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

In het stille gezoem van een moderne fabriek bewegen industriële robots met een precisie die mensen niet kunnen evenaren, waarbij ze elke uur duizenden onderdelen optillen en plaatsen. Deze machines vertrouwen op grijpers, mechanische handen die sluiten om een object vast te pakken en deze weer loslaten om het langs de lijn te verplaatsen. Jarenlang wisten ingenieurs al dat deze grijpers niet plotseling falen; ze slijten langzaam en worden in de loop der tijd iets minder stabiel. De uitdaging is altijd geweest om te weten wanneer de machine moet worden stilgelegd voor onderhoud. Als een team te lang wacht, wordt de grijper zo los dat de onderdelen die hij vasthoudt uit hun uitlijning raken, wat een berg schroot oplevert. Als ze te vroeg stoppen, verspillen ze tijd en geld aan onnodige reparaties. Het doel is om de slijtage te detecteren bij het eerste teken, lang voordat de onderdelen zelf worden beschadigd, zodat de onderhoudsploeg een tijdspanne heeft om in te grijpen terwijl de machine nog goed werk levert.

Om deze vroege waarschuwing te vinden, richtte een team van onderzoekers onder leiding van Wael Hafez, Amirhossein Nazeri en Chenan Wei een virtuele testomgeving in. Ze gebruikten geen fysieke robot in een echte fabriek, maar creëerden in plaats daarvan een gedetailleerde computersimulatie van een pick-and-place cel. In deze digitale wereld konden ze elke variabele perfect controleren. Ze programmeerden een robot om herhaaldelijk een enkele taak uit te voeren: de grijper sluiten op een onderdeel van dertig millimeter, het optillen en het neerzetten. Vervolgens introduceerden ze een specifiek type slijtage in de simulatie, niet door een onderdeel te breken, maar door een kleine hoeveelheid willekeurige jitter toe te voegen aan de beweging van de grijper. Deze jitter bootst de manier na waarop een echt mechanisch gewricht zou kunnen gaan trillen of wiebelen wanneer de lagers verslechteren. De onderzoekers wilden zien of een nieuw type monitoringsysteem deze kleine wiebel kon opmerken voordat de standaardinstrumenten die in fabrieken worden gebruikt, dat konden.

De standaardinstrumenten staan bekend als controlekaarten. Dit zijn grafieken die fabrieksingenieurs al decennia gebruiken om één getal te bewaken, zoals de gemiddelde positie van de grijper of hoe meget die positie varieert van de ene cyclus naar de volgende. Wanneer het getal te ver afwijkt van het normale bereik, geeft de kaart een alarm. De onderzoekers testten twee veelvoorkomende typen van deze kaarten, die zoeken naar langzame verschuivingen in het gemiddelde of de spreiding van de gegevens. Ze vergeleken deze met een nieuwe methode genaamd een informatie monitor. In plaats van alleen naar één getal te kijken, kijkt dit nieuwe systeem naar de relatie tussen drie zaken: het commando dat de robot kreeg uitgevoerd te worden, de werkelijke beweging die hij maakte, en de beweging die hij een moment later maakte. Het stelt een eenvoudige vraag: produceert hetzelfde commando nog steeds dezelfde respons? Als de relatie tussen het commando en de respons verandert, suggereert dit dat de machine aan het slijten is, zelfs als de gemiddelde beweging normaal lijkt.

De resultaten van de simulatie waren opvallend. De onderzoekers lieten de robot bijna 288.000 productiecycli doorlopen, wat gelijk staat aan ongeveer 160 uur continu gebruik. Ze introduceerden de slijtage geleidelijk, beginnend op een niveau dat net iets boven het normale ligt en verhoogend totdat de grijper bewoog met vier keer de gebruikelijke hoeveelheid jitter. De nieuwe informatie monitor gaf bij elke machine het alarm zodra de jitter tussen de 1,2 en 1,45 keer het normale niveau bereikte. Op dat punt hield de grijper de onderdelen nog steeds perfect binnen de vereiste limieten. De machine produceerde nog steeds goede producten. In contrast hiermee bleven de standaard controlekaarten stil. Ze gaven pas een alarm nadat de jitter ongeveer drie keer het normale niveau had bereikt. Tegen de tijd dat de kaarten eindelijk om hulp schreeuwden, was de grijper zo los dat bijna elk geproduceerd onderdeel al defect was.

Dit verschil in timing is cruciaal voor de fabrieksoperaties. De onderzoekers ontdekten dat de eerste slechte onderdelen verschenen toen de jitter 1,5 keer het normale niveau bereikte. De informatie monitor ving het probleem op voordat die drempel ooit werd overschreden, waardoor het onderhoudsteam een duidelijke waarschuwing kreeg terwijl de onderdelen nog goed waren. De standaard kaarten detecteerden het probleem echter pas nadat de schade al was aangericht. In de simulatie ving de nieuwe monitor de slijtage op bij elke machine op de laagste geteste niveaus, terwijl de traditionele kaarten het volledig misten totdat de machine al aan het falen was. Bovendien, toen de onderzoekers het systeem testten op tachtig machines die perfect gezond draaiden, gaven noch de nieuwe monitor, noch de oude kaarten een enkel vals alarm. Dit suggereert dat de nieuwe methode gevoelig genoeg is om de vroegste tekenen van problemen te vinden zonder onnodige paniek te veroorzaken.

De studie onthulde ook dat de nieuwe monitor zeer gevoelig is voor veranderingen in de taak zelf. Als de onderzoekers de grootte van het onderdeel veranderden, de cyclus versnelden of de houdpositie verschoven, gaf de monitor het alarm even luidruchtig af als bij slijtage. Dit betekent dat het systeem niet simpelweg eeuwig op elke machine kan blijven draaien. Het vereist een nieuwe "gezonde baseline" die wordt opgenomen telkens wanneer de taak verandert of na onderhoud. Als de onderdeelgrootte verandert, moet de monitor leren wat het nieuwe normaal is. Dit is geen gebrek, maar een noodzakelijke functie; het systeem is zo precies dat het elke afwijking van het aangeleerde patroon opmerkt. De onderzoekers merkten op dat deze gevoeligheid betekent dat de monitor het beste gebruikt kan worden als een trigger voor een inspectie, die een mens vertelt om de machine te controleren, in plaats van als een definitieve diagnose van wat er mis is.

Hoewel de resultaten overtuigend zijn, benadrukken de onderzoekers zorgvuldig dat dit werk volledig in een computersimulatie heeft plaatsgevonden. De slijtage die zij introduceerden was een gestage, voorspelbare toename van willekeurige beweging, wat een specifiek type falen is. Robots in de echte wereld krijgen te maken met plotselinge schokken, intermitterende elektrische problemen en complexe fysieke interacties die geen deel uitmaakten van deze test. De simulatie gebruikte ook een vereenvoudigd model dat geen zwaartekracht of het gewicht van de onderdelen bevatte, met de focus enkel op het vermogen om verschillende monitoringsmethoden te vergelijken. Ondanks deze beperkingen bieden de bevindingen een duidelijk pad vooruit. De studie suggereert dat voor fabrieken die een vaste taak uitvoeren, het vertrouwen op alleen het gemiddelde van de beweging van een robot niet genoeg is. Ingenieurs zouden ook moeten bijhouden hoeveel de beweging varieert, en ze zouden methoden moeten overwegen die kijken naar de relatie tussen commando's en responsen. Door dit te doen, kunnen ze mogelijk de eerste fluistering van slijtage opvangen, een reparatie plannen tijdens een geplande pauze, en de productielijn draaiende houden zonder ooit een enkel slecht onderdeel te produceren.