区域波形)稳定
• 动态相似度量测:79.34 82.13 79.31
• 相似度差异小于3.5% 重複度好

学习品质异常手臂建立规范,并利用此规范进行自己检自己

学习品质异常手臂建立规范,并利用此规范进行自己检自己

自动判别辨认手臂动作,系统判分,检出结果通过(70%-PASS) P.S:70% 为预设门槛

学习品质异常手臂建立规范,并利用此规范进行自己检自己-2

学习品质异常手臂建立规范,并利用此规范进行自己检自己-2

• 五次量测相似度数据变动较大
• 即时动态讯号图形(中间区域波形)不稳定
•动态相似度量测:76.61 72.69 71.84 68.99 72.17
• 相似度差异约10% 重複度不好

正常手臂与异常手臂比较

正常手臂与异常手臂比较
正常手臂与异常手臂比较

G-line exp-1 正常手臂动作相似度(自身稳定度)较高
G-line exp-1 正常手臂动作相似度差异较小 重複度较高

用正常手臂建立之规范,对异常手臂进行检测

用正常手臂建立之规范,对异常手臂进行检测
用正常手臂建立之规范,对异常手臂进行检测

用正常手臂建立之规范,对异常手臂进行检测-规范检出图形差异比较

测试结论

• 系统能自动撷取正确的週期动作进行判别
• 动态相似度的数值高低可说明机械手臂本身的稳定度
• 动态相似度的差异值可说明机械手臂动作的重複性
• 异常的手臂动态相似度与动态相似度的差异都明显较大
• 可用正常动作手臂动作当作规范检出异常动作手臂动作(差异明显)