KR102495944B1 - 이송 장치의 건강 평가를 위한 방법 및 장치 - Google Patents
이송 장치의 건강 평가를 위한 방법 및 장치 Download PDFInfo
- Publication number
- KR102495944B1 KR102495944B1 KR1020197036100A KR20197036100A KR102495944B1 KR 102495944 B1 KR102495944 B1 KR 102495944B1 KR 1020197036100 A KR1020197036100 A KR 1020197036100A KR 20197036100 A KR20197036100 A KR 20197036100A KR 102495944 B1 KR102495944 B1 KR 102495944B1
- Authority
- KR
- South Korea
- Prior art keywords
- motion
- base
- motions
- predetermined
- transfer device
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 216
- 230000036541 health Effects 0.000 title claims abstract description 76
- 230000033001 locomotion Effects 0.000 claims abstract description 784
- 238000012546 transfer Methods 0.000 claims abstract description 147
- 230000008569 process Effects 0.000 claims abstract description 142
- 238000011065 in-situ storage Methods 0.000 claims abstract description 136
- 230000006866 deterioration Effects 0.000 claims description 75
- 230000000875 corresponding effect Effects 0.000 claims description 74
- 238000011156 evaluation Methods 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 21
- 230000002542 deteriorative effect Effects 0.000 claims description 20
- 230000015556 catabolic process Effects 0.000 claims description 15
- 238000006731 degradation reaction Methods 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 14
- 230000000737 periodic effect Effects 0.000 claims description 13
- 230000002776 aggregation Effects 0.000 claims description 12
- 238000004220 aggregation Methods 0.000 claims description 12
- 230000002596 correlated effect Effects 0.000 claims description 11
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 238000013475 authorization Methods 0.000 claims 1
- 239000000463 material Substances 0.000 description 34
- 239000000758 substrate Substances 0.000 description 25
- 239000012636 effector Substances 0.000 description 24
- 230000001133 acceleration Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 13
- 238000003745 diagnosis Methods 0.000 description 11
- 238000012544 monitoring process Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 239000004065 semiconductor Substances 0.000 description 6
- 101000635761 Homo sapiens Receptor-transporting protein 3 Proteins 0.000 description 5
- 102100030849 Receptor-transporting protein 3 Human genes 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 150000001875 compounds Chemical class 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000002955 isolation Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000005007 materials handling Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 210000000245 forearm Anatomy 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 101100264195 Caenorhabditis elegans app-1 gene Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 210000002310 elbow joint Anatomy 0.000 description 1
- 230000009474 immediate action Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 229910000679 solder Inorganic materials 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
- 210000003857 wrist joint Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/1633—Programme controls characterised by the control loop compliant, force, torque control, e.g. combined with position control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0232—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on qualitative trend analysis, e.g. system evolution
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/08—Registering or indicating the production of the machine either with or without registering working or idle time
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)
- Manipulator (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
이송 장치를 포함하는 시스템의 건강 평가를 위한 방법으로, 상기 방법은, 상기 이송 장치에 의해 출력된 적어도 하나의 동적 성능 변수를 구현하는 미리 정해진 작동 데이터를 등록하는 단계, 출력된 상기 동적 성능 변수 각각의 확률 밀도 함수에 의해 규정된 베이스 값 (CpkBase)을 결정하는 단계, 상기 장치 제어기의 원위치 (in situ) 프로세스 모션 커맨드들을 상기 이송 장치로부터 분석하며, 그리고 상기 이송 장치의 다른 미리 정해진 모션 세트를 한정하는 단계, 상기 이송 장치에 의해 출력된 상기 적어도 하나의 동적 성능 변수를 구체화하는 미리 정해진 작동 데이터를 등록하며, 그리고 상기 이송 장치에 의해 출력된 동적 성능 변수 각각의 확률 밀도 함수에 의해 규정된 다른 값 (CpkOther)을 상기 프로세서를 이용하여 결정하는 단계 그리고 상기 미리 정해진 모션 베이스 세트 및 상기 다른 미리 정해진 모션 세트에 각각 대응하는, 상기 이송 장치에 의해 출력된 상기 동적 성능 변수 각자에 대해 상기 다른 값 및 상기 베이스 값 (CpkBase)을 비교하는 단계를 포함한다.
Description
관련 출원들에 대한 상호 참조
이 정규 특허 출원은 2017년 5월 5일에 출원된 미국 임시 특허 출원 No. 62/502,292에 대한 우선권 및 이익을 주장하며, 이 출원은 그 전체가 본원에 참조로서 편입된다.
기술분야
이 예시적인 실시예들은 자율화된 프로세싱 시스템들에 대체적으로 관련되며, 더 상세하게는 자율화된 프로세싱 시스템들이 건강 평가 및 예측 진단에 관한 것이다.
반도체 디바이스들 생산하기 위한 로봇화된 자재-핸들링 플랫폼들과 같은 자율화된 제조 도구들에서 사용된 로봇 머니플레이터들 및 다른 메커트로닉스 디바이스들의 고장으로 인한 자재 손상 및 예정에 없는 비가동 시간은 공통의 문제들로, 이는 그 제조 도구들의 최종 사용자에게 큰 비용 부담을 종종 의미한다.
다수의 건강-모니터링 및 고장-진단 (health-monitoring and fault-diagnostic (HMFD)) 방법들이 산업적, 자동차 및 우주공간 애플리케이션들을 위해 개발되었다. 현존하는 시스템들은 모니터링되는 시스템에서 무언가 잘못되었다는 것을 표시하기 위해 고장 탐지, 그 고장, 즉, 고장 난 컴포넌트의 정확한 위치를 판별하기 위한 고장 격리, 그리고 그 고장의 크기를 판별하기 위한 고장 확인을 보통 구현한다.
상기 격리 및 확인 태스크들은 함께 고장 진단으로서 종종 언급된다. 많은 현존 시스템들은 그 고장 탐지 및 격리 단계들만을 구현한다.
그런 고장 진단 방식들은 비록 고장 탐지, 고장 격리 및 적응적 회복에 유용하지만, 그럼에도 불구하고 상기 디바이스, 도구, FAB (예를 들면, 제작 설비/공장), 또는 다른 자율화된 장비가 제한된 또는 실질적으로 비-존재 예측 범위를 가진 실질적으로 응답성 방식으로 작동하도록 한다. 예측 범위를 고장 진단 시스템들까지 증가시키도록 추구하는, 자율화된 장비의 수학적인 모델링과 같은 예측 방법들이 알려져 있으며, 여기에서 자율화된 장비 변수들의 센서 측정치들이 (예를 들면, 상기 자율화된 장비의 뉴톤 동적 모델들로부터 생성된) 각자의 변수들의 분석적으로 계산된 값들에 비교되며, 공칭 (nominal) 컨디션들을 나타내는 수학적인 모델들이 존재한다. 그런 방법들은 분석적인 (공칭) 값들 및 센서 측정치들로부터의 값들 사이의 결과 차이에 예측할 수 없게 그리고 불리하게 영향을 주는 신호 노이즈 및 모델링 오류들과 같은 비-보존적인 팩터들에 시달리며, 그리고 그런 비-보존적인 팩터들을 분석하기 위해 용량성 및/또는 이중의/여분의 센서 시스템들 및 및 데이터 시스템들을 프로세싱하는데 있어서 고장 진단 시스템에 의한 추가의 투자를 요청한다.
수학적인 모델링과 연관된 비-보존적인 팩터들 없이 고장 예측을 제공하는 고장 진단 시스템을 구비하는 것이 유리할 것이다.
본 발명에 대한 추가의 배경 기술은 본원의 우선권 주장의 기반인 국제특허출원 (PCT/US2018/031422, 2018.05.07.)의 국제조사보고서에서 인용된 공개 특허문헌들인 US 2011/0173496, US 2014/0222352, 및 US 2014/0336791 등에서 더욱 상세하게 설명된다.
본 발명에 대한 추가의 배경 기술은 본원의 우선권 주장의 기반인 국제특허출원 (PCT/US2018/031422, 2018.05.07.)의 국제조사보고서에서 인용된 공개 특허문헌들인 US 2011/0173496, US 2014/0222352, 및 US 2014/0336791 등에서 더욱 상세하게 설명된다.
상기와 같은 고장 진단 시스템을 위해 이송 장치의 건강 평가를 위한 방법 및 장치를 제공하려고 한다.
개시된 실시예의 하나 이상의 모습들에 따라, 이송 장치를 포함하는 시스템의 건강 평가를 위한 방법은:
미리 정해진 베이스 모션들의 미리 정해진 모션 베이스 세트를 실행하는 이송 장치에 의해 출력된 적어도 하나의 동적 성능 변수를 구현하는 미리 정해진 작동 데이터를, 장치 제어기에 통신 가능하게 결합된 등록 시스템을 이용하여 등록하는 단계;
상기 미리 정해진 모션 베이스 세트의 각 모션에 대해 상기 이송 장치에 의해 출력된 상기 동적 성능 변수 각각의 확률 밀도 함수에 의해 규정된 베이스 값 (CpkBase)을, 상기 등록 시스템에 통신 가능하게 결합된 프로세서를 이용하여 결정하는 단계;
상기 장치 제어기에 통신 가능하게 결합된 모션 리졸버 (resolver)를 이용하여, 상기 장치 제어기의 원위치 (in situ) 프로세스 모션 커맨드들을 상기 이송 장치로부터 분석하며, 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들은 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들로 매핑되며, 그리고 상기 이송 장치의 다른 미리 정해진 모션 세트를 상기 매핑된 원위치 프로세스 모션들을 이용하여 한정하는 단계;
상기 다른 미리 정해진 모션 세트를 실행하는 상기 이송 장치에 의해 출력된 상기 적어도 하나의 동적 성능 변수를 구체화하는 미리 정해진 작동 데이터를 상기 등록 시스템을 이용하여 등록하며, 그리고 상기 다른 미리 정해진 모션 세트의 상기 매핑된 원위치 프로세스 모션들을 실행하는 상기 이송 장치에 의해 출력된 동적 성능 변수 각각의 확률 밀도 함수에 의해 규정된 다른 값 (CpkOther)을 상기 프로세서를 이용하여 결정하는 단계; 그리고
상기 미리 정해진 모션 베이스 세트 및 상기 다른 미리 정해진 모션 세트에 각각 대응하는, 상기 이송 장치에 의해 출력된 상기 동적 성능 변수 각자에 대해 상기 다른 값 및 상기 베이스 값 (CpkBase)을 상기 프로세서를 이용하여 비교하며, 상기 이송 장치는 상기 미리 정해진 모션 베이스 세트 및 상기 다른 미리 정해진 모션 세트 둘 모두에 공통인 유일 이송 장치이며, 그리고 그 비교에 기반하여 상기 이송 장치의 건강을 평가하는 단계를 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 베이스 모션들 각각은 템플릿 모션을 한정하며 그리고 각 원위치 프로세스 모션은 상기 템플릿 모션들 중 대응하는 하나의 템플릿 모션 상으로 실질적으로 매핑한다.
