Application de l'étude du temps dans les projets d'ingénierie robotique et d'automatisation

L'étude du temps est depuis longtemps la pierre angulaire de l'ingénierie industrielle, mais son application dans les projets d'ingénierie robotique et d'automatisation exige une approche nouvelle et axée sur les données.À mesure que les systèmes automatisés deviennent plus complexes et intégrés, la compréhension de la durée précise de chaque opération n'est plus un luxe.C'est une nécessité pour atteindre des temps de cycle optimaux, réduire les déchets et libérer tout le potentiel d'une chaîne de production.

La Fondation : ce que signifie l'étude du temps dans les environnements automatisés

L'étude du temps traditionnelle consiste à observer un opérateur humain effectuant une tâche et à enregistrer le temps pour chaque élément à l'aide d'un chronomètre. En robotique, le concept s'étend pour inclure les journaux de capteurs, les horodatages programmables de contrôleurs logiques (CLP) et les données du système de vision. L'objectif demeure le même : établir un temps standard pour chaque élément de travail, identifier les sources de variation et réduire systématiquement le temps non-à valeur ajoutée.

En automatisation, l'étude du temps ne consiste pas seulement à mesurer la durée de la prise et de la mise en place d'un composant par un bras robot. Il s'agit de comprendre l'interaction entre les profils de mouvement du robot, les vitesses du convoyeur, les retards de détection et les points d'intervention humains.

Pourquoi les méthodes traditionnelles tombent à court en robotique

Les robots, cependant, sont déterministes dans leurs trajectoires de mouvement, mais soumis à des variations de l'usure, de la température, des changements de charge utile et des écarts de programme. Une seule mesure peut ne pas saisir la répartition complète des temps de cycle. Par conséquent, l'étude moderne du temps dans l'automatisation repose sur l'échantillonnage statistique et la collecte continue de données du système de contrôle lui-même.

Par exemple, une cellule de soudage robotisée peut avoir un temps de cycle programmé de 45 secondes, mais les temps réels peuvent varier de 43 à 48 secondes en raison de durées variables de nettoyage de la torche ou d'incohérences d'aménagement de la pièce.

Méthodologie étape par étape pour mener une étude temporelle sur les projets de robotique

L'application de l'étude du temps à l'automatisation nécessite une approche structurée qui respecte à la fois la nature déterministe des machines et les éléments stochastiques de l'environnement. Le processus élargi suivant couvre les étapes essentielles, de la préparation à l'amélioration continue.

1. Définir la portée et l ' unité de travail

Préciser clairement les limites de l'opération à étudier. Est-ce une tâche robotisée unique (p. ex., le choix et le lieu d'un widget), une cellule entière (robot plus convoyeur plus inspection), ou une chaîne d'assemblage multi-stations? Découpez le processus global en macro-éléments et micro-éléments. Les macro-éléments peuvent inclure « pièce de sélection de robots », « mouvement de robots vers la position d'assemblage », « inserts de fixation de robots ». Les micro-éléments les décomposent en mouvements plus fins : « pièce d'approche », « grip », « lifting », « accélérer à la vitesse cible », « ralentir », « libérer ».

Chaque élément doit avoir un point de départ et de fin défini qui peut être identifié dans les données du capteur ou des images vidéo. Par exemple, le début de la "partie d'approche" pourrait être défini comme le moment où le robot quitte le capteur de position de la maison, et la fin lorsque le commutateur de proximité de la pince est fait.

2. Sélectionnez Outils de collecte de données

Bien qu'un chronomètre puisse encore être utilisé pour l'étalonnage initial, les projets modernes exigent des outils plus sophistiqués:

• Logs de contrôleurs de PLC et de robots:[ La plupart des robots industriels produisent des registres de temps de cycle, des heures de segment et des horodatages d'E/S via OPC UA ou EtherNet/IP. Capturez ces registres à la plus haute résolution disponible (généralement 1-10 ms).
• Lorsque l'on diagnostique des mouvements complexes ou la collaboration homme-robot, l'enregistrement vidéo à 240 fps ou plus permet une analyse image par image des mouvements trop rapide pour l'œil.
• Des outils comme PSM (Profector Scientific Method) ou même des scripts Python personnalisés peuvent analyser les fichiers journaux, calculer des statistiques et générer automatiquement des histogrammes.
• Capteurs de charge pour opérateurs humains:[ Dans les cellules semi-automatisées, les unités de mesure d'inertie (UMI) sur les travailleurs.

