החלת מחקר זמן ב- Robotics ו- אוטומציה הנדסה פרויקטים

מחקר זמן כבר מזמן היה אבן הפינה של הנדסה תעשייתית, אבל היישום שלה בפרויקטים רובוטיקה ואוטומציה דורש גישה חדשה, המונעת נתונים. כמו מערכות אוטומטיות להיות מורכב יותר ומשולבת, להבין את משך המדויק של כל פעולה כבר לא מותרות - זה הכרחי להשגת זמני מחזור אופטימלי, צמצום פסולת, ופתיחת פוטנציאל מלא של קו ייצור.

הקרן: מה משמעות מחקר הזמן בסביבה אוטומטית

מחקר מסורתי של זמן כולל התבוננות במפעיל אנושי ביצוע משימה והקלטה של הזמן עבור כל אלמנט באמצעות שעון עצירה.ברובוטיקה, הרעיון מתרחב לכלול יומני חיישן, בקר לוגיקה לוגי (PLC) פעמיםtamps, ונתונים מערכת הראייה.המטרה נשארת זהה: להקים זמן סטנדרטי עבור כל רכיב עבודה, לזהות מקורות של וריאציות, ולצמצם באופן שיטתי זמן לא מוערך.

באוטומציה, מחקר זמן אינו רק על מדידה של כמה זמן זרוע רובוט לוקח לבחור ולמקם רכיב.זה על הבנה בין פרופילי תנועה רובוטית, מהירות שידור, עיכובים חיישן, נקודות התערבות אנושית.כאשר הוא מיושם כראוי, זה מאפשר מהנדסים לאזן קווים, מגודלים, ולוגיקה בקרה עיצובית המפחיתה את הזמן.

מדוע שיטות מסורתיות נופלות קצרות ב- Robotics

מחקרים קלאסיים של הפסקת עישון מניחים ביצועים אנושיים חוזרים יחסית.רובוטים, עם זאת, הם דטרמיניסטים במסלולי התנועה שלהם אבל כפופים לריאציות מלבוש, טמפרטורה, שינויים בשכר, וסטיות התוכנית. מדידה אחת לא יכולה לתפוס את ההפצה המלאה של זמני מחזור.לכן, מחקר מודרני באוטומציה מסתמכת על דגימה סטטיסטית ואוסף נתונים מתמשך ממערכת הבקרה עצמה.

לדוגמה, תא בידוד רובוטי עשוי להיות זמן מחזורי מתוכנן של 45 שניות, אבל הזמנים בפועל עשויים לנוע בין 43 ל-48 שניות בשל זמני ניקוי לפיד משתנים או חלק בלתי עקביים.ללא מתודולוגיה מחקרית זמן רבודה, הפסדים מוסתרים אלה נותרו ללא הזנחה.

שלב-בי-שלב מתודולוגיה לביצוע מחקר זמן בפרויקטים רובוטיים

החלת זמן לימוד אוטומציה דורשת גישה מובנית המכבדת את האופי הדטרמיוני של מכונות ואת האלמנטים הסטנצנצים של הסביבה.התהליך המורחב הבא מכסה את השלבים החיוניים, מההכנה לשיפור מתמשך.

1.הגדירו את ה-Scope ו- Unit of Work

ברור שגבולות המבצע יש לחקור.האם זו משימה רובוטית אחת (למשל, בחירת ומקום של widget), תא שלם (רובוט בתוספת העברה בתוספת בדיקה), או קו ייצור רב-הפלה? לשבור את התהליך הכולל לתוך מקרו-elements ומיקרו-elements ", Macro-elements עשוי לכלול "בחירת רובוטים", "לעבורות רובוט" ל"תזוזה" במהירות "מיקרו-מטה" (Fretretreter" ל" (Freter) ל" (Freter-S) ל-S) ל-S" (Fretexerretexretexer-S, "Frerereterreterreter-Limits) ל-Steretease) ל-S" (Fretretretretreterretease) ל-Limits) ל-S, "Fretexate" (Fretexretease) ל-S" (Fretexretease) ל-Ledease) ל-Mitexretexerretexerretretexerreteases

לכל רכיב צריך להיות נקודת התחלה וסיום מוגדרת שניתן לזהות בנתונים של חיישן או קטעי וידאו.לדוגמה, תחילת "חלק משוער" יכול להיות מוגדר ברגע שהרובוט עוזב את חיישן המיקום הביתי, ואת הסוף כאשר מתג הקרבה התופס נעשה.