개시된 실시예의 하나 이상의 모습들에 따라, 각 템플릿 모션은 상기 장치 제어기로부터의 토크 커맨드 및 위치 커맨드 중 적어도 하나에 의해 규정된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 토크 커맨드 및 상기 위치 커맨드 중 적어도 하나는 상기 이송 장치 모션의 적어도 하나의 자유도에서 템블릿 모션을 규정한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은, 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들을 포함하는 상기 장치 제어기에 의해 명령을 받은 모션들의 히스토그램을 상기 장치 제어기의 등록부 내에 등록하는 단계를 더 포함하며, 상기 프로세서는 상기 매핑된 모션들을 상기 등록부 내 모션 히스토그램에 대한 주기적인 액세스로부터 분석한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 베이스 모션 유형을 한정하는 통계적으로 규정하는 개수의 적어도 하나의 공통 베이스 모션을 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 다수의 상이한 베이스 모션 유형들을 포함하며, 그 모션 유형들 각각은 각 베이스 모션 유형에 대해 통계적으로 규정하는 개수의 공통 모션들에서 상기 이송 장치에 의해 실행된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 상이한 베이스 모션 유형들 각각은, 상이한 공통 모션 각자를 각각의 베이스 모션 유형으로 한정하는, 상이한 대응하는 적어도 하나의 토크 커맨드 특징 및 위치 커맨드 특징을 구비한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은 동적 성능 변수 각각에 대한 추세 데이터 (trending data)를 상기 등록 시스템을 이용하여 등록하는 단계를 더 포함하며, 상기 추세 데이터는 각 동적 성능 변수의 악화 추세를 규정한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은, 상기 이송 장치에 의해 출력된 상기 적어도 하나의 동적 성능 변수 중 가장 높은 악화 추세를 가진 동적 성능 변수들을 상기 프로세서를 이용하여 집성하며 그리고 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발생을 예측하는 단계를 더 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은, 상기 동적 성능 변수들의 집성에 기반하여 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발행 예측의 표시를 상기 프로세서를 이용하여 상기 이송 장치의 오퍼레이터에게 제공하는 단계를 더 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 이송 장치를 포함하는 시스템의 건강 평가를 위한 방법은:
미리 정해진 베이스 모션들의 통계적인 규정을 한정하기 위해 배치된 미리 정해진 모션 베이스 세트를 실행하는 이송 장치에 의해 출력된 적어도 하나의 동적 성능 변수를 구현하는 미리 정해진 작동 데이터를, 장치 제어기에 통신 가능하게 결합된 등록 시스템을 이용하여 등록하는 단계;
상기 미리 정해진 모션 베이스 세트의 각 모션에 대해 상기 이송 장치에 의해 출력된 상기 동적 성능 변수 각각의 공칭 성능을 통계적으로 규정하는 정규화된 값을, 상기 등록 시스템에 통신 가능하게 결합된 프로세서를 이용하여 결정하는 단계;
상기 장치 제어기에 통신 가능하게 결합된 모션 리졸버 (resolver)를 이용하여, 상기 장치 제어기의 원위치 (in situ) 프로세스 모션 커맨드들을 상기 이송 장치로부터 분석하며, 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들은 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들로 매핑되며, 그리고 상기 이송 장치의 다른 미리 정해진 모션 세트를 상기 매핑된 원위치 프로세스 모션들을 이용하여 한정하는 단계;
상기 다른 미리 정해진 모션 세트를 실행하는 상기 이송 장치에 의해 출력된 상기 적어도 하나의 동적 성능 변수를 구체화하는 미리 정해진 작동 데이터를 상기 등록 시스템을 이용하여 등록하며, 그리고 상기 다른 미리 정해진 모션 세트의 상기 매핑된 원위치 프로세스 모션를 실행하는 상기 이송 장치에 의해 출력된 동적 성능 변수 각각의 원위치 프로세스 성능을 통계적으로 규정하는 다른 정규화된 값을 상기 프로세서를 이용하여 결정하는 단계; 그리고
상기 미리 정해진 베이스 모션 세트 및 상기 다른 미리 정해진 모션 세트에 각각 대응하는, 상기 이송 장치의 상기 동적 성능 변수 각각에 대해 상기 다른 정규화된 값 및 상기 정규화된 값을 상기 프로세서를 이용하여 비교하며, 그리고 상기 비교에 기반하여 상기 이송 장치의 공칭 성능으로부터의 성능 악화 레이트를 판별하는 단계로, 상기 장치는 유일하며, 상기 미리 정해진 모션 베이스 세트의 각 미리 정해진 베이스 모션에 대한 각 정규화된 값 (Cpkbase) 및 상기 다른 미리 정해진 모션 세트의 각 매핑된 원위치 프로세스 모션에 대한 각 다른 값 (CpkOther)은 상기 유일 장치에만 유일하게 상관되며, 그리고 상기 미리 정해진 성능 악화 레이트는 상기 유일 장치에만 유일하게 상관하는, 단계를 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은 서로 연결된 다수의 상이한 유일 장치 및 상기 이송 장치를 상기 시스템에게 제공하는 단계를 더 포함하며, 다수의 상이한 유일 장치(i)로부터의 각 상이한 유일 장치는 상기 미리 정해진 베이스 모션 세트의 각 베이스 모션에 대해 상이한 대응 정규화된 값들 (CpkBasei) 그리고 다수의 상이한 유일 장치로부터의 상이한 대응 유일 장치 (i)에만 유일하게 상관하는 상기 다른 미리 정해진 모션 세트의 각 매핑된 원위치 프로세스 모션에 대한 다른 정규화된 값들 (CpkOtheri)을 가진다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은, 각 상이한 유일 장치 (i)에 대해, 상기 대응 정규화된 값들 (CpkBasei) 및 그 상이한 대응 유일 장치 (i)에 유일하게 상관된 다른 정규화된 값들 (CpkOtheri)을 그 상이한 대응 유일 장치에 각자 결합된 제어기를 이용하여 등록하는 단계, 그리고 각 상이한 유일 장치 (i)에 대해, 상기 유일하게 상관된 정규화된 값들 (CpkBasei) 및 그 상이한 유일 장치 (i)의 다른 정규화된 값들 (CpkOtheri)의 비교로부터 그 상이한 유일 장치 (i)에 대한 대응 성능 악화 레이트를 장치 (i=1...n) 기반에 의해 장치 상에서 판별하는 단계를 더 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 다수의 상이한 유일 장치로부터의 각 상이한 유일 장치는 상기 이송 장치와 공통의 구성이다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 다수의 상이한 유일 장치로부터의 각 상이한 유일 장치는 상기 이송 장치와 상이한 구성이다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은 상기 시스템의 상기 다수의 상이한 유일 장치 각각 및 상기 이송 장치의 성능 악화 추세를 규정하는 추세 데이터를 상기 제어기의 등록부 내에 등록하는 단계를 더 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은, 상기 이송 장치에 대응하는 성능 악화 추세들 및 상기 시스템의 상기 다수의 상이한 유일 장치 각각을 상기 프로세서를 이용하여 결합하여, 상기 시스템의 성능 악화를 규정하는 시스템 성능 악화 추세를 결정하는 단계를 더 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은, 상기 프로세서를 이용하여, 상기 이송 장치의 성능 악화 추세를 상기 다수의 상이한 유일 장치 중 다른 하나의 성능 악화 추세와 비교하는 단계, 그리고 상기 프로세서를 이용하여, 상기 이송 장치의 성능 악화 추세 또는 상기 다수의 상이한 유일 장치 중 다른 하나의 성능 악화 추세가 제어 성능 악화 추세인가의 여부 및 제어 성능 악화 추세가 상기 시스템의 성능 악화 추세의 결정 원인인가의 여부를 판별하는 단계를 더 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 베이스 모션들 각각은 템플릿 모션을 한정하며 그리고 각각의 원위치 프로세스 모션은 상기 템플릿 모션들 중 대응하는 하나의 템플릿 모션 상으로 실질적으로 매핑한다.
개시된 실시예의 하나 이상의 모습들에 따라, 각 템플릿 모션은 상기 장치 제어기로부터의 토크 커맨드 및 위치 커맨드 중 적어도 하나에 의해 규정된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 토크 커맨드 및 상기 위치 커맨드 중 적어도 하나는 상기 이송 장치의 모션의 적어도 하나의 자유도 내에서의 템블릿 모션에 의해 규정된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은, 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들을 포함하는 상기 장치 제어기에 의해 명령받은 모션들의 히스토그램을 상기 장치 제어기의 등록부에 등록하는 단계를 더 포함하며, 상기 프로세서는 상기 등록부 내 모션 히스토그램의 주기적인 액세스로부터, 상기 매핑된 모션들을 분석한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 베이스 모션 유형을 한정하는 통계적으로 규정하는 개수의 적어도 하나의 공통 베이스 모션을 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 다수의 상이한 베이스 모션 유형들을 포함하며, 그 모션 유형들 각각은 각 베이스 모션 유형에 대해 통계적으로 규정하는 개수의 공통 모션들에서 상기 이송 장치에 의해 실행된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 상이한 베이스 모션 유형들 각각은, 상이한 공통 모션 각자를 각각의 베이스 모션 유형으로 한정하는, 상이한 대응하는 적어도 하나의 토크 커맨드 특징 및 위치 커맨드 특징을 구비한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은 동적 성능 변수 각각에 대한 추세 데이터 (trending data)를 상기 등록 시스템을 이용하여 등록하는 단계를 더 포함하며, 상기 추세 데이터는 각 동적 성능 변수의 악화 추세를 규정한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은, 상기 이송 장치에 의해 출력된 상기 적어도 하나의 동적 성능 변수 중 가장 높은 악화 추세를 가진 동적 성능 변수들을 상기 프로세서를 이용하여 집성하며 그리고 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발생을 예측하는 단계를 더 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은, 상기 동적 성능 변수들의 집성에 기반하여 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발행 예측의 표시를 상기 프로세서를 이용하여 상기 이송 장치의 오퍼레이터에게 제공하는 단계를 더 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 이송 장치를 포함하는 시스템의 건강을 평가하기 위한 건강 평가 장치는:
상기 이송 장치의 이송 장치 제어기에 통신 가능하게 결합된 등록 시스템으로, 상기 등록 시스템은,
미리 정해진 베이스 모션들의 미리 정해진 모션 베이스 세트를 실행하는 상기 이송 장치에 의해 출력된 적어도 하나의 동적 성능 변수를 구현하는 미리 정해진 작동 데이터를 등록하도록 구성되며, 그리고
다른 미리 정해진 모션 세트를 실행하는 상기 이송 장치에 의해 출력된 적어도 하나의 동적 성능 변수를 구현하는 미리 정해진 작동 데이터를 등록하도록 구성된, 등록 시스템;
상기 장치 제어기에 통신 가능하게 결합된 모션 리졸버 (resolver)로서, 상기 모션 리졸버는,
상기 장치 제어기의 원위치 (in situ) 프로세스 모션 커맨드들을 상기 이송 장치로부터 분석하도록 구성되며, 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들은 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들로 매핑되며, 그리고
상기 이송 장치의 다른 미리 정해진 모션 세트를 상기 매핑된 원위치 프로세스 모션들을 이용하여 한정하도록 구성된, 모션 리졸버; 그리고
상기 등록 시스템에 통신 가능하게 결합된 프로세서로서, 상기 프로세서는,
상기 미리 정해진 모션 베이스 세트의 각 모션에 대해 상기 이송 장치에 의해 출력된 상기 동적 성능 변수 각각의 확률 밀도 함수에 의해 규정된 베이스 값 (CpkBase)을 결정하도록 구성되며,
상기 다른 미리 정해진 모션 세트의 상기 매핑된 원위치 프로세스 모션들을 실행하는 상기 이송 장치에 의해 출력된 동적 성능 변수 각각의 확률 밀도 함수에 의해 규정된 다른 값 (CpkOther)을 결정하도록 구성되며,
상기 미리 정해진 모션 베이스 세트 및 상기 다른 미리 정해진 모션 세트에 각각 대응하는, 상기 이송 장치에 의해 출력된 상기 동적 성능 변수 각각에 대해 상기 다른 값 및 상기 베이스 값 (CpkBase)을 비교하도록 구성되며, 그리고
상기 비교에 기반하여 상기 이송 장치의 건강을 평가하도록 구성된, 프로세서를 포함하며,
상기 이송 장치는 상기 미리 정해진 모션 베이스 세트 및 상기 다른 미리 정해진 모션 세트 둘 모두에 대한 공통의 이송 장치이다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 베이스 모션들 각각은 템플릿 모션을 한정하며 그리고 각 원위치 프로세스 모션은 상기 템플릿 모션들 중 대응하는 하나의 템플릿 모션 상으로 실질적으로 매핑한다.
개시된 실시예의 하나 이상의 모습들에 따라, 각 템플릿 모션은 상기 장치 제어기로부터의 토크 커맨드 및 위치 커맨드 중 적어도 하나에 의해 규정된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 토크 커맨드 및 상기 위치 커맨드 중 적어도 하나는 상기 이송 장치 모션의 적어도 하나의 자유도에서 템블릿 모션을 규정한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 이송 장치 제어기는 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들을 포함하는 상기 장치 제어기에 의해 명령을 받은 모션들의 히스토그램을 등록하도록 구성된 등록부를 포함하며, 그리고 상기 프로세서는 상기 매핑된 모션들을 상기 등록부 내 모션 히스토그램의 주기적인 액세스로부터 분석하도록 더 구성된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 베이스 모션 유형을 한정하는 통계적으로 규정하는 개수의 적어도 하나의 공통 베이스 모션을 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 다수의 상이한 베이스 모션 유형들을 포함하며, 그 모션 유형들 각각은 각 베이스 모션 유형에 대해 통계적으로 규정하는 개수의 공통 모션들에서 상기 이송 장치에 의해 실행된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 상이한 베이스 모션 유형들 각각은, 상이한 공통 모션 각자를 각각의 베이스 모션 유형으로 한정하는, 상이한 대응하는 적어도 하나의 토크 커맨드 특징 및 위치 커맨드 특징을 구비한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 등록 시스템은 동적 성능 변수 각각에 대한 추세 데이터 (trending data)를 등록하도록 더 구성되며, 상기 추세 데이터는 각 동적 성능 변수의 악화 추세를 규정한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 프로세서는 상기 이송 장치에 의해 출력된 상기 적어도 하나의 동적 성능 변수 중 가장 높은 악화 추세를 가진 동적 성능 변수들을 상기 프로세서를 이용하여 집성하며 그리고 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발생을 예측하도록 더 구성된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 동적 성능 변수들의 집성에 기반하여 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발행 예측의 표시를 상기 이송 장치의 오퍼레이터에게 제공하도록 더 구성된다..
개시된 실시예의 하나 이상의 모습들에 따라, 이송 장치를 포함하는 시스템의 건강을 평가하기 위한 건강 평가 장치는:
상기 이송 장치의 이송 장치 제어기에 통신 가능하게 결합된 등록 시스템으로, 상기 등록 시스템은,
미리 정해진 베이스 모션들의 통계적인 규정을 한정하기 위해서 배치된 미리 정해진 모션 베이스 세트를 실행하는 상기 이송 장치에 의해 출력된 적어도 하나의 동적 성능 변수를 구현하는 미리 정해진 작동 데이터를 등록하도록 구성되며, 그리고
다른 미리 정해진 모션 세트를 실행하는 상기 이송 장치에 의해 출력된 적어도 하나의 동적 성능 변수를 구현하는 미리 정해진 작동 데이터를 등록하도록 구성된, 등록 시스템;
상기 장치 제어기에 통신 가능하게 결합된 모션 리졸버 (resolver)로서, 상기 모션 리졸버는,
상기 장치 제어기의 원위치 (in situ) 프로세스 모션 커맨드들을 상기 이송 장치로부터 분석하도록 구성되며, 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들은 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들로 매핑되며, 그리고
상기 이송 장치의 다른 미리 정해진 모션 세트를 상기 매핑된 원위치 프로세스 모션들을 이용하여 한정하도록 구성된, 모션 리졸버; 그리고
상기 등록 시스템에 통신 가능하게 결합된 프로세서로서, 상기 프로세서는,
상기 미리 정해진 모션 베이스 세트의 각 모션에 대해 상기 이송 장치에 의해 출력된 상기 동적 성능 변수 각각의 공칭 성능을 통계적으로 규정하는 정규화된 값을 결정하도록 구성되고,
상기 다른 미리 정해진 모션 세트의 상기 매핑된 원위치 프로세스 모션을 실행하는 상기 이송 장치에 의해 출력된 동적 성능 변수 각각의 원위치 프로세스 성능을 통계적으로 규정하는 다른 정규화된 값을 결정하도록 구성되며,
상기 미리 정해진 베이스 모션 세트 및 상기 다른 미리 정해진 모션 세트에 각각 대응하는, 상기 이송 장치의 상기 동적 성능 변수 각각에 대해 상기 다른 정규화된 값 및 상기 정규화된 값을 비교하도록 구성되며, 그리고
상기 비교에 기반한 공칭 성능으로부터 상기 이송 장치의 성능 악화 레이트를 판별하도록 구성된, 프로세서를 포함하며,
상기 이송 장치는 상기 미리 정해진 베이스 모션 세트 및 상기 다른 미리 정해진 모션 세트 둘 모두에 대한 공통의 이송 장치이다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 베이스 모션들 각각은 템플릿 모션을 한정하며 그리고 각 원위치 프로세스 모션은 상기 템플릿 모션들 중 대응하는 하나의 템플릿 모션 상으로 실질적으로 매핑한다.
