Catching Gripper Wear Earlier: An Information Monitor Compared with Control Charts in a Simulated Pick-and-Place Cell

في هدوء المصانع الحديثة، تتحرك الروبوتات الصناعية بدقة لا يمكن للبشر مضاهاتها، حيث ترفع وتضع آلاف القطع كل ساعة. تعتمد هذه الآلات على القوابض (grippers)، وهي أيدٍ ميكانيكية تغلق للإمساك بجسم ما ثم تفتحه لتحريكه على طول خط الإنتاج. لسنوات طويلة، عرف المهندسون أن هذه القوابض لا تتعطل فجأة، بل تتآكل ببطء، فتصبح أقل ثباتاً بمرور الوقت. كان التحدي دائماً هو معرفة متى يجب إيقاف الآلة لإجراء الصيانة. فإذا انتظر الفريق طويلاً، يصبح القابض مرتخياً لدرجة أن القطع التي يمسكها تفقد استقامتها، مما يؤدي إلى تكدس الخردة. وإذا أوقفوا الآلة مبكراً جداً، فإنهم يهدرون الوقت والمال في إصلاحات غير ضرورية. الهدف هو رصد التآكل عند أول بادرة له، وقبل وقت طويل من تلف القطع نفسها، مما يمنح فريق الصيانة نافذة زمنية للتحرك بينما لا تزال الآلة تنتج عملاً جيداً.

ولإيجاد هذا التحذير المبكر، قام فريق من الباحثين بقيادة وائل حافظ، وأمير حسين نذري، وتشينان وي، بإعداد بيئة اختبار افتراضية. لم يستخدموا روبوتاً مادياً في مصنع حقيقي، بل أنشأوا محاكاة حاسوبية دقيقة لخلية التقاط ووضع (pick-and-place cell). في هذا العالم الرقمي، استطاعوا التحكم في كل متغير بشكل مثالي. برمجوا روبوتاً ليقوم بمهمة واحدة بشكل متكرر: إغلاق قابضه على قطعة بطول ثلاثين مليمتراً، ثم رفعها، ثم وضعها. ثم أدخلوا نوعاً معيناً من التآكل في المحاكاة، ليس عن طريق كسر قطعة، بل بإضافة قدر ضئيل من الارتجاف العشوائي (jitter) إلى حركة القابض. يحاكي هذا الارتجاف الطريقة التي قد يبدأ بها مفصل ميكانيكي حقيقي بالاهتزاز أو التذبذب مع تدهور محامله (bearings). أراد الباحثون معرفة ما إذا كان بإمكان نظام مراقبة جديد رصد هذا التذبذب الضئيل قبل أن تتمكن الأدوات القياسية المستخدمة في المصانع من ذلك.

تُعرف الأدوات القياسية باسم مخططات التحكم (control charts). وهي عبارة عن رسوم بيانية استخدمها مهندسو المصانع لعقود لمراقبة رقم واحد، مثل متوسط موقع القابض أو مدى تباين ذلك الموقع من دورة إلى أخرى. عندما ينحرف الرقم بعيداً عن النطاق الطبيعي، يطلق المخطط إنذاراً. اختبر الباحثون نوعين شائعين من هذه المخططات، والتي تبحث عن التحولات البطيئة في المتوسط أو في انتشار البيانات. وقارنوا ذلك بطريقة جديدة تسمى "مراقب المعلومات" (information monitor). فبدلاً من مجرد مراقبة رقم واحد، ينظر هذا النظام الجديد إلى العلاقة بين ثلاثة أشياء: الأمر الذي أُمر الروبوت بتنفيذه، والحركة الفعلية التي قام بها، والحركة التي قام بها في اللحظة التالية. إنه يطرح سؤالاً بسيطاً: هل لا يزال نفس الأمر ينتج نفس الاستجابة؟ إذا تغيرت العلاقة بين الأمر والاستجابة، فهذا يشير إلى أن الآلة بدأت تتآكل، حتى لو بدا متوسط الحركة طبيعياً.