2.הכולים של איסוף נתונים

בעוד ששעון עצירה עדיין יכול לשמש לסימון ראשוני, פרויקטים מודרניים דורשים כלים מתוחכמים יותר:

• (FLT:0) ,TPLC ו- Robot Controller:FreaLT:1) רוב הרובוטים התעשייתיים פלטו את זמן הרישום, פילוח, ו- I/O פעמיםtamps דרך OPC UA או EtherNet/IP. לתפוס את אלה ברזולוציה הגבוהה ביותר זמין (בדרך כלל 1-10 מ's).
• (FLT:0) מצלמות וידאו מהירות:FLT:1, כאשר אבחון תנועות מורכבות או שיתוף פעולה רובוטי אנושי, הקלטת וידאו ב 240 fps או גבוה יותר מאפשר ניתוח מסגרת של תנועות מהר מדי לעיניים.
• (FLT:0) זמן ללכוד תוכנה:FLT:1 כלים כמו PSM (שיטת מדעית מקצועית) או אפילו תסריטי פייתון מותאם אישית יכולים לסווג קבצים, סטטיסטיקות מותאמות וליצור את הרטוגרמה באופן אוטומטי.
• (FLT:0 חיישנים בלתי ניתנים להשגה עבור מפעילי אנוש:FreaLT:1) בתאים למחצה, יחידות מדידה לא רצויות (IMUs) על מפרקי העובדים יכולים להגיע לזמנים ולתקופות של idle.

בחר את הכלי המתאים לדיוק הנדרש.עבור רובוט מהיר של איסוף ומיקום לרוץ 120 מחזור לדקה, דיוק מילימטרי הוא חובה.עבור תחנת הרכב ידנית עם מחזור של 5 דקות, שעון עם פתרון של 0-שנית עשוי להיות מספיק.

3.החוק בתנאי העבודה הסטנדרטיים

מחקר זמן תקף רק אם התנאים עקביים.תרשום את הפעולות הבאות לצורך התאמה:

• מודל רובוט, גרסת קושחה ופרופיל תנועה (למשל, מלכודת לעומת S-curve).
• משקל מטען, סוג של לוכד, ולחץ אוויר או הגדרות מתח.
• מהירות קונוויור, מצגת חלקית, ואמינות להאכיל.
• גורמים סביבתיים: טמפרטורה, לחות, תאורה מכוננת (מערכות ראייה משפיעות).
• ניסיון תפעולי ברמה אם אינטראקציה אנושית מעורבת.

אם מצב כלשהו משתנה במהלך המחקר, שימו לב אליו ולטיפול בנתונים כדגימה נפרדת.לדוגמה, רובוט שבוחר שני סוגים שונים של חלקים עם גיאוגרפיה שונה יהיו שתי התפלגות זמן מחזורית נפרדת.

4.לעיין בנתונים: Size Matters

במחקרים ידניים, לעתים קרובות לוקחים מינימום של 10-20 מחזורים.עבור אוטומציה, הכדאיות נמוכה אך עדיין נוכחת. השתמש בנוסחה הסטטיסטית בגודל של הדגימה:

(ב) .

(ב) [15] ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

השתמש ברישום אוטומטי בכל מקום אפשרי.בדרך כלל תזמון 50 מחזורי הרובוט הוא edious וטעייה-פרון במקום, להגדיר היסטוריון נתונים המרשם את "המחזור השלם" bittimetamp עבור מאות מחזורים ללא התערבות מפעיל.