Pour un robot à grande vitesse à 120 cycles par minute, la précision en milliseconde est obligatoire. Pour une station de montage manuelle à cycle de cinq minutes, un chronomètre à résolution de 0,1 seconde peut suffire.

3. Documenter les conditions de travail normalisées

Une étude temporelle n'est valide que si les conditions sont cohérentes.

• Modèle robot, version firmware et profil de mouvement (p. ex., trapèze vs courbe S).
• Poids de charge utile, type de préhension, et réglages de pression ou de tension d'air.
• Vitesse du convoyeur, orientation de la présentation de la pièce et fiabilité du chargeur.
• Facteurs environnementaux : température, humidité, éclairage ambiant (touchant les systèmes de vision).
• Niveau d'expérience de l'opérateur si l'interaction humaine est en jeu.

Si une condition change au cours de l'étude, notez-la et traitez les données comme un échantillon distinct. Par exemple, un robot qui choisit deux types de pièces différents avec des géométries différentes aura deux distributions de temps de cycle distinctes.

4. Collecter les données : la taille de l'échantillon compte

Dans les études manuelles, on prend souvent au moins 10 à 20 cycles. Pour l'automatisation, la variabilité est plus faible mais toujours présente.

Lorsque z est le z-score (1,96 pour la confiance à 95 %), τ est l'écart type estimé par rapport à une étude pilote, et EO[ est l'erreur acceptable (p. ex., 0,5 seconde). Pour un robot avec φ = 0,3 s et E = 0,1 s, vous auriez besoin (1,96 * 0,3 / 0,1)2 φ 35 cycles. Recueillir au moins 50 cycles pour une base robuste.

Utilisez l'enregistrement automatisé dans la mesure du possible. Le timing manuel de 50 cycles de robots est fastidieux et sujet à erreur.

5. Analyser et normaliser les données

Une fois les temps bruts recueillis, effectuer l'analyse suivante :

• Supprimer les valeurs aberrantes: Exclure les cycles qui comprennent les changements de palette, les changements d'outils ou la récupération des défauts.Utilisez la méthode de la plage interquartile (QR) : tout point de données supérieur à 1,5× QR au-dessous du Q1 ou au-dessus du Q3 doit être signalé et étudié, non automatiquement rejeté.
• Computer les statistiques descriptives:[ Moyenne, médiane, mode, écart type, minimum, maximum et percentiles (P5, P50, P95, P99). La moyenne donne le temps moyen du cycle, mais la médiane est moins sensible aux valeurs aberrantes. Le P95 indique le temps que 95 % des cycles se terminent dans les garanties de débit.
• Créer des histogrammes et des cartes de contrôle:[ Un histogramme montre la forme de distribution (normale, bimodale, biaisée). Un graphique de contrôle (p. ex., diagramme à barres X et R) révèle si le processus est statistiquement stable au fil du temps.
• Pour obtenir une ventilation au niveau de l'élément :[ Si le système de logarithme capture les temps de segment, calculez la proportion de chaque élément qui contribue au total.

Par exemple, une cellule de forage robotique pourrait montrer que 40% du temps de cycle est passé en travers rapide (déplacement entre les trous), 30% dans le forage réel, et 30% dans le changement d'outil.

6. Identifier les goulots d'étranglement et les possibilités d'amélioration

Utilisez les données pour identifier l'élément le plus lent du processus. Les résultats communs dans l'automatisation comprennent:

• Accélération/décelation excessives qui peuvent être raccourcies sans perdre de précision.
• Temps d'attente inutiles en raison de signaux d'entrée/sortie mal synchronisés (par exemple, un robot attendant un capteur qui déclenche plus tard que nécessaire).
• Les temps d'inspection de la vision qui peuvent être parallélisés avec le mouvement du robot par des séquences qui se chevauchent.
• Des points d'intervention manuelles, comme un opérateur déchargeant un appareil, qui créent une extension de cycle.

Créez un graphique Pareto des temps d'élément pour visualiser les éléments «vital few» qui causent la majorité du temps de cycle. Puis, générer des hypothèses pour améliorer. Par exemple, réduire un temps d'acquisition de vision de 200 ms à 120 ms peut nécessiter de passer d'une caméra USB à une caméra GigE Vision avec déclenchement matériel.

