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

Im leisen Summen einer modernen Fabrik bewegen sich Industrieroboter mit einer Präzision, die Menschen nicht erreichen können, indem sie jede Stunde tausende Teile heben und platzieren. Diese Maschinen verlassen sich auf Greifer, mechanische Hände, die sich schließen, um ein Objekt zu greifen, und es wieder loslassen, um es entlang der Linie zu bewegen. Jahrelang wussten Ingenieure, dass diese Greifer nicht plötzlich versagen; sie verschleißen langsam und werden im Laufe der Zeit etwas weniger stabil. Die Herausforderung bestand schon immer darin, zu wissen, wann man die Maschine für Wartungsarbeiten stoppen muss. Wenn ein Team zu lange wartet, wird der Greifer so locker, dass die Teile, die er hält, aus der Ausrichtung fallen, was einen Haufen Ausschuss erzeugt. Wenn sie zu früh anhalten, verschwenden sie Zeit und Geld durch unnötige Reparaturen. Das Ziel ist es, den Verschleiß beim allerersten Anzeichen zu erfassen, lange bevor die Teile selbst ruiniert werden, um dem Wartungsteam ein Zeitfenster zu geben, während die Maschine noch gute Arbeit leistet.

Um diese frühe Warnung zu finden, richtete ein Forscherteam unter der Leitung von Wael Hafez, Amirhossein Nazeri und Chenan Wei eine virtuelle Testumgebung ein. Sie verwendeten keinen physischen Roboter in einer echten Fabrik, sondern erstellen stattdessen eine detaillierte Computersimulation einer Pick-and-Place-Zelle. In dieser digitalen Welt konnten sie jede Variable perfekt kontrollieren. Sie programmierten einen Roboter, um eine einzige Aufgabe wiederholt auszuführen: seinen Greifer um ein dreißig Millimeter großes Teil zu schließen, es anzuheben und abzulegen. Dann führten sie eine spezifische Art von Verschleiß in die Simulation ein, nicht indem sie ein Teil beschädigten, sondern indem sie eine kleine Menge an zufälligem Zittern (Jitter) in die Bewegung des Greifers einfügten. Dieses Zittern ahmt die Art und Weise nach, wie ein echtes mechanisches Gelenk anfangen könnte zu wackeln oder zu schwanken, wenn seine Lager verschleißen. Die Forscher wollten sehen, ob ein neues System zur Überwachung dieses winzige Wackeln erkennen kann, bevor die Standardwerkzeuge, die in Fabriken verwendet werden, es bemerken.

Die Standardwerkzeuge sind als Regelkarten bekannt. Dies sind Grafiken, die Fabrikingenieure seit Jahrzehnten nutzen, um eine einzelne Zahl zu beobachten, wie etwa die durchschnittliche Position des Greifers oder wie stark diese Position von einem Zyklus zum nächsten variiert. Wenn die Zahl zu weit aus dem normalen Bereich abweicht, schlägt die Karte Alarm. Die Forscher testeten zwei gängige Arten dieser Karten, die nach langsamen Verschiebungen im Durchschnitt oder in der Streuung der Daten suchen. Sie verglichen diese mit einer neuen Methode, einem Informationsmonitor. Anstatt nur eine Zahl zu beobachten, betrachtet dieses neue System die Beziehung zwischen drei Dingen: dem Befehl, den der Roboter ausführen sollte, der tatsächlichen Bewegung, die er ausführte, und der Bewegung, die er einen Moment später ausführte. Es stellt eine einfache Frage: Erzeugt derselbe Befehl immer noch dieselbe Reaktion? Wenn sich die Beziehung zwischen dem Befehl und der Reaktion ändert, deutet dies darauf hin, dass die Maschine verschleißt, selbst wenn die durchschnittliche Bewegung normal aussieht.

Die Ergebnisse der Simulation waren beeindruckend. Die Forscher ließen den Roboter fast 288.000 Produktionszyklen durchlaufen, was etwa 160 Stunden Dauerbetrieb entspricht. Sie führten den Verschleiß schrittweise ein, beginnend bei einem Niveau knapp über dem Normalwert, und steigerten ihn, bis der Greifer mit dem vierfachen seiner üblichen Menge an Zittern bewegte. Der neue Informationsmonitor schlug bei jeder Maschine Alarm, sobald das Zittern zwischen dem 1,2- und -1,45-fachen des Normalwerts erreichte. Zu diesem Zeitpunkt hielt der Greifer die Teile noch perfekt innerhalb der erforderlichen Grenzwerte. Die Maschine produzierte noch gute Produkte. Im Gegensatz dazu blieben die Standard-Regelkarten stumm. Sie schlugen erst Alarm, als das Zittern etwa das Dreifache des Normalwerts erreicht hatte. Bis die Karten schließlich um Hilfe schrien, war der Greifer so locker, dass fast jedes produzierte Teil bereits defekt war.