5. Analyze ו Normalize את הנתונים

לאחר שזמני הגלם נאספים, בצעו את הניתוח הבא:

• (FLT:0) Remove Outliers: FLT3:1) כולל מחזורים הכוללים שינויים ב- platlet, שינויים בכלי או שחזור לקוי. השתמש בשיטה הבין-קוויל (IQR): כל נקודת נתונים יותר מ-1.5× IQR מתחת ל- Q1 או מעל Q3 יש ל-Dagged ו-Q3, לא להימחק באופן אוטומטי.
• (FLT:0)Compute descriptive סטטיסטיקות: FevolveLT:1 , אמצעי, סטייה סטנדרטית, מינימום, מקסימום ואחוזות (P5, P50, P95, P95, P99) נותן זמן מחזור ממוצע, אבל החציון פחות רגיש ל-Outliers.
• (FLT:0) לרטוגרמה ו ⁇ הבקרה: ⁇ : איור 1:1 A Histogram מראה את צורת ההפצה (נורמלי, דו-ממדי, skeed) תרשים בקרה (למשל, X-bar ו- R תרשים) מגלה אם התהליך יציב סטטיסטית לאורך זמן.
• (ב) התפלגות יסוד:0) התמוטטות של יסוד: FLT:1 אם מערכת הרישום לוכדת את זמני המגזר, חישוב השיעור שכל אלמנט תורם לסך הכל.

לדוגמה, תא קידוח רובוטי עשוי להראות כי 40% מהזמן המחזורי הוא בילה במעבר מהיר (העברה בין חורים), 30% בתרגול בפועל, ו 30% בשינוי כלי.

זיהוי צווארי בקבוק ואפשרויות שיפור

השתמש בנתונים כדי לזהות את האלמנט האיטי ביותר בתהליך.ממצאים נפוצים באוטומציה כוללים:

• האצה מופרזת / ירידה של רמפות שניתן לקצר ללא אובדן דיוק.
• זמני המתנה ללא צורך עקב אותות I / O מסונכרנים (למשל, רובוט מחכה חיישן כי גורם מאוחר יותר מהנדרש).
• זמני בדיקה של חזון שניתן להשוות עם תנועה רובוטית באמצעות רצפים חופפים.
• נקודות התערבות ידנית, כגון מפעיל שלא מגייס תיקון, אשר יוצרות הרחבה מחזורית.

צור תרשים Pareto של פעמים אלמנט כדי לדמיין את האלמנטים "כמה" שגורמים לרוב של זמן מחזור. ואז, ליצור היפותזה לשיפור.לדוגמה, צמצום זמן רכישת ראייה מ 200 מ"ס ל-120 מ"מ עשוי לדרוש מעבר ממצלמת USB למצלמת חזון עם חומרה.

7.השיפורים והתנהלות מחקרי מעקב

לאחר ביצוע שינויים - בין אם בטכניקת תכנית הרובוט, עיצוב כלי, או מהירות העברת - ניתן לבצע מחקר חדש כדי לאמת את ההשפעה. השתמש באותה מתודולוגיה מדידה כדי להשוות לפני ואחרי סטטיסטיקות. החל מבחן השערה (למשל, שני-פרק t-מבחן או Mann-Whitney U test) כדי לקבוע אם השינוי הוא משמעותי סטטיסטית של המסמך המובנה (למשל, כולל אפקט חדש, על ידי הגדלת, על ידי שימוש).

סגור את הלולאה על ידי עדכון תקני הייצור, מפעילי הכשרה, ומשנה לוגיקה PLC אם יש צורך.זמן מחקר הוא לא אירוע חד פעמי; זה צריך להיות משולב במחזור שיפור מתמשך (Plan-Do-Check-Act).