개시된 실시예의 하나 이상의 모습들에 따라, 각 템플릿 모션은 상기 장치 제어기로부터의 토크 커맨드 및 위치 커맨드 중 적어도 하나에 의해 규정된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 토크 커맨드 및 상기 위치 커맨드 중 적어도 하나는 상기 이송 장치 모션의 적어도 하나의 자유도에서 템블릿 모션을 규정한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 이송 장치 제어기는 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들을 포함하는 상기 장치 제어기에 의해 명령을 받은 모션들의 히스토그램을 등록하도록 구성된 등록부를 포함하며, 그리고 상기 프로세서는 상기 매핑된 모션들을 상기 등록부 내 모션 히스토그램의 주기적인 액세스로부터 분석하도록 더 구성된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 베이스 모션 유형을 한정하는 통계적으로 규정하는 개수의 적어도 하나의 공통 베이스 모션을 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 다수의 상이한 베이스 모션 유형들을 포함하며, 그 모션 유형들 각각은 각 베이스 모션 유형에 대해 통계적으로 규정하는 개수의 공통 모션들에서 상기 이송 장치에 의해 실행된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 상이한 베이스 모션 유형들 각각은, 상이한 공통 모션 각자를 각각의 베이스 모션 유형으로 한정하는, 상이한 대응하는 적어도 하나의 토크 커맨드 특징 및 위치 커맨드 특징을 구비한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 등록 시스템은 동적 성능 변수 각각에 대한 추세 데이터 (trending data)를 등록하도록 더 구성되며, 상기 추세 데이터는 각 동적 성능 변수의 악화 추세를 규정한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 프로세서는 상기 이송 장치에 의해 출력된 상기 적어도 하나의 동적 성능 변수 중 가장 높은 악화 추세를 가진 동적 성능 변수들을 상기 프로세서를 이용하여 집성하며 그리고 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발생을 예측하도록 더 구성된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 동적 성능 변수들의 집성에 기반하여 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발행 예측의 표시를 상기 이송 장치의 오퍼레이터에게 제공하도록 더 구성된다.
전술한 설명은 개시된 실시예의 모습들을 단지 예시하는 것이라는 것이 이해되어야 한다. 다양한 대안들 및 수정들이 개시된 실시예의 모습들에서 벗어나지 않으면서도 본 발명이 속한 기술 분야에서의 통상의 지식을 가진 자들에 의해 안출될 수 있다. 따라서, 개시된 실시예들의 모습들은 첨부된 청구항들의 범위 내에 속하는 그런 대안들, 수정들 및 변형들 모두를 포함하도록 의도된 것이다. 또한, 상호 상이한 종속항들이나 독립항들에서 상이한 특징들이 상술되었다는 단순한 사실은 이 특징들이 조합이 유리하게 사용될 수 없다고 표시하지 않으며, 그런 조합은 본 발명의 모습들의 범위 내에 유지된다.
본 발명의 효과는 본 명세서의 해당되는 부분들에 개별적으로 명시되어 있다.
개시된 실시예의 전술한 모습들 및 다른 특징들은 동반 도면들과 함께 취해진 다음의 설명에서 설명된다.
도 1은 개시된 실시예의 모습들에 따른, 자율화된 자재 핸들링 플랫폼과 같은 자율화된 장치를 위한 제어기의 개략적인 도면이다.
도 2는 개시된 실시예들의 모습들에 따른 자율화된 자재 핸들링 플랫폼의 개략적인 도면이다.
도 2a는 개시된 실시예들의 모습들에 따른 다수의 상이한 유일 장치를 포함하는 시스템의 개략적인 도면이다.
도 3은 개시된 실시예들의 모습들에 따른 자율화된 자재 핸들링 장치의 이송 로봇과 같은 장치의 개략적인 도면이다.
도 4a-4e는 개시된 실시예들의 모습들에 따른 도 3의 장치를 위한 상이한 암 구성들의 개략적인 도면들이다.
도 5a는 개시된 실시예들의 모습들에 따른 베이스 이동들 및 원위치 프로세스 이동들을 보여주는 자율화된 자재 핸들링 플랫폼의 일부의 개략적인 도면이다.
도 5b 및 도 5c는 개시된 실시예들의 모습들에 따른 단순 및 복합 이동들의 개략적인 도면들이다.
도 6은 개시된 실시예들의 모습들에 따른 도 3의 장치에 의해 수행된 이동의 샘플의 통계적인 수렴을 도시한 예시적인 차트이다.
도 7은 개시된 실시예들의 모습들에 따른 예시적인 이동 히스토그램이다.
도 8a는 개시된 실시예들의 모습들에 따른 예시적인 프로세스 흐름의 개략적인 도면이다.
도 8b는 개시된 실시예들의 모습들에 따른 도 8a의 예시적인 프로세스 흐름의 일부의 개략적인 도면이다.
도 9는 개시된 실시예들의 모습들에 따른 상단 및 하단 한계들을 표시하는 샘플 이동들의 예시적인 가우스 분포이다.
도 10은 개시된 실시예들의 모습들에 따른 원위치 프로세스 이동들로부터 생성된 다른 값 및 베이스라인 값 사이의 비교의 그래픽 도면이다.
도 11은 개시된 실시예들의 모습들에 따른 예측 진단들에 관한 도 3의 장치의 건강 평가의 애플리케이션의 예시적인 도시이다.
도 12는 개시된 실시예들의 모습들에 따른 건장 평가 표시의 예시적인 도면이다.
도 13은 개시된 실시예들의 모습들에 따른 예시적인 흐름도이다.
도 14는 개시된 실시예들의 모습들에 따른 흐름도이다.
도 15는 개시된 실시예들의 모습들에 따른 흐름도이다.
도 1은 개시된 실시예의 모습들에 따른, 자율화된 자재 핸들링 플랫폼과 같은 자율화된 장치를 위한 제어기의 개략적인 도면이다.
도 2는 개시된 실시예들의 모습들에 따른 자율화된 자재 핸들링 플랫폼의 개략적인 도면이다.
도 2a는 개시된 실시예들의 모습들에 따른 다수의 상이한 유일 장치를 포함하는 시스템의 개략적인 도면이다.
도 3은 개시된 실시예들의 모습들에 따른 자율화된 자재 핸들링 장치의 이송 로봇과 같은 장치의 개략적인 도면이다.
도 4a-4e는 개시된 실시예들의 모습들에 따른 도 3의 장치를 위한 상이한 암 구성들의 개략적인 도면들이다.
도 5a는 개시된 실시예들의 모습들에 따른 베이스 이동들 및 원위치 프로세스 이동들을 보여주는 자율화된 자재 핸들링 플랫폼의 일부의 개략적인 도면이다.
도 5b 및 도 5c는 개시된 실시예들의 모습들에 따른 단순 및 복합 이동들의 개략적인 도면들이다.
도 6은 개시된 실시예들의 모습들에 따른 도 3의 장치에 의해 수행된 이동의 샘플의 통계적인 수렴을 도시한 예시적인 차트이다.
도 7은 개시된 실시예들의 모습들에 따른 예시적인 이동 히스토그램이다.
도 8a는 개시된 실시예들의 모습들에 따른 예시적인 프로세스 흐름의 개략적인 도면이다.
도 8b는 개시된 실시예들의 모습들에 따른 도 8a의 예시적인 프로세스 흐름의 일부의 개략적인 도면이다.
도 9는 개시된 실시예들의 모습들에 따른 상단 및 하단 한계들을 표시하는 샘플 이동들의 예시적인 가우스 분포이다.
도 10은 개시된 실시예들의 모습들에 따른 원위치 프로세스 이동들로부터 생성된 다른 값 및 베이스라인 값 사이의 비교의 그래픽 도면이다.
도 11은 개시된 실시예들의 모습들에 따른 예측 진단들에 관한 도 3의 장치의 건강 평가의 애플리케이션의 예시적인 도시이다.
도 12는 개시된 실시예들의 모습들에 따른 건장 평가 표시의 예시적인 도면이다.
도 13은 개시된 실시예들의 모습들에 따른 예시적인 흐름도이다.
도 14는 개시된 실시예들의 모습들에 따른 흐름도이다.
도 15는 개시된 실시예들의 모습들에 따른 흐름도이다.
비록 상기 개시된 실시예의 모습들이 상기 도면들을 참조하여 설명될 것이지만, 개시된 실시예의 모습들은 많은 형상들로 구현될 수 있다는 것이 이해되어야 한다. 추가로, 어떤 적합한 크기, 모습 또는 유형의 요소들이나 자재들이 사용될 수 있을 것이다.
본원에서 설명된 상기 개시된 실시예의 모습들은 자율화된 시스템의 어떤 적합한 제어기에 의해 모니터링되고 있는 가용 변수들을 이용하여 (도 1 - 도 4e에 과하여 본원에서 설명된 것들과 같은) 그 자율화된 시스템을 위한 건강 상태 및 예측 진단들을 계량하기 위한 방법 및 장치를 제공한다 (여기에서 상기 제어기는 상기 개시된 실시예의 모습들을 구현하기 위한 비-일시적 컴퓨터 소프트웨어 코드를 포함한다). 상기 건강 상태의 메트릭 (metric)들은, 주어진 장치 및/또는 여러 장치의 시스템에 대해 그 주어진 장치 및/또는 시스템의 예측 진단을 제공하는 건강 상태 양을 규정하며 건강 상태 양에 유일하게 상관하는 수집된 변수들을 위한 유일 통계 데이터 취급에 의해, 상기 개시된 실시예들의 모습들을 이용하여 달성된다. 상기 개시된 실시예의 모습들은 상기 자율화된 시스템의 제어기가 (본원에서 설명된 것과 같은 베이스 값들 및/또는 베이스 모션들을 포함하는) "베이스라인들 (baselines)"의 개념을 이용하여 그리고 그런 베이스라인들에 대한 미래의 성능들을 더 비교하는 것을 이용하여 (상기 유일 디바이스의) 상기 모니터링된 변수들의 (유일 디바이스라는 유일한 특징인) 통계적인 서명을 판별하는 것을 허용할 수 있다. 그 결과, 상기 개시된 실시예의 방법 및 장치는 상기 자율화된 시스템의 제어기가 트렌딩 (trending) 분석에 기반하여 예측들을 수행하는 것을 허용할 수 있으며, 모니터링되고 있는 상기 자율화된 시스템으로부터의 유일한 데이터에 기반하여 상기 자율화된 시스템의 제어기가 예방의 유지보수를 위한 권고들을 하는 것을 허용한다. 상기 개시된 실시예의 모습들은, 수용 가능하며 실제적인 명세들을 결정하는 것이 어려운 변수들을 위한 동작의 예상된 한계의 확인을 또한 허용할 수 있다.
상기 개시된 실시예의 모습들이 세 개 자유도 (세타 회전, R 확장 및 Z 리프트 모션)를 가진 반도체 로봇 (여기에서는 로봇 머니플레이터 (manipulator)로도 언급됨)에 관하여 본원에서 설명될 것이지만; 다른 모습들에서는 상기 반도체 로봇은 세 개 자유도보다 더 많이 또는 더 적게 가질 수 있다. 또 다른 모습들에서, 상기 개시된 실시예는 (로봇 이송, 부하 포트들, 정렬기, 펌프, 팬, 밸드 등처럼) 단일 자유도 모션을 가진 반도체 프로세싱 시스템의 다른 컴포넌트들에 적용될 수 있다. 상기 개시된 실시예의 모습들은, 각 유일 장치, 디바이스 및/또는 시스템을 유일하게 규정하며 그것들에 유일하게 상관하는 유사한 또는 관련된 성능 모니터링 데이터를 샘플링할 수 있는 자율화된 그리고/또는 전력 공급받는 디바이스(들)나 시스템 (전술한 장치 및/또는 디바이스들의 조합과 같은 것을 포함한다)을 위해 사용될 수 있다는 것이 또한 이해되어야 한다.
상기 개시된 실시예의 모습들은 온도 대 피크 토크처럼 상이한 물리적 의미의 변수들의 직접적인 비교를 허용하는 통계적인 파라미터들에 기반하여 정규화된 메트릭들의 유형을 제공한다. 그런 비교는 모니터링되고 있는 자율화된 시스템의 전반적인 건강 상태에 관한 그런 관련되지 않은 변수들의 영향을 계산하는 것을 허용한다.
도 1은 개시된 실시예의 모습들에 따른 자율화된 장치 건강 평가 및 예측 진단을 통합한 자율화된 장치를 위한 예시의 제어기 100를 보여준다. 상기 개시된 실시예의 모습들은 하드웨어 또는 소프트웨어에서 동작할 수 있다. 예를 들면, 상기 개시된 실시예의 모습들은 컴포넌트 제어기, 다수의 컴포넌트의 동작을 지시하는 제어기, 서브-시스템을 제어하는 제어기, 또는 시스템 제어기 내에 존재할 수 있다. 개시된 실시예의 모습들은 전용의 하드웨어나 소프트웨어에서 또한 구현될 수 있다.
상기 제어기 100는 (도 3에서 도시된 자율화된 자재 핸들링 플랫폼 300과 같은) 자율화된 장치의 어떤 적합한 제어기일 수 있으며 그리고 프로세서 105, 읽기 전용 메모리 110, 랜덤 액세스 메모리 115, 프로그램 저장부 120, 사용자 인터페이스 125, 및 네트워크 인터페이스 130를 일반적으로 포함할 수 있다. 프로세서 105는 온보드 캐시 135를 포함할 수 있으며, 컴퓨터 프로그램 제품으로부터, 예를 들면, 온보드 캐시 135, 읽기 전용 메모리 110, 랜덤 액세스 메모리 115, 및 프로그램 저장부 120와 같은 컴퓨터 사용가능 매체로부터 정보와 프로그램들을 읽기 위해 보통은 작동할 수 있다.
전력이 들어오면, 프로세서 105는 읽기 전용 메모리 110 내에서 발견된 오퍼레이팅 프로그램들을 시작하며 그리고 초기화 이후에 프로그램 저장부 120로부터 랜덤 액세스 메모리 115로 명령어들을 적재하여 그 프로그램들의 제어 하에 동작할 수 있다. 자주 사용되는 명령어들은 온보드 캐시 135 상에 일시적으로 저장될 수 있다. 읽기 전용 메모리 110 및 랜덤 액세스 메모리 115 둘 모두는 반도체 기술이나 어떤 다른 적절한 재질들 및 기술들을 활용할 수 있다. 프로그램 저장부 120는 디스켓, 컴퓨터 하드 드라이브, 컴팩트 디스크 (CD), 또는 컴퓨터가 사용할 수 있는 코드 형상인 프로그램들을 저장할 수 있는 어떤 다른 디바이스를 포함할 수 있다.
