塑造工业制造的未来预测性维护

从PARC和松下电器产业株式会社的一个研究小组获得了最高荣誉的“最佳论文奖”国际会议预测与健康管理由电气和电子工程师协会(IEEE)的6月19日该研究所在加利福尼亚州旧金山举行。

他们的获奖论文题目是“使用工业机器人的高精度无监督故障检测电流信号分析。”PARC和松下研究人员之间的合作提出了用于无监督的故障检测,可以有效地识别在使用电流信号工业机器人故障的框架。

机器人等自动化设备已广泛应用于各种行业,如汽车和半导体行业提高生产效率,质量和安全生产的过程。然而,不可预见的机器人关机有可能导致中断的整条生产线,造成显著非计划停机时间,经济成本,生产损失,甚至工伤的可能性。因此,高息检测工业机器人始发故障才完全关闭或以其他方式失败。

一种用于工业机器人故障检测的挑战是获得正常和异常健康的条件下足够的标记的训练数据的难度。因此,无监督的机器学习算法是期望的。

计划驱动的维护是当今工业机器人观察到的典型做法。这种方法可能是低效的大型生产线,因为不必要的维修可以导致增加的停机时间。在另一方面,无故障和修复维护可能导致意外停机时间更糟糕的和昂贵的情况下。在汽车,半导体,石化或其他高容量工厂意外停机的单个小时会导致操作损失超过$ 1百万以上。

然而,低成本的感测技术的进步和在分析的发展,存在一种用于预测或基于条件的维护(CBM)的新兴机会通过减少不必要的维护和计划外的停机以增加资产可用性。煤层气的主要目标是发现在早期阶段的故障,并允许在非高峰生产时间要进行积极的,预测性,并有效的维修计划,从而避免昂贵的计划外停机。

PARC正在解决这一问题的一个新平台物联网(IIoT)系统Analytics(分析)的工业互联网被称为磨溪™。没戏套件结合嵌入式感应,复杂系统模型和人工智能技术来预测具有精度高,可以忽略不计误报率和近零漏检不利的系统条件。

在本文中,实验是在工业用机器人正常和异常条件下进行。结果验证了所提出的故障检测框架是有效地以高于96%的准确度检测机器人齿轮磨损故障。

包括本文的获奖作者方舟程阿贾伊•拉加万Deokwoo荣格从PARC,和他们的同事幸佐佐木和松下洋介Tajika。祝贺整个团队正在帮助塑造和推动工业制造全世界的国家其重要的研究工作。

附加信息

重点领域

我们的工作是围绕一系列重点领域,我们认为是科学和技术的未来中心。必威客户端下载

了解更多
商业化机会

我们正在不断开发新技术,其中许多可用于商业化。

了解更多
必威app安卓版

PARC的科学家和工作人员的积极成员和贡献者科技社区。必威客户端下载

了解更多