היתרונות של יישום זמן מחקר רובוטיקה ואוטומציה

השקעה בזמן ומשאבים למחקר שיטתי מניבה החזרות מוחשיות, שאינן מעבר להפחתה פשוטה של זמן מחזור.

• (FLT:0) איזון קו קו קו קו:FLT:1 על ידי הידיעה על זמן מחזור המדויק של כל תחנה, מהנדסים יכולים להפיץ עבודה באופן שווה, להפחית את הזמן המזוין, להגדיל את יעילות הציוד הכולל (OEE) קו מאוזן יכול להגביר את התפוקה על ידי 15-30% ללא הוספת רובוט אחד.
• (FLT:0) הערכה וציטוטים: ⁇ FLT 1 עבור אינטגרטורים אוטומציה, נתונים מדויקים של זמן מאפשר הערכות בעלות מדויקות עבור פרויקטים חדשים. overestimating זמן מחזור מוביל לציטוטים לא תחרותיים; תחת הנחה מוביל מועדים פספס ושחיקה.
• (FLT:0) אופטימיזציה של אנרגיה: FLT:1 מהיר יותר פעמים לעתים קרובות מתכוון צריכת חשמל גבוהה יותר שיא.אבל זמן מחקר נתונים יכול לחשוף הזדמנויות להפחית את השימוש באנרגיה על ידי אופטימיזציה של פרופילים תנועה (למשל, באמצעות אנרגיה-אופטימי S-curves) וצמצום זמניים של שומן, לתרום למטרות קיימות.
• (FLT:0) שיפור שיתוף הפעולה של רובוט אנושי: אנדרל 1 ביישומים שיתופיים, הזמן שאדם לוקח להשלים משימה ביחס למחזור הרובוט הוא קריטי.מחקר זמן עוזר לעצב נקודות כוח בטוח ויעיל ומפחית את זמן ההמתנה, שיפור ארגונומיה וסיפוק העבודה.
• (FLT:0) תובנות תחזוקה מוקדמות: FLT:1 Trends ב- מחזור זמן גדל יותר משבוע או חודשים יכול לסמן ללבוש מכני (למשל, גיבוי הילוכים, השפלה הנושא) לפני מתרחשת התמוטטות. תרשים בקרה פשוט על זמן מחזור יכול לשמש מערכת התראה מוקדמת.

אתגרים ושיקולים: לנווט את המלכודות

למרות כוחו, החלת מחקר זמן בפרויקטים רובוטיים מגיעה עם אתגרים שונים הדורשים תכנון זהיר ומיומנות טכנית.

אתגר 1: החלטת נתונים גבוהה דורשת את רובוסט תשתיות

כדי ללכוד micro-elements, מהנדסים צריכים גישה למידע מהיר מחיישנים ובקרים.מערכות מורשת רבות נותנות רק זמני מחזור מלאים ברמת PLC. upgrading לבקרים מודרניים או הוספת מכשירים חיצוניים של לכידת נתונים עשוי להיות נחוץ אבל יכול להיות יקר.

אתגר 2: שינוי מחלקים וסביבתם

תאים אוטומטיים מטפלים לעתים קרובות בגרסאות מרובות של מוצרים, כל אחד עם זמן מחזור שונה במקצת.ערך אחד אומר לא יכול להיות נציג.הפתרון הוא לפרט נתונים על ידי סוג המוצר ולבצע מחקרים נפרדים עבור כל.שימוש ברקוד או קלט RFID לתייג באופן אוטומטי את הרשומות עם מזהה המוצר. ואז, ליצור משפחה של פעמים סטנדרטיות ולהתאים את האיזון בהתאם.