7. Mettre en oeuvre des améliorations et effectuer des études de suivi

Après avoir apporté des changements – logique du programme robot, conception de l'outillage ou vitesse du convoyeur –, effectuez une nouvelle étude de temps pour vérifier l'impact. Utilisez la même méthode de mesure pour comparer les statistiques avant et après. Appliquer un test d'hypothèse (test en t à deux échantillons ou test en U à Mann-Whitney) pour déterminer si le changement est statistiquement significatif.

Fermez la boucle en mettant à jour les normes de production, en formant les opérateurs et en modifiant la logique des CPL si nécessaire. L'étude du temps n'est pas un événement ponctuel; elle devrait être intégrée dans un cycle d'amélioration continue (Plan-Do-Check-Act).

Avantages de l'application de l'étude du temps en robotique et l'automatisation

Investir du temps et des ressources dans une étude systématique donne des rendements tangibles qui vont au-delà de la simple réduction du temps du cycle.

• Équilibrage de la ligne :[ En connaissant le temps exact de cycle de chaque station, les ingénieurs peuvent distribuer uniformément, minimiser le temps de ralenti et augmenter l'efficacité globale de l'équipement (OEE).Une ligne équilibrée peut augmenter le débit de 15 à 30 % sans ajouter un seul robot.
• Évaluation et citation du coût :[ Pour les intégrateurs d'automatisation, des données précises sur le temps permettent d'estimer précisément les coûts des nouveaux projets. La surestimation du temps du cycle entraîne des soumissions non compétitives; la sous-estimation entraîne des délais manqués et une érosion des profits.
• Optimisation de l'énergie: Des cycles plus rapides signifient souvent une consommation d'énergie maximale plus élevée. Mais les données de l'étude du temps peuvent révéler des possibilités de réduire la consommation d'énergie en optimisant les profils de mouvement (p. ex., en utilisant des courbes S optimisées en énergie) et en réduisant les temps de ralenti, contribuant ainsi aux objectifs de durabilité.
• Amélioration de la collaboration homme-robot:[ Dans les applications collaboratives, le temps qu'un humain prend pour accomplir une tâche relative au cycle du robot est crucial.
• Inconvénients de maintenance prédictifs:[ Les tendances de l'augmentation du temps de cycle au cours des semaines ou des mois peuvent signaler une usure mécanique (p. ex., rétro-éclairage de la transmission, dégradation du roulement) avant qu'une panne ne se produise.

Défis et considérations : Naviguer dans les pièges

Malgré sa puissance, l'application de l'étude du temps dans les projets robotiques comporte des défis distincts qui nécessitent une planification soignée et une maîtrise technique.

Défi 1: Une haute résolution de données nécessite une infrastructure robuste

Pour capturer les microéléments, les ingénieurs ont besoin d'accéder aux données à haute vitesse des capteurs et des contrôleurs. De nombreux systèmes existants ne enregistrent que les temps de cycle total au niveau des PLC. Il peut être nécessaire de moderniser les contrôleurs modernes ou d'ajouter des dispositifs externes de capture des données, mais cela peut être coûteux.

Défi 2 : Variabilité par rapport aux pièces et à l'environnement

Les cellules automatisées gèrent souvent plusieurs variantes de produits, chacune avec un temps de cycle légèrement différent. Une seule valeur moyenne peut ne pas être représentative. La solution est de segmenter les données par type de produit et d'effectuer des études de temps distinctes pour chaque. Utilisez le code à barres ou l'entrée RFID pour marquer automatiquement les entrées de journal avec l'ID du produit.

Défi 3: L'effet de la hawthorne dans les opérations manuelles

Lorsque les opérateurs savent qu'ils sont chronométrés, ils peuvent travailler plus rapidement (ou plus lentement) que leur rythme normal. Il s'agit moins d'un problème pour les tâches purement robotiques, mais dans les cellules semi-automatisées où l'homme charge/décharge, l'effet existe. Mitiguer en utilisant la collecte de données cachées ou non intrusives lorsque l'éthique le permet.

Défi 4 : Changements dynamiques pendant l'opération

Les robots peuvent changer de programme, changer d'outil ou effectuer des routines de récupération après des erreurs. Ces événements faussent la répartition du temps du cycle. L'ingénieur doit décider s'il faut inclure de tels événements dans le temps du cycle « normal » ou les traiter comme des quotas distincts. Une pratique exemplaire consiste à définir un « cycle standard » (sans défaut, sans changement d'outil) et ensuite ajouter des quotas distincts pour les événements d'arrêt en fonction des taux d'occurrence historiques.