온보드 캐시 135, 읽기 전용 메모리 110, 랜덤 액세스 메모리 115, 및 프로그램 저장부 120는 개별적으로 또는 어떤 조합으로 오퍼레이팅 시스템 프로그램들을 포함할 수 있다. 그 오퍼레이팅 시스템 프로그램들에는 기능성 제어기 100에 의해 제공된 데이터의 품질을 향상시키기 위해 그리고 상기 기능성 제어기 100가 보장된 응답 시간을 제공하는 것을 허용하기 위해서 옵션의 실시간 오퍼레이팅 시스템이 추가될 수 있다.
특히, 온보드 캐시 135, 읽기 전용 메모리 110, 랜덤 액세스 메모리 115, 및 프로그램 저장부 120는 이 중 어느 하나 또는 개별적으로 또는 어떤 조합으로 개별적으로 또는 어떤 조합으로, 상기 프로세서 105로 하여금 여기에서 설명된 상기 개시된 실시예들의 모습들에 따라 고장 진단 및 고장 예측을 수행하도록 하는 프로그램들을 포함할 수 있다. 네트워크 인터페이스 130는 상기 제어기 100 및 다른 제어기들이나 다른 시스템들 사이에서의 인터페이스를 제공하기 위해 보통 적응될 수 있다. 네트워크 인터페이스 130는 하나 이상의 추가의 기능성 제어기들로부터 데이터를 수신하며 그리고 동일한 또는 다른 기능성 제어기들로 데이터를 운반하기 위해 작동할 수 있다. 네트워크 인터페이스 130는 원격 모니터링 및 진단 서비스들을 제공할 수 있는 글로벌 진단 시스템으로의 인터페이스를 또한 제공할 수 있다.
통신 네트워크 190는 PSTN (Public Switched Telephone Network), 인터넷, 무선 네트워크, 유선 네트워크, LAN (Local Area Network), WAN (Wide Area Network), VPN (virtual private network) 등을 포함할 수 있으며, 그리고 X.25, TCP/IP, ATM 등을 포함하는 다른 유형의 네트워크들을 더 포함할 수 있다.
상기 제어기 100는 디스플레이 140 및 키보드 155나 마우스 145와 같은 입력 디바이스를 구비한 사용자 인터페이스 125를 포함할 수 있다. 사용자 인터페이스는 프로세서 105의 제어 하에 사용자 인터페이스 제어기 150에 의해 작동될 수 있으며 그리고 건강 모니터링 및 고장 진단의 결과들을 시각화하기 위해 사용자에게 그래픽 사용자 인터페이스를 제공할 수 있다. 그 사용자 인터페이스는 문제해결 루틴이나 수리 프로세스를 통해서 직원에게 서비스를 안내하기 위해 또한 사용될 수 있다. 추가로, 상기 사용자 인터페이스 제어기는 다른 기능성 제어기들, 외부 네트워크, 다른 제어 시스템, 또는 호스트 컴퓨터와의 통신을 위한 연결이나 인터페이스 155를 또한 제공할 수 있다.
개시된 실시예의 모습들이 구현될 수 있는 반도체 디바이스들 생산을 위한 예시의 자재-핸들링 플랫폼이 도 2에서 개략적으로 도시되며, 주요한 컴포넌트들에 대한 설명 주석들은 표 1에 열거된다. 도 2의 자재-핸들링 플랫폼의 하나 이상의 제어기들은 도 1에 관하여 본원에 설명된 것과 같은 제어기를 포함할 수 있다.
| 번호 | 설명 |
| 301 | 대기 섹션 |
| 302 | 진공 섹션 |
| 303 | 프로세스 모듈 |
| 304 | 봉입부 |
| 305 | 로드포트 (lordport) |
| 306 | 대기 로봇 머니플레이터 |
| 307 | 기판 정렬기 |
| 308 | 팬-필터 유닛 |
| 309 | 진공 챔버 |
| 310 | 로드-락 (load-lock) |
| 311 | 진공 로봇 머니플레이터 |
| 312 | 진공 펌프 |
| 313 | 슬릿 밸브 |
| 314 | 도구 제어기 |
| 315 | 대기 섹션 제어기 |
| 316 | 진공 섹션 제어기 |
| 317 | 프로세스 제어기 |
| 318 | 로드포트 제어기 |
| 319 | 대기 로봇 제어기 |
| 320 | 정렬기 제어기 |
| 321 | 팬-필터 유닛 제어기 |
| 322 | 모터 제어기 |
| 323 | 진공 로봇 제어기 |
표 1: 도 2의 자율화된 자재 핸들링 플랫폼 300 (프로세스 도구로도 언급됨)을 위한 예시의 주석들
상기 자율화된 자재 핸들링 플랫폼 300은 대기 (atmospheric) 섹션 301, 진공 섹션 302 및 하나 또는 다수의 프로세스 모듈들 303을 구비한다.
상기 대기 섹션 301은 봉입부 304, 하나 또는 다수의 로드포트들 305, 하나 또는 다수의 로봇 머니플레이터들 306, 하나 또는 다수의 기판 정렬기들 307 및 팬-필터 유닛 308을 포함할 수 있다. 그것은 하나 이상의 이온화 유닛들 (도시되지 않음)을 또한 포함할 수 있다. 상기 진공 섹션은 진공 챔버 (309, 하나 또는 다수의 로드-락들 310, 하나 또는 다수의 로봇 머니플레이터들 311, 하나 또는 다수의 진공 펌프들 312 그리고 복수의 슬릿 밸브들 313을 포함할 수 있으며, 이 슬릿 밸브들은 상기 진공 챔버 309 및 상기 프로세스 모듈 303 사이에 대기 섹션 301의 로드-락들 310과의 인터페이스에 보통 배치된다.
상기 플랫폼의 동작은 도구 제어기 314에 의해 조정되며, 이 도구 제어기는 대기 섹션 제어기 315, 진공 섹션 제어기 316 및 하나 또는 다수의 프로세스 제어기들 317을 감독한다. 대기 섹션 제어기 315는 하나 또는 다수의 로드포트 (loadport) 제어기들 318, 하나 또는 다수의 대기 로봇 제어기들 319, 하나 또는 다수의 정렬기 제어기들 320 및 팬-필터 유닛 제어기 321를 관리한다. 로드포트 제어기들 318, 대기 로봇 제어기들 319 및 정렬기 제어기들 320 각각은 하나 또는 다수의 모터 제어기들 322을 차례로 관리한다. 상기 진공 섹션 제어기 316는 하나 또는 다수의 진공 로봇 제어기들 323을 관리하고, 진공 펌프 312를 제어하며 그리고 상기 슬릿 밸브들 313을 작동시킨다. 프로세스 제어기 317의 역할은 프로세스 모듈들 303 내에서 수행된 동작들에 종속한다.
몇몇 경우들에서, 제어의 둘 이상의 레이어들을 단일의 제어기에게 결합시킨느 것이 실제적일 수 있다. 예를 들면, 상기 대기 로봇 제어기 319 및 대응 모터 제어기들 322은 단일의 중앙집중화된 로봇 제어기 내에 결합될 수 있으며, 또는 상기 대기 섹션 제어기 315는 두 개의 분리된 제어기 유닛들에 대한 필요성을 제거하기 위해서 상기 대기 로봇 제어기 319와 결합될 수 있다.
5-축 직접-구동 로봇 머니플레이터 400가 도 2의 자율화된 자재 핸들링 플랫폼 300에서 사용될 수 있으며, 여기에서 상기 대기 로봇 머니플레이터 306 및 상기 진공 로봇 머니플레이터 311 중 하나 이상은 상기 로봇 머니플레이터 400와 실질적으로 유사하다. 그런 로봇 머니플레이터 400의 간략화된 도면이 도 3에 제공된다. 주요한 컴포넌트들에 대한 예시적인 주석들이 표 2에 열거된다. 한 모습에서, 개시된 실시예들의 모습들은 상기 로봇 머니플레티어 400 내에서 구현될 수 있다; 그러나, 개시된 실시예의 모습들이 로봇 머니플레티어에 관하여 설명되지만, 개시된 실시예의 모습들은, 이송 로봇들, 로드 포트들, 정렬기들, 펌프들, 팬들, 밸브들 등을 포함하지만 그것들로 제한되지는 않는 상기 자율화된 자재 핸들링 플랫폼 300의 어떤 적합한 자율화된 부분에서 구현될 수 있다는 것이 이해되어야 하며, 도 8a 내 제어기 800는 전술한 자율화된 장비 중 어느 하나를 위한 제어기의 일반적인 표현임에 유의한다. 상기 로봇 머니플레이터 400는 예시적인 목적들만을 위한 5-축 직접 구동 로봇 머니플레이터로서 도시되며 그리고 다른 모습들에서 상기 로봇 머니플레이터 (또는 개시된 실시예의 모습들을 포함한 프로세스 도구의 다른 자율화된 부분)는 적합한 자유도를 구비하고, 직접 또는 간접 구동 시스템을 구비하면서 적합한 개수의 구동 축들을 가질 수 있다는 것에 유의한다.
| 번호 | 설명 |
| 401 | 로봇 프레임 |
| 402 | 마운팅 플렌지 |
| 403 | 수직 레일 |
| 404 | 선형 베어링 |
| 405 | 캐리지 |
| 406 | 수직 구동 모터 |
| 407 | 볼 스크루 |
| 408 | 모터 1 (구동 링크 1) |
| 409 | 모터 2 (구동 링크 2) |
| 410 | 엔코더 1 (모터 1에 결합) |
| 411 | 엔코더 2 (모터 2에 결합) |
| 412 | 외부 샤프터 |
| 413 | 내부 샤프터 |
| 414 | 링크 1 (상단 암) |
| 415 | 벨트 구동 링크 2 |
| 416 | 링크 2 (포암 (fore암)) |
| 417A | 모터 A (driving 엔드-이펙터 A) |
| 417B | 모터 B (driving 엔드-이펙터 B) |
| 418A | 벨트 구동 A의 제1 스테이지 |
| 418B | 벨트 구동 B의 제1 스테이지 |
| 419A | 벨트 구동 A의 제2 스테이지 |
| 419B | 벨트 구동 B의 제2 스테이지 |
| 420A | 엔드-이펙터 A (상단 엔드-이펙터) |
| 420B | 엔드-이펙터 B (하단 엔드-이펙터) |
| 421A, 421B | 엔드-이펙터들 A 및 B 상의 페이로드 |
| 422 | 마스터 제어기 |
| 423A, 423B,423C | 모터 제어기들 |
| 424A, 424B | 엔드-이펙터들 A 및 B를 위한 전자 유닛들 |
| 425 | 통신 네트워크 |
| 426 | 슬립-링 |
| 428A, 428B | 매퍼 센서들 |
| 429 | 파워 서플라이 |
| 430 | 진공 펌프 |
| 431A, 431B | 밸브들 |
| 432A, 432B | 압력 센서들 |
| 433, 434A,434B | 립-실들 (lip-seals) |
| 435 | 브레이크 |
표 2: 도 3의 로봇 머니플레이터에 대한 예시의 주석들
도 3을 참조하면, 상기 로봇 머니플레이터 400는 원형 마운팅 플렌지 402로부터 걸려있는 개방 원통 프레임 301 주위에 구축된다. 그 프레임 401은 수직 레일 403을 선형 베어링 404과 통합하여, 볼-스크루 메커니즘 407을 경유하여 브러시리스 DC 모터 406에 의해 구동된 캐리지 405로의 안내를 제공한다. 그 캐리지 405는 광학 엔코더들 410, 411이 장착된 한 쌍의 동축 브러시리스 DC 모터들 408, 409을 수납한다. 상단 모터 408는 로봇 암의 제1 링크 414에 연결된 중공 외부 샤프트 412를 구동한다. 하단 모터 409는, 벨트 구동 415을 경유하여 제2 링크 416에 결합된 동축 내부 샤프트 413에 연결된다. 제1 링크 414는, 2-스테이지 벨트 설비 418A, 419A를 통해 상단 엔드-이펙터 420A를 구동하는 브러시리스 DC 모터 417A를 수납한다. 다른 DC 브러시리스 모터 417B 및 2-스테이지 벨트 구동 418B, 419B은 상기 하단 엔드-이펙터 420B를 작동시키기 위해 사용된다. 상기 스테이지들 418A, 418B, 419A 및 419B 각각은 입력 풀리 및 출력 풀리 사이에 1:2 비율을 가지도록 설계된다. 기판들 421A 및 421B은 진공-작동 에지-접촉 그리퍼들, 표면-접촉 석션 그리퍼들 또는 수동 그리퍼들을 수단으로 하여 엔드-이펙터들 420A 및 420B에 각각 부착되어 유지된다.
상기 제1 링크 414, 제2 링크 416, 상단 엔드-이펙터 420A 및 하단 엔드-이펙터 420B는 본 문서 전체에 걸쳐서 상단 암, 포암 (forearm), 엔드-이펙터 A 및 엔디-이펙터 B로 또한 각각 언급된다. 포인트들 A, B 및 C는 솔더, 엘보 및 리스트 조인트들로 각각 언급되는 레벌루트 결합 (revolute coupling)들을 표시한다. 포인트 D는 대응 엔드-이펙터 상의 기판의 중심의 소망된 위치를 표시하는 레퍼런스 포인트를 나타낸다.
상기 예시의 로봇 머니플레이터의 제어 시스템은 분산된 유형일 수 있다. 그 제어 시스템은 파워 서플라이 429, 마스터 제어기 422 및 모터 제어기들 423A, 423B 및 423C을 포함한다. 마스터 제어기 422는 관리 태스크들 및 궤도 플래닝을 담당한다. 상기 모터 제어기들 423A, 423B 및 423C 각각은 하나 이상의 모터들을 위한 위치 및 전류 피드백 루프들을 실행한다. 도 3에서, 제어기 423A는 모터들 408 및 409를 제어하며, 제어기 423B는 모터들 417A 및 417B를 제어하며 그리고 제어기 423C는 모터 406를 제어한다. 상기 피드백 루프들을 실행하는 것에 추가로, 상기 모터 제어기들은 모터 전류, 모터 위치 및 모터 속도와 같은 데이터를 또한 수집하며, 그리고 그 데이터를 상기 마스터 제어기에게 스트리밍한다. 상기 모터 제어기들 423A, 423B 및 423C는 고속 통신 네트워크 425를 통해서 상기 마스터 제어기에게 연결된다. 조인트 A가 무한 회전 조인트이기 때문에, 상기 통신 네트워크 425는 슬립-링 426을 통해서 라우팅된다. 상기 엔드-이펙터들 420A 및 420B의 에지-접촉 그리퍼들을 각각 지지하기 위해 추가의 전자 유닛들 424A 및 424B이 사용될 수 있다.