אתגר 3: "אפקט ההפצצה" בביצועים

כאשר מפעילי יודעים שהם מעודכנים, הם עשויים לעבוד מהר יותר (או לאט יותר) מאשר הקצב הרגיל שלהם.זה פחות בעיה עבור משימות רובוטיות טהורות, אבל תאים למחצה-אוטומטיים שבהם בני אדם עומס/עומס, ההשפעה קיימת. Mitigate על ידי שימוש בקובץ נתונים מוסתר או לא פולשני שבו מותר מבחינה אתית. לחלופין, לאסוף נתונים על פני תקופה ארוכה (ימים או שבועות) כך שפעילות ראשונית מיישבת מחדש.

אתגר 4: שינויים דינמיים במהלך המבצע

רובוטים יכולים לעבור בין תוכניות, לשנות כלים, או לבצע שגרות שיקום לאחר שגיאות.אירועים אלה משכינים את חלוקת זמן מחזורית.המהנדס חייב להחליט אם לכלול אירועים כאלה בזמן מחזור "רגיל" או לטפל בהם כקצבאות נפרדות.פרקטיקה טובה יותר היא להגדיר "מחזור סטנדרטי" (ללא תקלות, שום שינוי בכלי) ולאחר מכן להוסיף קצבאות נפרדות לאירועים המבוססים על שיעורי התרחשות היסטוריים.

אתגר 5: סינכרון של מספר רב של זרימת נתונים

בתא רב-רובוט, המיישר את ה-Timestamps מבקרים שונים יכול להיות מסובך. השתמש בפרוטוקול זמן רשת משותף (NTP) כדי לסנכרן את כל המשקפיים.עבור צרכים גבוהים, לשקול סינכרון זמן ברמה חומרה כמו IEEE 1588 (פרוטוקול זמן טרום חישובי) ללא כראוי, התמוטטות אלמנטנית הופכת ללא משמעות.

טכניקות מתקדמות: Integrating Time Study with Industry 4.0

הופעתם של תאומים דיגיטליים ופלטפורמות IoT הפכה את המחקר של פעילות ידנית, תקופתית בתהליך מתמשך ואוטומטי.כאן שיטות מתקדמות שצוותי חשיבה קדימה משתמשים בהן:

מעקב בזמן אמת עם דשורד

לחבר את בקר הרובוט לפלטפורמת ענן או קצה (למשל, באמצעות MQTT או MTConnect) מחזור מחזור זמן נתונים כל מחזור ולהציג אותו על לוח זמנים בזמן אמת מראה משמעות, סטייה סטנדרטית ומגבלות בקרה. כאשר התהליך עולה על גבולות סטטיסטיים, התראה נוצרת, המאפשרת חקירה מיידית.זה הופך את הזמן ללמוד לתוך לולאה חיה.

סימולציית טווין דיגיטלית ל-What-If Analysis

בנה תא דיגיטלי של התא בתוכנה כמו Siemens Tecnomatix, רכיבי חזותי, או MATLAB /Simulink. Calibrate את הסימולציה באמצעות נתוני מחקר בזמן בפועל (זמני יישום, האצה, מהירות שידור) ולאחר מכן, לרוץ מאות תרחישים - החלפת נתיבי רובוט, הוספת חיישנים, שינוי רצפים חלק - כדי לחזות תוצאות מחזוריות ללא הפרעה ייצור זה חשוב במיוחד במהלך שלב חדש של קו חדש.

Machine Learning for Anomaly Detection and Optimization

עם מספיק היסטורי מחזור נתונים, להכשיר מודל (למשל, יער אקראי או LSTM) כדי לחזות זמן מחזור מבוסס על משתנים קלט כגון מזהה אצווה, טמפרטורה, ותקופות מחזור קודמות.המודל יכול מחזורי דגל שאינם נורמליים לפני שהם גורמים לאסון.בנוסף, אלגוריתמי למידה חיזוק יכולים להתאים פרופילים רובוטיים תנועה כדי למזער את זמן מחזור תוך שמירה על אנרגיה האצה.