كانت نتائج المحاكاة مذهلة. أجرى الباحثون تجربة الروبوت عبر ما يقرب من 288,000 دورة إنتاج، وهو ما يعادل حوالي 160 ساعة من التشغيل المستمر. أدخلوا التآكل تدريجياً، بدءاً من مستوى أعلى قليلاً من المستوى الطبيعي وزيادته حتى أصبح القابض يتحرك بـأربعة أضعاف مقدار الارتجاف المعتاد. أطلق مراقب المعلومات الجديد الإنذار في كل آلة بمجرد وصول الارتجاف إلى ما بين 1.2 و1.45 ضعف المستوى الطبيعي. عند هذه النقطة، كان القابض لا يزال يمسك القطع بدقة ضمن الحدود المطلوبة، وكانت الآلة لا تزال تنتج منتجات جيدة. وفي المقابل، ظلت مخططات التحكم القياسية صامتة؛ فلم تطلق إنذاراً إلا بعد أن نما الارتجاف ليصل إلى حوالي ثلاثة أضعاف المستوى الطبيعي. وبحلول الوقت الذي صرخت فيه المخططات طلباً للمساعدة، كان القابض مرتخياً لدرجة أن كل قطعة يتم إنتاجها تقريباً كانت بالفعل معيبة.

هذا الفرق في التوقيت أمر بالغ الأهمية لعمليات المصنع. وجد الباحثون أن أولى القطع التالفة ظهرت عندما وصل الارتجاف إلى 1.5 ضعف المستوى الطبيعي. رصد مراقب المعلومات المشكلة قبل أن يتم تجاوز هذا الحد، مما منح فريق الصيانة تحذيراً واضحاً بينما كانت القطع لا تزال جيدة. أما المخططات القياسية، فقد اكتشفت المشكلة فقط بعد وقوع الضرر بالفعل. في المحاكاة، رصد المراقب الجديد التآكل في كل آلة عند أدنى المستويات المختبرة، بينما فاتته المخططات التقليدية تماماً حتى بدأت الآلة في الفشل. علاوة على ذلك، عندما اختبر الباحثون النظام على ثمانين آلة تعمل بشكل سليم تماماً، لم يطلق المراقب الجديد ولا المخططات القديمة أي إنذار كاذب واحد. وهذا يشير إلى أن الطريقة الجديدة حساسة بما يكفي لرصد العلامات الأولى للمشاكل دون التسبب في ذعر غير ضروري.

كشفت الدراسة أيضاً أن المراقب الجديد حساس جداً للتغيرات في المهمة نفسها. فإذا قام الباحثون بتغيير حجم القطعة، أو تسريع الدورة، أو تغيير موضع الإمساك، فإن المراقب يطلق إنذاراً بنفس قوة إنذاره للتآكل. وهذا يعني أنه لا يمكن ترك النظام يعمل ببساطة على أي آلة إلى الأبد؛ فهو يتطلب تسجيل "خط أساس صحي" (healthy baseline) جديد في كل مرة تتغير فيها المهمة أو بعد إجراء الصيانة. إذا تغير حجم القطعة، يحتاج المراقب إلى تعلم ما هو "الطبيعي الجديد". هذا ليس عيباً، بل هو ميزة ضرورية؛ فالنظام دقيق للغاية لدرجة أنه يلاحظ أي انحراف عن النمط الذي تعلمه. وأشار الباحثون إلى أن هذه الحساسية تعني أن أفضل استخدام للمراقب هو كـ "محفز" للفحص، لإخبار البشر بضرورة فحص الآلة، بدلاً من كونه تشخيصاً نهائياً لما هو الخطأ.

ورغم أن النتائج مقنعة، إلا أن الباحثين حذروا من أن هذا العمل تم بالكامل في محاكاة حاسوبية. فالتآكل الذي أدخلوه كان زيادة ثابتة ومتوقعة في الحركة العشوائية، وهو نوع محدد من أنواع الفشل. تواجه الروبوتات في العالم الحقيقي صدمات مفاجئة، ومشاكل كهربائية متقطعة، وتفاعلات فيزيائية معقدة لم تكن جزءاً من هذا الاختبار. كما استخدمت المحاكاة نموذجاً مبسطاً لم يتضمن الجاذبية أو وزن القطع، مركزة فقط على القدرة على مقارنة طرق المراقبة المختلفة. ورغم هذه القيود، فإن النتائج تقدم مساراً واضحاً للمستقبل. تشير الدراسة إلى أنه بالنسبة للمصانع التي تقوم بمهمة ثابتة، فإن الاعتماد فقط على متوسط حركة الروبوت ليس كافياً. يجب على المهندسين أيضاً تتبع مدى تباين الحركة، وينبغي عليهم التفكير في استخدام طرق تنظر إلى العلاقة بين الأوامر والاستجابات. ومن خلال القيام بذلك، قد يتمكنون من رصد أول همسات التآكل، وجدولة الإصلاح خلال استراحة مخططة، والحفاظ على خط الإنتاج يعمل دون إنتاج قطعة واحدة تالفة.