도 4a - 도 4e를 이제 참조하면, 도 3의 로봇 머니플레이터 (400)는 적합한 암 링키지 메커니즘(들)을 포함할 수 있다. 암 링키지 메커니즘들의 적합한 예들은, 예를 들면, 2009년 8월 25에 발행된 미국 특허 번호 7,578,649, 1998년 8월 18일에 발행된 미국 특허 5,794,487, 2011년 5월 24일 발행된 미국 특허 7,946,800, 2002년 11월 26일에 발행된 미국 특허 6,485,250, 2011년 2월 22일에 발행된 미국 특허 7,891,935, 2013년 4월 16일에 발행된 미국 특허 8,419,341 및 2011년 11월 10일에 출원된 "Dual Arm Robot" 제목의 미국 특허 출원 번호 13/293,717 그리고 2013년 9월 5일에 출원된 "Linear Vacuum Robot with Z Motion and Articulated Arm" 제목의 미국 특허 출원 13/861,693에서 찾아볼 수 있으며, 이 출원들의 개시는 그 전체가 모두 본원에 참조로서 편입된다. 개시된 실시예의 모습들에서, 각 이송 유닛 모듈 104, 붐 (boom) 암 143 및/또는 선형 슬라이드 144 중 적어도 하나의 전달 암은 상단 암 315U, 밴드-구동 포암 315F 및 밴드-강제 엔드-이펙터 315E를 포함하는 전통적인 SCARA 암 315 (선택적인 호환 분절 로봇 암) (도 4c) 유형 디자인으로부터 유도될 수 있으며, 또는 데카르트 선형 슬라이딩 암 314 (도 4b)처럼 끼워 넣는 (telescoping) 암이나 어떤 다른 적합한 암 디자인으로부터 유도될 수 있다. 전달 암들의 적합한 예들은, 예를 들면, 2008년 5월 8일에 출원된 "Substrate Transport Apparatus with Multiple Movable Arms Utilizing a Mechanical Switch Mechanism" 제목의 미국 특허 출원 번호 12/117,415 및 2010년 1월 19일에 발행된 미국 특허 번호 7,648,327에서 찾아볼 수 있으며, 이 출원들의 개시는 그 전체가 본원에 참조로서 편입된다. 상기 전달 함들의 동작은 서로 독립적일 수 있으며 (예를 들면, 각 암의 확장/수축은 다른 암들로부터 독립적이다), 손실 모션 스위치를 통해 작동될 수 있거나 또는 상기 암들이 적어도 하나의 공통 구동 축을 공유하도록 하는 적합한 방식으로 작동적으로 링크될 수 있다. 또 다른 모습들에서 상기 전달 암들은 프로그-레그 (frog-leg) 암 316 (도 4a) 구성, 립 프로그 (leap frog) 암 317 (도 4e) 구성, 복-대칭적 암 318 (도 4d) 구성 등과 같은 어떤 다른 소장된 배치를 가질 수 있다. 전달 암들의 적합한 예들은 2001년 5월 15일에 발행된 미국 특허 6,231,297, 1993년 1월 19일에 발행된 5,180,276, 2002년 10월 15일에 발행된 6,464,448, 2001년 5월 1일에 발행된 6,224,319, 1995년 9월 5일에 발행된 5,447,409, 2009년 8월 25일에 발행된 7,578,649, 1998년 8월 18일에 발행된 5,794,487, 2011년 5월 24일에 발행된 7,946,800, 2002년 11월 26일에 발행된 6,485,250, 2011년 2월 22일에 발행된 7,891,935 그리고 2011년 11월 10일에 출원된 "Dual Arm Robot" 제목의 미국 특허 출원 번호 13/293,717 및 2011년 10월 11일에 출원된 "Coaxial Drive Vacuum Robot" 제목의 13/270,844에서 찾아볼 수 있으며, 이 출원들의 개시는 그 전체가 본원에 참조로서 편입된다.
도 2 - 도 4e를 계속 참조하면, 본원에서 설명된 로봇 머니플레이터들 306, 311, 400 은 도 5a에 도시된 기판 홀딩 스테이션들 STN1-STN6처럼 공간 내 포인트들 사이에서 기판들 S (도 4a 및 도 4b 참조)를 수송한다. 기판 S의 수송을 달성하기 위해서, 상기 로봇 머니플레이터 306, 311, 400 에 연결된 로봇 제어기 (로봇 머니플레이터 제어기로도 언급됨) 319, 323, 422, 423A-423C, 810 (도 2, 도 4 및 도 8a 참조)와 같은 자율화된 자재 핸들링 플랫폼 300의 적합한 제어기에서 모션 제어 알고리즘이 실행된다. 상기 모션 제어 알고리즘은 공간에서 소망된 기판 경로를 한정하며 위치 제어 루프는 공간에서 각자 각각의 로봇 자유도 (degree-of-freedom)를 움직이게 하는 것을 담당하는 각 로봇 액추에이터에 적용하기 위해 소망된 제어 토크들 (또는 힘들)을 계산한다.
(자율화된 시스템으로 언급될 수 있는) 상기 로봇 머니플레이터들 306, 311, 400 은 기판들 S을 계속해서 전달하는 반복적인 태스크를 수행할 것으로 예상되며 그리고 상기 로봇 머니플레이터들은 그런 기판들을 프로세싱하는 것과 연관된 환경 컨디션들을 필요로 한다. 개시된 실시예의 모습들에 의해 제공된 방법 및 장치가 로봇 머니플레이터 (또는 상기 자율화된 자재 핸들링 플랫폼 300의 다른 자율화된 장비)를 시간에 걸쳐서 모니터하도록 하며 그리고 상기 각 로봇 머니플레이터 306, 311, 400가 기판 홀딩 스테이션들 STN1-STN6 사이에서 기판들을 운반하고 전달하는 것과 같은 자신의 주요 태스크를 처리하기 위해서 예상된 파라미터들 내에서 작동할 수 있는지를 판별 (예측 진단)하게 하는 것이 유리하다.
개시된 실시예의 모습들에 따라, 예를 들면, 상기 로봇 머니플레이터 306, 311, 400 의 건강 평가는, 그 로봇 머니플레이터 306, 311, 400의 베이스 이동/모션들 (이동 및 모션의 용어들은 본원에서 교환하여 사용됨) 820, 820A, 820B, 820C (도 8a 참조)의 세트를 위한 상기 로봇 머니플레이터 306, 311, 400에 의해 출력된 각 동적 성능 변수를 규정하는 베이스 통계 서명 (예를 들면, 전형적인 환경 컨디션들에서 동작하는 주어진 변수의 행동의 통계적인 표현이나 베이스라인)을 생성함으로써 수행된다. 상기 베이스 통계 서명은 미리 정해진 베이스 모션들의 미리 정해진 모션 베이스 세트를 실행하는 상기 로봇 머니플레이터 306, 311, 400에 의해 출력된 적어도 하나의 동적 성능 변수를 구체화하는 미리 정해진 작동 (operating) 데이터를, 예를 들면, 제어기 319, 323, 422, 423A, 423B, 423C, 810 와 같은 자율화된 자재 핸들링 플랫폼 300의 적합한 제어기에 통신 가능하게 결합된 등록 시스템 801R (저장부 801와 같은 어떤 적합한 저장부에 의해 형성되거나 그 저장부 내에 상주할 수 있음)을 이용하여 등록함으로써 생성된다.
상기 동작 성능 변수들 각각은 (상기 로봇 머니플레이터 306, 311, 400 와 같은) 상기 자율화된 시스템에 특정되며, 이것은 동적 성능 변수들이 획득되었던 (자율화된 자재 핸들링 플랫폼 300을 형성하는 자율화된 시스템들의 그룹과 같은) 상이한 자율화된 시스템들의 그룹 내에 있을 수 있다. 그처럼, 상기 동적 성능 변수들 각각이 (자율화된 시스템들의 그룹의) 자율화된 시스템들 중 각자의 하나에 특정이기 때문에, 각자의 자율화된 시스템의 상기 베이스 통계 서명은 각자의 자율화된 시스템과 함께 이동한다. 예를 들면, 상기 자율화된 자재-핸들링 플랫폼 300 의 대기 섹션 301 내에 배치된 로봇 머니플레이터 306 는 각자의 베이스 통계 서명을 가지며 그리고 진공 섹션 302 내에 배치된 로봇 머니플레이터 311 는 각자의 베이스 통계 서명을 가진다.
로봇 머니플레이터 311 가 상기 대기 섹션 301 내에 위치했었다면, 그 로봇 머니플레이터 311 의 베이스 통계 서명은 로봇 머니플레이터 311 이 대기 섹션 301 내에 배치될 때에 그 로봇 머니플레이터 311 에 여전히 적용될 것이다. 한 모습에서, 상기 베이스 통계 서명은 메모리 내 각자의 자율화된 시스템 및/또는 그 자율화된 시스템의 제어기와 연관된다. 또한, 각 로봇 머니플레이터는 각자의 로봇 머니플레이터의 베이스 통계 서명을 실행하는 동작상의 특징들을 가질 수 있다. 예를 들면, 로봇 머니플레이터 311 및 다른 로봇 머니플레이터는 동일한 메이커 및 모델을 가진 로봇 머니플레이터로서 제조될 수 있다. 그러나, 예를 들면 로봇 구동 시스템들 및 암 구조들에서의 제조 공차들로 인해서, 로봇 머니플레이터 311에 대한 베이스 통계 서명은 다른 로봇 머니플레이터에 적용될 수 없을 수 있으며, 그 반대도 마찬가지이다. 그처럼, 각 로봇 머니플레이터에 대한 베이스 통계 서명은 각자의 로봇 머니플레이터와 함께 이동한다 (예를 들면, 로봇 머니플레이터 311 에 대한 베이스 통계 서명 Cpkbase은 로봇 머니플레이터 311 와 함께 이동하며 그 로봇 머니플레이터에 유일하며 그리고 로봇 머니플레이터 306 에 대한 베이스 통계 서명 Cpkbase은 로봇 머니플레이터 306 와 함께 이동하며 그 로봇 머니플레이터에 유일하다). 따라서, 로봇 머니플레이터 311와 같은 각 장치는 유일하며, 미리 정해진 모션 베이스 세트 820, 820A-820C 의 각 미리 정해진 베이스 이동 501, 502, 503에 대한 각 정규화된 값이나 베이스 통계 서명/값 Cpkbase 그리고 다른 미리 정해진 모션 세트 830, 830A-830C의 각 매핑된 원위치 (in situ) 프로세스 이동 501', 502', 503' 은 상기 유일 장치에만 유일하게 상관되며, 그리고 (선형 추세 모델 LTM과 같은 - 도 11 참조) 상기 정해진 성능 악화 레이트는 상기 유일 장치에만 유일하게 상관한다.
한 모습에서, (도 3에 도시된 자율화된 자재 핸들링 플랫폼 300과 같은) 시스템은, 서로 연결되며 그리고, 예를 들면, 상기 이송 장치 311 에 연결된 (표 1에 열거되며 도 2에 도시된 정렬기 307, 로봇 머니플레이터 306, 팬 필터 유닛 308 등과 같은) 다수의 상이한 유일 장치를 포함하거나 그런 유일 장치가 제공되며, 여기에서 다수의 상이한 유일 장치 App(i) (도 2a에서 각 상이한 유일 장치 App1-Appn으로서 개략적으로 표시됨)로부터의 각 상이한 유일 장치는, 상기 미리 정해진 모션 베이스 세트 820, 820A-820C의 각 베이스 이동 501, 502, 503에 대한 상이한 대응 정규화된 값들 CpkBasei (CpkBase(1-n)을 포함함) 그리고 상기 다수의 상이한 유일 장치 (i)로부터의 상이한 대응 유일 장치 App1-Appn 에만 유일하게 상관하는 다른 미리 정해진 모션 세트 830, 830A-830C의 각 매핑된 원위치 프로세스 이동 501', 502', 503'에 대한 다른 정규화된 값들 CpkOtheri 을 구비한다. 한 모습에서, 다수의 상이한 장치 App(i)로부터의 각 (또는 적어도 하나의) 상이한 유일 장치 App1-Appn는 그 상이한 유일 장치 App1-Appn 중 다른 하나와 공통의 구성이다. 예를 들면, 로봇 머니플레이터 306 는 로봇 머니플레이터 311 와 공통의 구성을 가질 수 있다. 다른 모습들에서, 다수의 상이한 유일 장치 App(i)로부터의 각 (또는 적어도 하나의) 상이한 유일 장치 App1-Appn는 그 상이한 유일 장치 App(i) 중 다른 하나와 상이한 구성이다. 예를 들면, 상기 정렬기 307 는 로봇 머니플레이터 306 와 상이한 구성을 가진다.