Défi 5 : Synchronisation de multiples flux de données

Dans une cellule multi-robots, l'alignement des chronomètres de différents contrôleurs peut être difficile. Utilisez un serveur de protocole de temps réseau commun (NTP) pour synchroniser toutes les horloges. Pour les besoins de haute précision, considérez une synchronisation de temps de niveau matériel comme IEEE 1588 (Protocole de temps de précision).

Techniques avancées: Intégration de l'étude du temps avec l'industrie 4.0

L'avènement des plateformes numériques et IoT a transformé l'étude du temps d'une activité manuelle, périodique en un processus continu et automatisé. Voici des méthodes avancées que les équipes de prospective utilisent :

Surveillance en temps réel du temps de cycle avec tableaux de bord

Raccordez le contrôleur robot à une plate-forme cloud ou bord (par exemple, en utilisant MQTT ou MTConnect). Faites circuler les données de temps de cycle chaque cycle et affichez-les sur un tableau de bord en temps réel montrant la moyenne de fonctionnement, l'écart-type et les limites de contrôle.

Simulation numérique jumelée pour l'analyse de ce qui-si

Construisez un jumeau numérique de la cellule dans des logiciels tels que Siemens Tecnomatix, Visual Components ou MATLAB/Simulink. Étalonnez la simulation à l'aide de données réelles d'étude du temps (temps d'élément, accélérations, vitesses de convoyeur). Ensuite, exécutez des centaines de scénarios – changer les chemins de robot, ajouter des capteurs, modifier les séquences de parties – pour prédire les résultats du cycle sans perturber la production.

Apprentissage automatique pour la détection et l'optimisation des anomalies

Avec suffisamment de données historiques sur le temps du cycle, former un modèle (p. ex. forêt aléatoire ou LSTM) pour prédire le temps du cycle en fonction de variables d'entrée comme l'ID de lot, la température et les temps de cycle précédents. Le modèle peut signaler des cycles qui sont anormaux avant qu'ils ne causent une défaillance.

Combiner l'étude du temps et la capture de mouvement pour l'analyse ergonomique

Lorsque les humains travaillent avec des robots, les données d'étude du temps peuvent être fusionnées avec la capture de mouvement (p. ex., des combinaisons d'inertie) pour analyser le temps et la biomécanique.

Étude de cas : l'étude du temps réduit le temps de cycle de 22 % dans une ligne d'assemblage robotique

Considérez une ligne de montage électronique grand public où six robots collaboratifs (cobots) attachent des composants de téléphone. Le temps de cycle initial était de 8,2 secondes par produit. Une équipe d'ingénierie a effectué une étude systématique du temps à l'aide de registres de contrôleurs robot sur deux quarts (600 cycles). Ils ont découvert que les cobots ont passé 1,8 seconde (22% du temps de cycle) en attendant qu'un système de vision inspecte la partie précédente avant de permettre le choix suivant.

En re-séquençant le programme de robot pour commencer l'inspection plus tôt (surlargage avec le robot traversant le mouvement), le temps d'attente est tombé à 0,3 seconde. Le temps de cycle a diminué à 6,7 secondes – une amélioration de 22%. Le changement n'a exigé que des modifications logicielles, aucun investissement matériel. Les études de suivi ont confirmé les gains et ont également révélé une légère augmentation de la variation de position de la pince parce que le robot se déplaçait maintenant avant que le résultat de l'inspection soit entièrement confirmé. L'équipe a ajusté les seuils de détection et a validé que les taux de défaut sont demeurés inchangés.

Ce cas illustre comment une étude ciblée sur le temps, combinée à la réflexion créative sur le processus, peut générer des rendements significatifs avec un investissement en capital minimal.

Conclusion

Dans les projets d'ingénierie robotique et d'automatisation, c'est un outil essentiel pour atteindre des performances de pointe, réduire les coûts et conduire à une amélioration continue. En dépassant le chronomètre et en adoptant l'enregistrement des données, l'analyse statistique et la simulation numérique à deux niveaux, les ingénieurs peuvent découvrir des inefficacités cachées qui resteraient invisibles autrement. Les défis de la qualité des données, de la variabilité et de la synchronisation sont réels, mais avec une approche méthodique et des outils modernes, ils sont gérables.