Dieser Unterschied im Timing ist entscheidend für den Fabrikbetrieb. Die Forscher fanden heraus, dass die ersten schlechten Teile auftauchten, als das Zittern den 1,5-fachen Normalwert erreichte. Der Informationsmonitor erfasste das Problem, bevor diese Schwelle überhaupt überschritten wurde, und gab dem Wartungsteam eine klare Warnung, während die Teile noch gut waren. Die Standardkarten hingegen erkannten das Problem erst, nachdem der Schaden bereits entstanden war. In der Simulation erfasste der neue Monitor den Verschleiß bei jeder Maschine auf den niedrigsten getesteten Ebenen, während die traditionellen Karten ihn völlig übersahen, bis die Maschine bereits ausfiel. Darüber hinaus stellten die Forscher fest, dass, als sie das System an achtzig Maschinen testeten, die perfekt gesund liefen, weder der neue Monitor noch die alten Karten einen einzigen Fehlalarm auslösten. Dies deutet darauf hin, dass die neue Methode empfindlich genug ist, um die frühesten Anzeichen von Problemen zu finden, ohne unnötige Panik zu verursachen.

Die Studie zeigte auch, dass der neue Monitor sehr empfindlich auf Änderungen am Job selbst reagiert. Wenn die Forscher die Größe des Teils änderten, den Zyklus beschleunigten oder die Halteposition verschoben, schlug der Monitor genauso laut Alarm wie beim Verschleiß. Das bedeutet, dass das System nicht einfach ewig auf jeder Maschine laufen kann. Es erfordert eine neue „gesunde Baseline“, die jedes Mal aufgezeichnet werden muss, wenn sich der Job ändert oder nach einer Wartung durchgeführt wurde. Wenn sich die Teilegröße ändert, muss der Monitor lernen, was das neue Normal ist. Dies ist kein Fehler, sondern ein notwendiges Merkönnen; das System ist so präzise, dass es jede Abweichung vom gelernten Muster bemerkt. Die Forscher merkten an, dass diese Empfindlichkeit bedeutet, dass der Monitor am besten als Auslöser für eine Inspektion eingesetzt werden sollte, um einen Menschen zur Überprüfung der Maschine aufzufordern, anstatt als endgültige Diagnose dessen, was das Problem ist.

Obwohl die Ergebnisse überzeugend sind, weisen die Forscher vorsichtig darauf hin, dass diese Arbeit vollständig in einer Computersimulation stattfand. Der Verschleiß, den sie einführten, war eine stetige, vorhersehbare Zunahme der zufälligen Bewegung, was eine spezifische Art von Ausfall darstellt. Reale Roboter sind mit plötzlichen Erschütterungen, intermittierenden elektrischen Problemen und komplexen physikalischen Interaktionen konfrontiert, die nicht Teil dieses Tests waren. Die Simulation verwendete zudem ein vereinfachtes Modell, das die Schwerkraft oder das Gewicht der Teile nicht berücksichtigte und sich nur auf die Vergleichbarkeit verschiedener Überwachungsmethoden konzentrierte. Trotz dieser Einschränkungen bieten die Ergebnisse einen klaren Weg nach vorne. Die Studie legt nahe, dass es für Fabriken, die einen festen Job ausführen, nicht ausreicht, sich nur auf die durchschnittliche Bewegung eines Roboters zu verlassen. Ingenieure sollten auch verfolgen, wie stark die Bewegung variiert, und sie sollten in Betracht ziehen, Methoden zu verwenden, die die Beziehung zwischen Befehlen und Reaktionen untersuchen. Indem sie dies tun, könnten sie das erste Flüstern des Verschleißs erfassen, eine Reparatur während einer geplanten Pause einplanen und die Produktionslinie am Laufen halten, ohne jemals ein einziges schlechtes Teil zu produzieren.