각 자율화된 장치 및/또는 시스템의 동적 성능 변수들은 직접적으로 측정되거나 (즉, 연속하는 모니터링 변수들) 또는 이용 가능한 측정치들로부터 유도될 수 있다 (즉, 유도된 변수들). 그 동적 성능 변수들의 예들은 다음을 포함한다:
기계적인 또는 전기적인 전력;
기계적인 일;
로봇 엔드-이펙터 가속;
모터 PWM 듀티: 모터의 PWM 듀티는 어떤 정해진 시각에 각 모터 페이즈에 공급된 입력 전압의 백분율이다. 상기 모터 페이즈들 각각에서의 듀티 사이클은 상기 건강-모니터링 및 고장-진단 시스템에게 이용 가능하다;
모터 전류: 모터 전류는 상기 모터들 각각의 3상 중의 각 상을 통해 흐르는 전류를 나타낸다. 모터 전류는 절대적인 값으로서 또는 최대 전류에 대한 백분율로서 획득될 수 있다. 절대적인 값으로서 획득되면 그 모터 전류는 Amps 단위를 가진다. 모터 전류 값들은 모터 토크-전류 관계들을 사용하여 모터 토크들을 계산하기 위해 차례로 사용될 수 있다;
실제의 위치, 속도 및 가속도: 이것들은 모터 축들 각각의 위치, 속도 및 가속도이다. 회전축들에 대해, 상기 위치, 속도 및 가속도 값들은 각각 도 (degree), 도/초 (degrees/sec) 및 도/초2 (degrees/sec2) 단위이다. 병진축들에 대해, 상기 위치, 속도 및 가속도 값들은 각각 mm, mm/sec 및 mm/sec2 단위이다;
소망된 위치, 속도 및 가속도: 이것들은 모터가 가지도록 제어기가 명령한 위치, 속도 및 가속도 값들이다. 이 특성들은 위에서의 실제의 위치, 속도 및 가속도와 유사한 단위를 가진다;
위치 및 속도 트래킹 오류: 이것들은 각자의 소망된 값 및 실제의 값 사이의 차이들이다. 이 특성들은 위에서의 실제의 위치, 속도 및 가속도와 유사한 단위를 가진다;
세틀링 시간: 이것은 위치 및 속도 트래킹 오류들이 모션의 끝 부분에서 특정된 윈도우들 내에 안정하기 위해 걸리는 시간이다;
엔코더 아날로그 및 절대 위치 출력들: 모션 위치는 엔코더들에 의해 정해지며, 이 엔코더는 두 가지 유형의 신호들 - 아날로그 신호들 및 절대 위치 신호들을 출력한다. 아날로그 신호들은 mVolt 단위인 사인 및 코사인 신호들이다. 절대적인 위치 신호들은 지나간 아날로그 사인 사이클들의 개수 또는 아날로그 사인 사이클들의 정수 배수를 표시하는 비-변동 정수값들이다. 통상적으로, 디지털 출력들은 파워 업 시에 읽혀지며 그 이후에 축 위치는 상기 아날로그 신호들로부터 단독으로 정해진다;
그리퍼 상태: 이것은 상기 그리퍼의 상태이다 - 개방 또는 폐쇄됨. 진공-작동된 에지-접촉 그리퍼의 경우에, 그것은 하나 이상의 센서들의 차단된/차단되지 않은 상태이다;
진공 시스템 압력: 이것은 진공 센서에 의해 측정된 진공 레벨이다. 이것은 아날로그 센서로, 그 출력은 아날로그-디지털 컨버터에 의해 이진화된다. 석션 그리퍼의 경우에, 진공 레벨은 웨이퍼를 잡았는가의 여부를 표시한다;
기판-존재 센서 상태: 수동 그립 엔드 이펙터에서, 웨이퍼 존재 센서 출력은 이진수 출력이다. 진공-작동 에지-접촉 그립 엔드 이펙트에서, 웨이퍼 존재는 둘 이상의 센서들의 출력 상태로부터 판별되며, 그 출력 상태는 이진수이다;
매퍼 센서 상태: 이것은 어떤 주어진 순간에 차단되었는가 또는 차단되지 않았는가인 매퍼 센서의 상태이다;
기판 매퍼/정렬기 탐지기 광 강도 (intensity): 이것은 기판 매퍼 또는 정렬기의 광 탐지기에 의해 탐지된 광의 강도의 측정치이다. 이 신호는 보통은 (예를 들면, 0 - 1024의 범위를 가질 수 있는) 정수 값으로서 이용 가능한 것이 일반적이다;
기판 매퍼 센서 위치 캡쳐 데이터: 이것은 상기 매퍼 센서가 상태를 변경하는 로봇 위치 밸브들의 어레이이다;
빈공 밸브 상태: 이것은 진공 밸브의 명령받은 상태이다. 이것은 상기 진공 밸브를 작동시키는 솔레노이드가 전력을 공급받을 것인가를 규정한다;
퓨즈 출력 단자들에서의 전압: 모터 제어 회로 내 퓨즈들 각각의 출력 단자들에서의 전압이 모니터된다. 끊어진 퓨즈는 낮은 출력 단자 전압의 결과를 가져온다;
기판 정렬 데이터: 이것들은 정렬기에 의해 보고된 기판의 정렬 기점의 각도 방위 및 기판 편심 벡터이다;
외부 기판 센서들의 천이에서의 위치 데이터: 몇몇 경우들에서, 상기 도구의 대기 섹션 및 진공 섹션에는 로봇에 의해 운반된 기판의 리딩 에지 및 트레일링 에지르 탐지하는 광학 센서들이 장착될 수 있다. 이 이벤트들에 대응하는 로봇 위치 데이터는 로봇 엔드-이펙터 상의 기판의 편심의 일회성 인식을 위해 사용된다;
기판 사이클 시간: 이것은 상기 도구에 의해 프로세싱될 단일 기판을 위해 걸리는 시간이며, 보통은 일정한 흐름 상태 하에서 측정된다;
최소-주변 압력: 이것은 상기 도구의 대기 섹션 내 압력 센서에 의해 측정된 압력이다.
연속적인 모니터링 변수들의 특별한 예들은 다음의 것들을 포함한다:
| 이름 | 단위 짧게 | 단위 길게 |
| T1 실제 위치 | deg | 각도 |
| T2 실제 위치 | deg | 각도 |
| Z 실제 위치 | m | 미터 |
| T1 실제 속도 | deg/sec | 초 당 각도 |
| T2 실제 속도 | deg/sec | 초 당 각도 |
| Z 실제 속도 | m/sec | 초 당 미터 |
| T1 실제 가속도 | deg/sec2 | 초 제곱 당 각도 |
| T2 실제 가속도 | deg/sec2 | 초 제곱 당 각도 |
| Z 실제 가속도 | m/sec2 | 초 제곱 당 미터 |
| T1 가속도 커맨드 | deg/sec2 | 초 제곱 당 각도 |
| T2 가속도 커맨드 | deg/sec2 | 초 제곱 당 각도 |
| Z 가속도 커맨드 | m/sec2 | 초 제곱 당 밀리미터 |
| T1 위치 오류 | deg | 각도 |
| T2 위치 오류 | deg | 각도 |
| Z 위치 오류 | deg | 각도 |
| T1 실제 토크 | N | 뉴턴-미터 |
| T2 실제 토크 | N | 뉴턴-미터 |
| Z 실제 토크 | N | 뉴턴-미터 |
| T1 모델링된 토크 | N | 뉴턴-미터 |
| T2 모델링된 토크 | N | 뉴턴-미터 |
| Z 모델링된 토크 | N | 뉴턴-미터 |
| T1 실제 전류 | A | 암페어 |
| T2 실제 전류 | A | 암페어 |
| Z 실제 전류 | A | 암페어 |
| 버스 모터 전압 | V | 볼트 |
| 버스 24V 레일 | V | 볼트 |
| 버스 12V 레일 | V | 볼트 |
| 버스 5V 레일 | V | 볼트 |
| 버스 3.3V 레일 | V | 볼트 |
| 코어 온도 | C | 섭씨 |
| FPGA 코어 공급 전압 | V | 볼트 |
| FPGA io 공급 전압 | V | 볼트 |
| 프로세서 코어 공급 전압 | V | 볼트 |
| 프로세서 io 공급 전압 | V | 볼트 |
| DDR 공급 전압 | V | 볼트 |
| T1 온도 | C | 섭씨 |
| T2 온도 | C | 섭씨 |
| Z 온도 | C | 섭씨 |
| T1 서보 상태 | bitwise | 비트와이즈 (Bitwise) |
| T2 서보 상태 | bitwise | 비트와이즈 |
| Z 서보 상태 | bitwise | 비트와이즈 |
| T1 엔코더 CRC 오류 카운터 | count | 카운터 |
| T2 엔코더 CRC 오류 카운터 | count | 카운터 |
| Z 엔코더 CRC 오류 카운터 | count | 카운터 |
| T1 엔코더 경고 플래그 카운터 | count | 카운터 |
| T2 엔코더 경고 플래그 카운터 | count | 카운터 |
| Z 엔코더 경고 플래그 카운터 | count | 카운터 |
| T1 엔코더 오류 플래그 카운터 | count | 카운터 |
| T2 엔코더 오류 플래그 카운터 | count | 카운터 |
| Z 엔코더 오류 플래그 카운터 | count | 카운터 |
| T1 커맨드 위치 | deg | 각도 |
| T2 커맨드 위치 | deg | 각도 |
| Z 커맨드 위치 | m | 미터 |
| 방사상 커맨드 위치 | m | 미터 |
| 방사상 커맨드 위치 암 B | m | 미터 |
| 세타 커맨드 위치 | deg | 각도 |
| 세타 커맨드 위치 암 B | deg | 각도 |
| 방사상 위치 오류 | m | 미터 |
| 방사상 위치 오류 암 B | m | 미터 |
| 접선 위치 오류 | m | 미터 |
| 접선 위치 오류 암 B | m | 미터 |
| 커맨드 복합 가속도 | g | g |
| 커맨드 복합 가속도 암 B | g | g |
| 실제의 복합 가속도 | g | g |
| 실제의 복합 가속도 암 B | g | g |
| CPU 코어 0 활용 | % | 백분률 |
| CPU 코어 1 활용 | % | 백분률 |
| 전체 시스템 RAM | B | 바이트 |
| 가용 시스템 RAM | B | 바이트 |
| 사용된 시스템 RAM | B | 바이트 |
| 사용된 백분률 시스템 RAM | % | 백분률 |
| 전체 디스크 0 공간 | B | 바이트 |
| 가용 디스크 0 공간 | B | 바이트 |
| 사용된 디스크 0 공간 | B | 바이트 |
| 사용된 백분률 디스크 0 공간 | % | 백분률 |
| 프로세서 PCB 온도 | C | 섭씨 |
| RTC 배터리 로우 플래그 | Bool | 불리언 |
| 제어기 부트 사이클들의 개수 | count | 카운트 |
| 제어기 하드웨어 가동 시간 | days | 날 |
| 전체 사이클 카운트 | count | 카운트 |
| Fan 제어기 내부 온도 | C | 섭씨 |
| Fan 0 속도 | RPM | RPM |
| Fan 0 오류 플래그 | Bool | 불리언 |
| Fan 1 속도 | RPM | RPM |
| Fan 1 오류 플래그 | Bool | 불리언 |
표 3: 연속적인 모니터링 변수들
여기에서 T1 및 T2가 로봇 머니플레이터 구동 회전 축들이며 (둘보다 많은 또는 적은 개수의 회전 구동 축들이 존재할 수 있을 것이다); Z는 로봇 구동 Z 축이며; CPU는 (제어기 319, 323, 422, 423A-423C, 800 와 같은) 로봇 제어기이며; 팬 0, 팬 1은 로봇 머니플레이터의 다양한 팬들이며; 세타는 로봇 머니플레이터 암의 회전이며; 그리고 R은 로봇 머니플레이터 암의 확장이다.
유도된 변수들의 특별한 예들이 다음의 것들을 포함한다:
| 이름 | 단위 짧게 | 단위 길게 |
| T1 서보 상태 지속 시간 | days | 날 |
| T2 서보 상태 지속 시간 | days | 날 |
| Z 서보 상태 지속 시간 | days | 날 |
| T1 서보 상태 | bool | 불리언 |
| T2 서보 상태 | bool | 불리언 |
| Z 서보 상태 | bool | 불리언 |
| T1 기계적 전력 | W | 와트 |
| T2 기계적 전력 | W | 와트 |
| Z 기계적 전력 | W | 와트 |
| T1 전기적 전력 | W | 와트 |
| T2 전기적 전력 | W | 와트 |
| Z 전기적 전력 | W | 와트 |
| T1 모터 효율 | % | 백분률 |
| T2 모터 효율 | % | 백분률 |
| Z 모터 효율 | % | 백분률 |
| T1 증가 에너지 | J | 줄 |
| T2 증가 에너지 | J | 줄 |
| Z 증가 에너지 | J | 줄 |
| T1 증가 위치 | deg | 각도 |
| T2 증가 위치 | deg | 각도 |
| Z 증가 위치 | m | 미터 |
| 위치 루프 평균 실행 시간 | us | 마이크로초 |
| 위치 루프 최대 실행 시간 | us | 마이크로초 |
| 위치 루프 평균 신호 지연 시간 | us | 마이크로초 |
| 위치 루프 최대 신호 지연 시간 | us | 마이크로초 |
| 전류 루프 평균 실행 시간 | us | 마이크로초 |
| 전류 루프 최대 실행 시간 | us | 마이크로초 |
| IO 루프 평균 인터벌 시간 | ms | 밀리초 |
| IO 루프 최대 인터벌 시간 | ms | 밀리초 |
| IO 루프 평균 실행 시간 | ms | 밀리초 |
| IO 루프 최대 실행 시간 | ms | 밀리초 |
| T1 엔코더 CRC 오류 플래그 | count | 카운터 |
| T2 엔코더 CRC 오류 플래그 | count | 카운터 |
| Z 엔코더 CRC 오류 플래그 | count | 카운터 |
| T1 엔코더 경고 플래그 | count | 카운터 |
| T2 엔코더 경고 플래그 | count | 카운터 |
| Z 엔코더 경고 플래그 | count | 카운터 |
| T1 엔코더 오류 플래그 | count | 카운터 |
| T2 엔코더 오류 플래그 | count | 카운터 |
| Z 엔코더 오류 플래그 | count | 카운터 |
표 4: 유도된 변수들
그런 동적 성능 변수들은 모터 위치, 속도, 가속도 및 제어 토크들과 같은 미가공 또는 직접 측정치들로부터 계산된다.
상기 미리 정해진 모션 베이스 세트 820, 820A-820C의 상기 미리 정해진 베이스 이동들 501, 502, 503은 베이스 모션 유형을 한정하는 통계적으로 규정하는 개수의 적어도 하나의 공통 베이스 이동 (예를 들면, 베이스라인을 형성하며 그리고 통계적으로 의미있는 배치 (batch)를 정의하기 위해 수집된 충분한 샘플들 이동들로부터 생성되는 이동)을 포함한다. 예를 들면, 각자의 베이스 이동 501, 502, 503 (예를 들면, 베이스 이동 501은 모션 베이스 세트 820A를 가지며, 베이스 이동 502은 모션 베이스 세트 820B를 가지며, 베이스 이동 503은 모션 베이스 세트 820C를 가진다)에 대한 (각) 모션 베이스 세트 820, 820A-820C (도 8a 참조)는 특정 로봇 머니플레이터 306, 311, 400를 위한 모션 베이스 세트 (또는 이동 세트) 820, 820A-820C를 규정하기 위해 정해진 수렴 기준에 기반하여 통계적으로 의미있는 표준 편차를 제공하기에 충분한 이동들의 실질적으로 최소의 개수 Nmin (도 6 참조) (예를 들면, 샘플 크기)이다. 그처럼, 각 동적 성능 변수는 각자의 로봇 머니플레이터 306, 311, 400에 특정된 것이며 그리고 그 로봇 머니플레이터에 의해 출력된다.
