Towards data-driven predictive maintenance for industrial robots

Abstract

The automation of industry in general and the use of industrial robots in assembly lines in particular has considerably increased in the last two decades. Although industrial robots have received significant attention from academic research, there is a lack of contributions focused on the predictive maintenance of these complex systems. In the era of the fourth industrial revolution, improvements in industrial sensorization, data analysis and cyber-physical infrastructures, allow to address the predictive maintenance of industrial robots from a data-driven perspective. This research work reports on experimental evidence of reliable data-driven techniques for the predictive maintenance of industrial robots. This thesis presents four main contributions: the diagnosis of the health status of an industrial robot using visionbased techniques, the feasibility of using torque sensors to diagnose the conditions of industrial robots in real industrial environments, the optimization of the standby pose of robots with genetic algorithms and the design and implementation of a practical data acquisition network for real world industrial scenarios, respectively.

Industria automatizazioak orokorrean eta zehazki muntaketa-kateetan robot industrialen erabilerak gorakada handia izan du azken bi hamarkadetan. Nahiz eta mundu akademikoak sakon jorratu duen robotika, ikerketa hutsune nabaria dago sistema konplexu hauen mantenketaren arloan. Gaur egungo sentsorizazio teknologiek, datuen analisiak eta infraestruktura ziber-fisikoen aurrerakuntzek, ikerketa hutsune hau betetzeko datuen analisian oinarritutako soluzioak proposatzea ahalbidetzen dute. Lan honetan jorratzen den ikerketa robot industrialen mantenketa prediktiboan datza. Horretarako, datuen analisian oinarritutako ikerketaz baliatuz. Tesian zehar hurrengo lau ekarpen nagusi aurkeztuko dira: Robot industrialen osasun egoeraren diagnosia ikusmen teknikak erabiliz, torke sentsoreen erabilgarritasunaren azterketa roboten osasunaren diagnosirako, roboten itxarote posizioaren optimizazioa algoritmo genetikoak erabiliz eta industrian inplementagarria den roboten monitorizaziorako sare arkitektura baten diseinu eta inplementazioa.

La automatización de la industria en general y el uso de robots industriales en líneas de montaje en particular ha aumentado considerablemente en las últimas dos décadas. Aunque los robots industriales hayan recibido una atención significativa por parte del mundo académico, existe una cierta falta de contribuciones en cuanto al mantenimiento predictivo de estos complejos sistemas. En la era de la cuarta revolución industrial, las mejoras en tecnologías de sensorización, el análisis de datos y las infraestructuras ciber-físicas permiten abordar este problema con soluciones basadas en el análisis de datos. Este trabajo de investigación se centrará en el estudio y desarrollo de técnicas de análisis de datos para avanzar en el mantenimiento predictivo de los robots industriales. La tesis presenta cuatro contribuciones principales: El diagnóstico del estado de salud de un robot industrial mediante técnicas de visión, la viabilidad de utilizar sensores de par motor para diagnosticar las condiciones de los robots industriales en entornos reales, la optimización de la posición de espera de los robots con algoritmos genéticos y el diseño e implementación de una arquitectura de red práctica para la adquisición de datos de robots en escenarios industriales reales.