​
Case study: Wczesna detekcja awarii napędów robotów
Detekcja awarii napędów robotów przy użyciu systemy RSIMS
  1. Home
  2. /
  3. Case Studies
    4. /
  4. Case study: Wczesna detekcja awarii napędów robotów

Case study: wczesna detekcja awarii napędów robotów przy użyciu systemu RSIMS

Cel
Wdrożenie metodyki Predictive Maintenance do wczesnej detekcji
awarii napędów robotów
Redukcja kosztów przestojów i kosztów remontowych
Rezultat
Monitoring i wczesna detekcja zmian w sygnałach świadczących
o postępującym zużyciu napędów robotów
Identyfikacja usterek wpływających niekorzystnie na warunki pracy robota
Wyzwanie
Przedmiot projektu obejmuje automatyczny monitoring dziesięciu robotów na trzech liniach produkcyjnych. Monitoring skupia się na wczesnej detekcji symptomów awarii poprzez śledzenie anomalii w sygnałach charakteryzujących pracę robotów.
Wyzwanie stanowi wdrożenie metodyki Predictive Maintenance umożliwiającej wczesne wykrycie awarii napędów robotów oraz redukcję kosztów przestojów i remontów urządzeń.
Rozwiązanie
Zastosowane rozwiązanie to system wczesnej detekcji awarii oparty o algorytmy śledzenia anomalii zaimplementowane w RSIMS Apps. Dotychczasowe rezultaty w projekcie osiągnięto bazując tylko danych sensorowych robotów udostępnianych przez sterownik robota (m.in momenty obrotowe, temperatury) i PLC maszyny. Aplikacja działa online a dane z infrastruktury klienta przesyłane przez protokół https z zastosowaniem należytych standardów bezpieczeństwa.
CASE 1 / Analiza danych z sensorów
Zidentyfikowano w aplikacji przekroczenia charakterystyczne dla degradacji napędu osi 5. Obserwowano propagację uszkodzenia na tle parametrów pozostałych napędów, które nie odbiegały od normy i w trybie planowym przeprowadzono wymianę samego nadgarstka robota.
Podsumowanie
Rozwiązanie oparte o RSIMS Modules pozwoliło na wczesną identyfikację typu awarii i wymianę tylko uszkodzonych podzespołów w trybie planowym, co ograniczyło zarówno koszty przestoju i koszty remontowe. Bez monitoringu parametrów robota w RSIMS Apps doszłoby do dalszej propagacji awarii i awaryjnego zatrzymania robota. Koszty w takim przypadku są zdecydowanie większe, a związane jest to z potencjalnie większym zakresem remontu oraz innym kosztem przestojów nieplanowanych i realizacji prac naprawczych w tym trybie.

Oszacowane oszczędności w tym jednym przypadku mieszczą się w zakresie 25-35 tys. EUR.
Korzyści
Dotychczasowe korzyści obejmują redukcję kosztów remontowych i kosztów przestojów w przypadku awarii napędów – m.in. takich jak przedstawionych na powyższym przykładzie. Dodatkową korzyścią jest fakt, że za pomocą aplikacji możliwe jest wczesne wykrycie i usuwanie usterek w osprzęcie robota, które ze względu na specyfikę monitorowanych linii dotychczas identyfikowane były dopiero wtedy, gdy powodowały ich zatrzymanie. Przykładem mogą być usterki i przecieki układu pneumatyki powodujące pogorszenie warunków obciążenia robota – długotrwała praca z tego typu usterką przyczynia się do wcześniejszej degradacji napędów najbardziej obciążonych osi robota.
Redukcja kosztów remontowych i kosztów przestojów w przypadku awarii napędów
Wczesne wykrycie i usuwanie usterek w osprzęcie robota wraz z poznaniem źródła przyczyny występujących problemów
Stały zdalny monitoring urządzeń i ograniczenie nieplanowanych przestojów
O firmie
ReliaSol jest spółką, powstałą w odpowiedzi na rosnącą potrzebę zwiększania wydajności maszyn i instalacji w przemyśle.
Dostarczamy oprogramowanie i usługi, które przyspieszają proces transformacji cyfrowej. Aplikacje, które tworzymy łączą dane rzeczywiste z maszyn, sensorów, raportów ze zdarzeń oraz automatyzują wyciąganie wniosków. Efektem ich pracy jest wizualizacja danych, przewidywanie zdarzeń i monitorowanie optymalnego zakresu pracy maszyn, a także całych linii produkcyjnych.
Skontaktuj się z nami
Chętnie odpowiemy na Twoje pytania
Reliability Solutions Sp. z o. o.
ul. Królewska 57, 30-081 Kraków, Polska
icon phone+48 12 394 11 2 icon mailbiuro@reliasol.ai
Piotr Lipnicki
Chief Executive Officer
icon phone+48 605 241 056 icon mailpiotr.lipnicki@reliasol.ai
Dariusz Broda
Head of Engineering
icon phone+48 517 688 108 icon maildariusz.broda@reliasol.ai
Reliability Solutions Sp. z o. o.
ul. Królewska 57, 30-081 Kraków, Polska
+48 12 394 11 2 biuro@reliasol.ai
  • Branża motoryzacyjna
  • Roboty
Other
Grupa Azoty – opracowanie modelu optymalizacji

Grupa Azoty – opracowanie modelu optymalizacji

Zobacz, jak opracowaliśmy model optymalizacji instalacji reformingu w oparciu o głębokie sieci neuronowe w Grupa Azoty Tarnów.

CZYTAJ CASE STUDY
Case study: analiza powtarzających się problemów z bateriami pojazdów

Case study: analiza powtarzających się problemów z bateriami pojazdów

Dowiedz się, jak poznać przyczynę powtarzających się problemów z bateriami pojazdów.

CZYTAJ CASE STUDY
Case study: Wykrywanie wykroczeń poza optymalne warunki pracy w młynach spożywczych

Case study: Wykrywanie wykroczeń poza optymalne warunki pracy w młynach spożywczych

Case study lidera w technologiach i urządzeniach do przetwórstwa ziarna. Dowiedź się, jak wykryć wykroczenia poza optymalne warunki pracy w młynach spożywczych przy pomocy systemy RSIMS.

CZYTAJ CASE STUDY