각자의 미리 정해진 모션 베이스 세트 820, 820A-820C 의 상기 미리 정해진 베이스 이동들 501, 502, 503은 다수의 상이한 베이스 모션 유형들을 포함하며, 그 유형들 각각은 각 베이스 모션 유형에 대해 통계적으로 규정하는 개수의 공통 모션들에서 상기 이송 장치 306에 의해 실행된다. 상이한 베이스 모션 유형들 각각은 상이한 대응하는 적어도 하나의 토크 커맨드 특징 및 각 베이스 모션 유형에게 각각 상이한 공통 모션을 정의하는 위치 커맨드 특징을 가진다. 한 모습에서, 상기 미리 정해진 베이스 모션 세트 820, 820A-820C는 하나 이상의 이동/모션 유형들일 수 있다. 예를 들면, 베이스 모션 세트 820, 820A-820C 내 각자의 이동들 501, 502, 503 은 그 각자의 이동을 한정하는 토크 커맨드 및 위치 커맨드에 의해 규정된 단순한 이동들이거나 복잡한 (예를 들면, 혼합된) 이동들일 수 있다.
단순한 이동은 (포인트 0으로부터 포인트 1까지로 도 5c에서 도시된) 두 포인트들 사이에서의 직선 이동이거나 또는 로봇 머니플레이터 306, 311, 400의 세타 축, 확장 축 또는 Z 축 중 하나를 따른 (포인트 1로부터 포인트 2로의 도 5c에서 도시된) 두 포인트들 사이에서 원형 아크 내에서의 이동이다 (예를 들면, 1의 자유도).
복잡한 또는 혼합된 이동은 둘 이상의 단순한 이동들이 도 5b에서 도시된 것처럼 함께 혼합된 경우의 이동이며, 여기에서 상기 이동은 상기 로봇 머니플레이터 306, 311, 400의 세타 축, 확장 축이나 Z 축 중 적어도 두 개를 따라 포인트 0으로부터 포인트 1로 그리고 포인트 1로부터 포인트 2로 움직이는 두 개의 직선을 혼합한 포인트 1에 인접한 혼합된 경로를 구비하여 포인트 0으로부터 포인트 2로 확장한다 (예를 들면, 2 이상의 자유도).
상기 모션 베이스 세트들 820, 820A-820C 각각은, 상기 세트 내 이동들의 위치 (예를 들면, 그 이동들의 시작 및 완료 포인트들), 그 세트 내 상기 이동들의 로드 파라미터들 (예를 들면, 상기 로봇 머니플레이터 306, 311, 400 가 적재되었는가 (기판 운반) 또는 적재 해제되었는가 (기판을 운반하지 않음), 그리고/또는 상기 이동의 초기 및/또는 최종 위치들에서의 동적 컨디션들 (예를 들면, 모션/정지, 정지/정지, 정지/모션, 모션/모션 등)에 의해 또한 규정될 수 있다. 예를 들면, 도 5b에서의 복잡한 이동을 참조하면, 동적 컨디션 포인트 0은 정지되며 그리고 포인트 2에서의 동적 컨디션은 정지된다. 도 5c에서의 두 개의 단순 이동들을 참조하면, 포인트 0에서의 동적 컨디션은 정지되며 그리고 포인트 1에서의 동적 컨디션이 이동하고 있으며; 반면에 포인트 2에서의 동적 컨디션은 정지된다. 위에서 설명된 것처럼, 이동 유형들이 1, 2, 또는 3 자유도인 로봇 머니플레이터에 관하여 설명되었지만, 그 이동 유형들은 적합한 숫자의 자유도 또는 (진공 펌프, 기판 정렬기 등에서와 같은) 단일 자유도를 이용하여 생성된 이동들을 포함할 수 있다는 것이 이해되어야 한다.
각 이동 유형은, 각 이동 유형을 통계적으로 규정하는 최소 개수의 이동들 Nmin 을 실행한다. 예를 들면, 각 동적 성능 변수 또는 모션 유형은 다음처럼 히스토그램 방식으로 표현될 수 있다:
여기에서 s는 표 5 내지 표 7에서 제공된 베이스 이동/모션 신호이다. 신호들 s0 내지 sn 은 스칼라 출력을 가진 신호들이며 그리고 (베이스 이동들로서 또한 언급될 수 있는) 상이한 템플릿 (template) 이동들 전역에서 비교될 수 있어야 하며, 즉, 상이한 이동 유형들 전역에서 상기 베이스라인에 대해 모터 에너지를 비교한다. sn +1 내지 sn +1+mi 신호들은 표 8로부터의 벡터 출력 신호들이며 그리고 i로 표시된 상이한 템플릿 모션 유형들 전역에서 비교될 수 없다.
| 메트릭 | 설명 | 단위 |
| 피크 | 트래킹 오류 | 각도 |
| RMS | 트래킹 오류 | 각도 |
| 피크 | 토크 오류 | 뉴턴-미터 |
| RMS | 토크 오류 | 뉴턴-미터 |
| 피크 | 전류 | 암페어 |
| RMS | 전류 | 암페어 |
| 피크 | 가용 토크의 백분률로서의 듀티 사이클 | 백분률 |
| 피크 | 기계적 전력 | 와트 |
| 평균 | 모터 효율 | 백분률 |
| 합계 | 기계적 에너지 | 줄 |
| 평균 | 와인딩 온도 | 섭씨 |
| 합계 | 설정 가능한 Hz 범위에 걸친 진동 전력 | dB |
| 피크 | 진동 전력 | dB/Hz |
| 피크 | 진동 전력 크레스트 팩터 | dB/Hz |
표 5: 베이스 이동에 걸쳐 모터마다 유도된 신호들로, 스칼라 출력을 구비한다.
| 메트릭 | 설명 | 단위 | 컨디션 |
| 피크 | 세틀링 시간 | 초 | 정밀 세팅 |
| 피크 | 세트링 방사상 오류 | 미터 | 정밀 세팅 |
| 피크 | 세틀링 접선 오류 | 미터 | 정밀 세팅 |
| 피크 | 핸드오프 복합 오류 | 미터 | At: R EX변화: Z 상태 |
| 피크 | 접선 트래킹 오류 | 미터 | 변화: R 상태 |
| RMS | 접선 트래킹 오류 | 미터 | 변화: R 상태 |
| 피크 | 조직된 가속도 | g |
표 6: 베이스 이동에 걸쳐 유도된 신호들, 암 또는 엔드-이펙터 당, 스칼라 출력 구비
| 메트릭 | 설명 | 단위 |
| 피크 | 모터 버스 전압 강하 | 볼트 |
| 피크 | 누적 모터 기계적 전력 | 와트 |
| 합계 | 누적 모터 기계적 에너지 | 줄 |
표 7: 베이스 이동에 걸쳐 유도된 시스템 신호들, 스칼라 출력 구비
| 설명 | 단위 |
| 위치 오류, 모터 당 | 각도 |
| 실제 토크, 모터 당 | 뉴턴-미터 |
| 접선 오류, 암 또는 엔드-이펙터 당 | 미터 |
| 방사상 오류, 암 또는 엔드-이펙터 당 | 미터 |
표 8: 베이스 이동에 걸쳐 유도된 신호들, 벡터 출력 구비
이 벡터 출력 신호들은 궤적을 따라 각 시간 샘플에서 신호를 가지며, 그러므로 이 신호들의 개수는 상이한 이동들 사이에서 상이하며, 그리고 하나의 이동 대 다른 이동에서 시간 샘플에서의 평가에 어떤 물리적인 의미도 존재하지 않는다. 상기 베이스 이동 (유형) 인덱스는 i에 의해 표시되며 그리고 주어진 인덱스의 이력은 j에 의해 표시된다.
이 예에서 마지막 평가된 베이스 이동은 다음과 같다.
그리고 이 예에서 3번째 마지막 평가된 베이스 이동은 다음의 식과 같다.
도 5a-도 5c를 참조하면, 각자의 베이스 이동들 820, 820A-820C에서의 베이스 이동들 501, 502, 503과 같은 베이스 이동들은 템플릿 이동 (template move)들로 또한 언급될 수 있다. 베이스 이동 501, 502, 503은 유일 경로를 따른 반복된 이동이다. 상기 베이스 이동들 501, 502, 503은 위에서 설명된 것처럼 단순한 이동들이나 복잡한 이동들로 구성될 수 있다.
시스템 성능 저하 및 성능 추세들을 평가하기 위해서, 특징 데이터가 베이스라인에 관하여 상기 베이스 이동의 유일 경로를 따라 분석된다. 상기 베이스 이동 501, 502, 503은 이론적으로 그리고/또는 경험적으로 정의될 수 있다. 예를 들면, 이론적인 베이스 이동은 동작에 있어서 예상된 이동들을 분석하기 위해 프로세스 도구의 프로세스 및 예상된 디자인 구성에 기반하며 그리고 그 후에 원위치 프로세스 도구 설치 이전 또는 이후에 어느 때라도 실행된다.
경험적인 베이스 이동은 원위치 프로세스 이동 커맨드들로부터, 도 6에 도시된 변화 수렴 경계들의 미리 정해진 레이트 (rate) 사이에서 안정되는 의미있는 통계적인 값을 구비하기 위해 생성된 충분한 통계적인 특징들로의 소망된 발생 공통성 (occurrence commonality)의 이동들로서 생성될 수 있다 (여기에서 도 6에서의 Nmin 는 주어진 수렴 기준에 기반하여 통계적으로 의미있는 표준 편차를 제공하기에 충분한 이동들의 최소 개수 (예를 들면, 샘플 크기)이다). 경험적 베이스 이동을 생성하는 것은 (베이스 통계 서명의 경험적인 생성에 유사하게 적용된) 2개 파트 프로세스일 수 있다. 예를 들면, 경험적인 베이스 이동을 생성하는 것은 다음의 것들을 포함할 수 있다: 원위치 이동 커맨드 히스토그램 700 (도 7 참조)에 액세스하고 베이스 이동 501, 502, 503으로 매핑하는 (예를 들면, 상기 원위치 이동은 설정 가능한 공차 내 베이스 이동과 부합한다) 커맨드들 (예를 들면, 토크, 위치, 경계 파라미터들, 커맨드 궤도 경로 (속도 및 이동 지속 시간을 포함함), 로드 컨디션 등)을 이용하여 원위치 이동들을 식별하는 단계; 그리고 (아래에서 설명되는) 다른 미리 정해진 모션 세트 830 판별을 실행하기 위해 로봇 머니플레이터에 의해 출력된 적어도 하나의 동적 성능 변수를 구체화하는 미리 정해진 운영 데이터를 등록하는 적합한 등록 시스템 801R의 저장부 840로부터의, 상기 매핑된 모션용의 각자의 로봇 머니플레이터 306, 311, 400에 의해 출력된 각 동적 성능 변수에 액세스하는 단계.
상기 경험적 베이스 이동의 생성은 거의 실시간으로 수행되며, 백그라운드에서 실행되며 그리고 상기 제어기 319, 323, 422, 423A, 423B, 423C, 800 및 상기 자율화된 자재 핸들링 플랫폼 300의 연관된 양방향 통신/데이터 채널들에 액세스하지 않으면서 상기 등록부 840에 액세스한다. 상기 원위치 이동 커맨드 히스토그램 700은 각자의 로봇 머니플레이터 306, 311, 400에 의해 실행된 원위치 프로세스 모션들을 포함하는 (제어기 319, 323, 422, 423A, 423B, 423C, 800 와 같은) 상기 로봇 머니플레이터 제어기에 의해 명령을 받는 모션들을 포함한다. 상기 원위치 커맨드 히스토그램 700은, 예를 들면, (제어기 319, 323, 422, 423A, 423B, 423C, 800 와 같은) 상기 로봇 머니플레이터 제어기나 상기 자율화된 자재 핸들링 플랫폼 300의 다른 적합한 제어기의 적합한 저장부 700R (도 8a 참조)에 등록될 수 있다. 본원에서 설명된 것처럼, 상기 로봇 머니플레이터 제어기는 상기 등록부 700R 내 모션 히스토그램 700의 주기적인 액세스로부터의 상기 매핑된 모션들을 분석한다.
예를 들어, 도 8a를 또한 참조하면, 모션 리졸버 800 는 상기 로봇 제어기 319, 323, 422, 423A-423C, 810의 원위치 프로세서 모션 커맨드들을 로봇 머니플레이터 306, 311, 400 (도 2 및 도 3 참조)로부터 분석하며, 여기에서 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들 501', 502', 503' (도 5a 참조)은, 미리 정해진 모션 베이스 세트 (아래에서 설명됨)의 미리 정해진 베이스 모션들 501, 502, 503 (이것들 각각은 대응 템플릿 모션을 정의하여, 상기 원위치 프로세스 모션이 각자의 템플릿 모션들 상으로 매핑하도록 하다)로 매핑하고, 그리고 상기 로봇 제어기 319, 323, 422, 423A-423C, 810의 다른 미리 정해진 모션 세트 (아래에서 설명됨)를 상기 매핑된 원위치 프로세스 모션들 501', 502', 503'을 이용하여 정의한다. 예를 들면, 원위치 프로세스 모션 501'은 베이스 모션 501으로 매핑하며, 원위치 프로세스 모션 502'은 베이스 모션 502으로 매핑하며, 그리고 원위치 프로세스 모션 503'은 베이스 모션 503으로 매핑한다. 위에서 설명된 것과 유사한 방식으로, 각 원위치 프로세스 모션 501'-503'은 상기 장치 제어기로부터의 토크 커맨드 및 위치 커맨드 중 적어도 하나에 의해 규정되며, 여기에서 상기 토크 커맨드 및 위치 커맨드 중 적어도 하나는 상기 로봇 머니플레이터 306, 311, 400의 적어도 1 자유도에서 상기 원위치 프로세스 모션을 규정한다는 것에 유의한다.
상기 모션 리졸버 800는 로봇 제어기 319, 323, 422, 423A-423C, 810 내에 모듈로서 포함될 수 있으며, 상기 모션 리졸버 800는 상기 로봇 제어기 319, 323, 422, 423A-423C, 810에 통신 가능하게 결합된 원격 프로세서일 수 있으며, 또는 상기 모션 리졸버 800는 상기 로봇 제어기 319, 323, 422, 423A-423C, 810와 통신 가능하게 링크된 별개의 프로세서일 수 있다.