שילוב של זמן מחקר עם תנועה ללכוד ניתוח ארגונומי

כאשר בני אדם עובדים לצד רובוטים, ניתן למזג נתונים של מחקר בזמן עם לכידת תנועה (למשל, החל מתביעות לא רצויות) לנתח הן את הזמן והן ביומכניקה.זה מאפשר למהנדסים לעצב מחדש את המשרות כדי להפחית את זמני המפעילים ואת התננוחות מביכות, תוך שיפור מחזור זמן ובטיחות העובד.

מחקר מקרה: מחקר הזמן מקטין את מחזור הזמן ב-22% בקו אספנות רובוטית

שקול קו הייצור של מוצרי אלקטרוניקה לצרכנים שבו שישה רובוטים שיתופיים (cobots) מייחסים רכיבי טלפון.זמן מחזור מקורי היה 8.2 שניות לכל מוצר. צוות הנדסה ביצע מחקר שיטתי של זמן באמצעות יומני בקר רובוט על פני שתי משמרות (600 מחזורים) הם גילו כי הרובוטים בילו 1.8 שניות (22% מהזמן המחזור) מחכים למערכת ראייה לבדוק את החלק הקודם לפני שתאפשר את הראיון הבא היה מבחן, לא מקביל, לא מקביל.

על ידי ריצוף תוכנית הרובוט כדי להתחיל את הבדיקה מוקדם יותר (המעבר להילוך מעבר של הרובוט), זמן ההמתנה ירד ל 0.3 שניות.זמן המחזור ירד ל-6.7 שניות - שיפור של 22%.השינוי הנדרש רק שינויים בתוכנה, ללא השקעה בחומרה.עקוב אחר זמן מחקרים אישרו את הרווחים וגם חשפו עלייה קלה בתנודות עמדה לוכדת כי הרובוט עבר עכשיו לפני התוצאה הסופית של 1,80,000 יחידות ייצור ללא שינוי.

מקרה זה מדגים כיצד מחקר זמן ממוקד, בשילוב עם חשיבה תהליך יצירתי, יכול להניב תשואה משמעותית עם עיכוב הון מינימלי.

מסקנה

מחקר זמן אינו מהווה הפוגה של העבר.בפרויקטים הנדסיים רובוטיים ואוטומציה, זהו כלי חיוני להשגת ביצועי שיא, צמצום עלויות, והובלת שיפור מתמשך.על ידי מעבר לשעון ולאימוץ נתונים, ניתוח סטטיסטי וסימולציה תאום דיגיטלית, מהנדסים יכולים לחשוף חוסר יעילות חבוי כי אחרת תישאר ללא אפשרות של איכות נתונים, ריקנות, וסינכרון הם אמיתיים עם גישה אינטגרציה יעילה יותר, כמו שיטות למידה סטנדרטיות, כמו גם שיטות למידה סטנדרטיות, כמו שיטות למידה מתקדמות, כמו שיטות למידה, כמו שיטות למידה מתקדמות, כמו גם שיטות למידה סטנדרטיות, כמו שיטות למידה סטנדרטיות, כמו שיטות למידה סטנדרטיות, כמו גם שיטות למידה סטנדרטיות, כמו גם שיטות למידה סטנדרטיות, כמו גם שיטות למידה סטנדרטיות, כמו שיטות למידה סטנדרטיות, כמו גם שיטות למידה סטנדרטיות, כמו גם שיטות למידה סטנדרטיות של זמן ניהול זמן ניהול יעיל יותר, כמו גם שיטות למידה סטנדרטיות, כמו גם שיטות למידה סטנדרטיות, כמו גם שיטות למידה סטנדרטיות, עם שיטות למידה סטנדרטיות יותר, כמו שיטות למידה סטנדרטיות של זמן ניהולית, כמו גם שיטות למידה סטנדרטיות של זמן ניהולית, כמו גם שיטות למידה סטנדרטיות של זמן ניהולית, כמו גם שיטות למידה סטנדרטיות של זמן ניהולית, כמו גם שיטות למידה סטנדרטיות של זמן ניהולית, כמו