상기 모션 리졸버 800는 원위치 프로세스 이동들 501', 502', 503'을 통해 반복하여, 예를 들면, 도 6에서 도시된 표준 편차 수렴에 의해 결정되었듯이 필요한 최소의 이동 개수 Nmin 를 이용하여 그 원위치 프로세스 이동들 501', 502', 503'을 식별한다. 예를 들면, 위에서 언급되었듯이, 베이스라인을 생성하기 위해 (예를 들면, 베이스 이동 501, 502, 503을 설립하기 위해), 통계적으로 의미 있는 배치 (batch)를 정의하기 위해 수집된 충분한 샘플들이 존재해야 한다. 베이스라인을 생성하기 위해 필요한 샘플들의 개수는 분석되는 변수의 물리적인 속성에 종속한다. 예를 들면, 로봇 머니플레이터 306, 311, 400의 모션의 주어진 축의 기계적인 작업을 위한 전형적인 통계치들 (평균 및 표준 편차)을 정의하는 것은 동일한 모션을 실행하는 동일한 축의 피크 제어 토크보다 더 긴 시간이 걸릴 수 있다. 이 상황을 개선하기 위해서, 베이스라인의 크기는 수집된 데이터의 통계적인 분석에 기반하여 정의된다. 예를 들면, 표준 편차는 베이스라인 데이터 수집 동안에 그 값이 도 6에 도시된 것처럼 몇몇 경계들 내에서 안정되는 포인트까지 계산될 수 있다. 도 6에서, 주어진 변수의 표준 편차는 동일한 크기에 대해 그려질 수 있다. 그 동일한 크기가 증가하면, 표준 편차는 어떤 경계들 내에서 수렴하는 경향이 있다. 이 경계들은 선험적으로 정의될 수 있으며 또는, 예를 들면, 플롯 변화의 레이트가 약 +/-10% 변이 아래에 있을 때에 실제의 데이터 세트의 면에서 계산될 수 있다; 그러나, 어떤 적합한 수렴 방법들 및/또는 변이 백분율이 사용될 수 있다.
도 8a, 도 5 및 도 8b를 계속 참조하면, 적어도 상기 필요한 최소 개수의 움직임들 Nmin (예를 들면, 상기 베이스라인을 한정하기 위해 사용되는 움직임들)을 구성하는 움직임들은 미리 정해진 모션 베이스 세트 820로서 언급될 수 있다. 베이스 이동들 501, 502, 503 각각은 자신의 미리 정해진 모션 베이스 세트 820A, 820B, 820C를 가지며, 이는 그 베이스 이동 501, 502, 503에 유일하다.
도 5, 도 8a 및 도 8b를 계속 참조하면, 한 모습에서, 일단 상기 모션 리졸버 800가 각 베이스 이동 501, 502, 503에 대해 상기 미리 정해진 모션 베이스 세트 820A, 820B, 820C를 식별하고 분석하면, 상기 베이스 이동들 501, 502, 503 중 하나로 (위에서 설명된 것처럼) 매핑하는 상기 원위치 프로세스 이동들 501', 502', 503'은 각자의 미리 정해진 모션 베이스 세트 820A, 820B, 820C 내에 포함되어, 그 각자의 미리 정해진 모션 베이스 세트 820A, 820B, 820C 가 업데이트되도록 한다. 다른 모습에서, 상기 베이스 이동들 501, 502, 503 중 하나의 미리 정해진 모션 베이스 세트 820A, 820B, 820C로 매핑하는 상기 원위치 프로세스 모션들 501', 502', 503'은 상기 미리 정해진 모션 베이스 세트 820A, 820B, 820C 와는 상이한 모션 유형 세트들의 상이한 세트를 형성할 수 있다. 상기 업데이트된 미리 정해진 모션 베이스 세트 및/또는 모션 유형 세트들의 상기 상이한 세트는 다른 미리 정해진 모션 세트 830로서 언급될 수 있다.
본원에서 설명될 것처럼, 각자의 원위치 프로세스 이동 501', 502', 503'에 대한 상기 다른 미리 정해진 모션 베이스 세트 830A, 830B, 830C는, 상기 모션 머니플레이터 300 처럼 모니터링되고 있는 자율화된 시스템의 건강 평가 및 예측 진단들에 관하여 각자의 베이스 이동 501, 502, 503에 대해 상기 모션 베이스 세트 820A, 820B, 820C에 비교된다.
위에서 설명되었듯이, 예를 들면, 상기 로봇 머니플레이터 306, 311, 400 (또는 상기 자율화된 자재 핸들링 플랫폼 300의 다른 적합한 자율화된 장비)에 대한 건강 평가는, 로봇 매니플레이터 306, 311, 400의 베이스 이동들 820, 820A, 820B, 820C (도 8a 참조)의 세트에 대해 상기 로봇 매니플레이터 306, 311, 400에 의해 출력된 각 동적 성능 변수를 규정하는 베이스 통계 서명 (예를 들면, 전형적인 주변 컨디션들에서 작동하는 주어진 변수 행동의 베이스라인 또는 통계적인 표현)을 생성함으로써 수행된다.
한 모습에서, 베이스라인 메트릭들은 (한 모습에서 프로세서 105와 실질적으로 유사한) 상기 자율화된 자재 핸들링 플랫폼 300의 적합한 프로세서 810P를 이용하여 캡쳐/판별된다. 상기 프로세서 810P는 상기 로봇 제어기 319, 323, 422, 423A-423C, 810 내에 모듈로서 포함될 수 있으며, 상기 프로세서 810P는 상기 로봇 제어기 319, 323, 422, 423A-423C, 810 (및 모션 리졸버 800)에 통신 가능하게 결합된 원격 프로세서일 수 있으며, 또는 상기 프로세서 810P는 상기 로봇 제어기 319, 323, 422, 423A-423C, 810 (및 모션 리졸버 800)와 통신 가능하게 링크된 개별적인 프로세서일 수 있다. 상기 프로세서 810P는 상기 등록 시스템 801R에 적하반 방식으로 결합되며, 다른 모습들에서 상기 프로세서 810P는 그 등록 시스템 801R을 포함한다.
상기 베이스라인 메트릭들은, 예를 들면, 상기 베이스 통계 서명의 확률 밀도 함수 (probability density function (PDF))를 계산함으로써 캡쳐/판별되며, 여기에서 상기 확률 밀도 함수는 다음과 같이 표현될 수 있다:
여기에서 
는 데이터세트 평균이며, x는 동적 성능 변수이며 그리고 
는 표준 편차이다. 도 9는 평균 및 표준 편차를 가진 전형적인 가우스 분포를 보여준다. 상단 규격 한계 및 하단 규격 한계 (각각 USL 및 LSL)가 도 9에서 또한 정의된다.
각 로봇 머니플레이터 306, 311, 400 (도 2 및 도 3 참조)의 각 동적 성능 변수의 베이스 통계 서명은, 각 상이한 베이스 모션 유형(들)/이동 유형 세트(들)에 대해 각 로봇 머니플레이터 306, 311, 400에 특정된 각 동적 성능 변수의 공칭/베이스라인을 규정하는 각 상이한 베이스 이동 유형 (이동 유형은 베이스 값으로 세팅)에 대해 정규화된다. 예를 들면 상기 미리 정해진 모션 베이스 세트의 각 모션에 대해 각자의 로봇 머니플레이터 306, 311, 400에 의해 출력된 동적 성능 변수 각각의 확률 밀도 함수 PDF에 의해 규정된 (프로세스 용량 인덱스 CpkBase 와 같은) 베이스 값이 결정된다.
일반적으로, 프로세스 용량 인덱스 Cpk 는 다음처럼 정의된다:
여기에서 
는 표준 편차이며 
는 각자의 변수에 대해 수집된 샘플들의 평균값이다. 상기 프로세서 용량 인덱스 Cpk 는, 각자의 동적 성능 변수에 대한 베이스라인을 의미있는 통계 데이터를 제공하기에 충분하게 큰 인구 샘플의 평균 및 표준 편차를 캡쳐하는 프로세스 용량 인덱스 Cpk 로서 표현하기 위한 메트릭들로서 사용될 수 있다. 상단 규격 한계 USL 및 하단 규격 한계 LSL 는, 상기 상단 및 하단 규격 한계들 USL, LSL을 측정되고 있는 각자의 로봇 머니플레이터 306, 311, 400의 측정된 표준 편차들의 함수로서 정의하는 것과 같은 어떤 적합한 방식으로 결정될 수 있다. 예를 들면 다음과 같다:
여기에서 N은 3보다 더 큰 정수일 수 있으며, 그래서 상기 Cpk 가 1보다 더 큰 수일 수 있도록 한다. 예로서, N = 6이면 상기 베이스라인 프로세스 용량 인덱스 CpkBase 는 다음과 같이 정의될 수 있다:
한 모습에서, CpkBase 는 2.0으로 세팅될 수 있으며 상단 및 하단 규격 한계들 USL, LSL을 식별하기 위해 상기 데이터 세트에 이론적으로 또는 경험적으로 기반하여 상기 베이스라인의 평균 
을 +/- 6
이도록 세팅할 수 있으며, 그래서 샘플링된 이동들의 99.9%가 (도 9 및 도 10에서 도시된 것처럼) 캡쳐되도록 한다. 다른 모습들에서, 한계들이, 예를 들면, 토크 한계들, 최대 세틀링 시간 등이 양호하게 설립될 때에 상기 상단 및 하단 규격 한계들 USL, LSL은 신호 하나하나를 기초로 하여 설정될 수 있다.
한 모습에서, 도 2a를 또한 참조하면, 각자의 상이한 유일 장치 App1-Appn 에 대한 대응하는 정규화된 값들 CpkBase(1-n) 및 다른 값들 CpkOther(1-n) 이 상기 장치 App1-Appn 중 하나의 제어기와 같은 어떤 적합한 제어기에서 등록된다. 상이한 유일 장치 App1-Appn 중 각자의 한 장치와 유일하게 상관되는 상기 정규화된 값들 CpkBase(1-n) 및 다른 값들 CpkOther(1-n) 은, 본원에서 아주 상세하게 설명되듯이, 상이한 유일 장치 App1-Appn 각각에 대해 대응하는 성능 악화 레이트 (예를 들면 각자의 선형 추세 모델 LTM에 의해 표시됨, 도 11 참조)를 장치에 기초하여 판별하기 위해서 비교된다. 예를 들면, 각 장치 App1-Appn는 도 11에서 도시된 것처럼 각자의 선형 추세 모델 LTM1-LTMn을 가진다.
일단 베이스라인 메트릭들이 (미가공 및 유도된) 각 측정 변수 에 대해 설립되면, 원위치 프로세스 이동들 501'-503'의 배치들이 각자의 로봇 머니플레이트들 306, 311, 400의 동작 동안에 샘플링된다. 예를 들면, 원위치 프로세스 이동들 501', 502', 503'은, 모니터되고 있는 로봇 머니플레이터 306, 311, 400에 특정된 다른 통계 서명을 식별하기 위해 제어기 319, 323, 422, 423A, 423B, 423C, 810 와 같은 상기 제어기에 의해 생성된다. 위에서 설명된 것처럼, 원위치 프로세스 이동들의 세트에 대한 각 동적 성능 변수들은 각자의 베이스 이동 (예를 들면, 베이스 이동 유형/유형 세트(들) - 수학식 1, 2, 3 참조)으로 매핑된다. 위에서 설명되었듯이, 상기 매핑된 원위치 프로세스 모션들 501', 502', 503'은 각자의 로봇 머니플레이터 306, 311, 400의 다른 미리 정해진 모션 세트 830, 830A-830C를 한정하기 위해 사용된다.
베이스라인 이동들 501-503과 함께, 상기 원위치 프로세스 이동들 501'-503'은 각 상이한 원위치 (다른) 이동 유형/유형 세트(들)를 위한 각자의 로봇 머니플레이터 306, 311, 400의 각 동적 성능 변수의 (다른) 통계적인 서명을 프로세싱한다.
(예를 들면, 상기 다른 미리 정해진 모션 세트 830, 830A-830C는 각자의 미리 정해진 모션 베이스 세트 820, 830A-830C로 매핑되며 그리고 (단순한 이동들 또는 복잡한 이동들일 수 있는) 상이한 원위치 이동 유형들 각각에 대해 각자의 로봇 머니플레이터 306, 311, 400의 각 동적 성능 변수의 원위치 성능을 규정하는 원위치 (다른) 값 CpkOther 으로 정규화된다. 상기 원위치 (다른) 값 CpkOther 은, 상기 다른 미리 정해진 모션 세트 830, 830A-830C 의 상기 매핑된 원위치 프로세스 모션들 501'-503'을 실행하는 로봇 머니플레이터 306, 311, 400에 의해 출력된 상기 동적 성능 변수 각각의 확률 밀도 함수 PDF에 의해 규정된 프로세스 용량 인덱스이다. 상기 원위치 (다른) 값 CpkOther 은 도 10에 도시된 미리 정해진 모션 베이스 세트에 관하여 다른 미리 정해진 모션 세트의 위치를 정하기 위해 상기 베이스라인의 상단 및 하단 한계들 USL, LSL을 참조한다 (여기에서 상기 다른 미리 정해진 모션 세트는 "새로운 배치"로서 식별되며 그리고 상기 미리 정해진 모션 베이스 세트는 "베이스라인"으로서 식별된다). CpkOther 은 다음과 같이 정의될 수 있는 프로세스 용량 인덱스이다:
여기에서 평가되고 있는 CpkOther 의 반복 횟수이다. 상기 정규화된 원위치 (다른) 값 CpkOther 은 각 이동 유형 및 교차 이동 유형들에 대해서와 같이, 모니터되고 있는 각자의 동적 성능 변수 각각에 대해 상기 정규화된 베이스 값 CpkBase 과 비교된다.
상기 원위치 (다른) 값 CpkOther 및 상기 베이스 값 CpkBase 사이의 비교는 상기 프로세서 810P 또는 상기 자율화된 자재 핸들링 플랫폼 300의 어떤 다른 적합한 제어기에 의해 수행될 수 있으며, 여기에서 각자의 로봇 머니플레이터 306, 311, 400는 상기 미리 정해진 모션 베이스 세트 820, 820A-820C 및 상기 다른 미리 정해진 모션 세트 830, 830A-830C (그리고 대응하는 원위치 (다른) 값 CpkOther 및 상기 베이스 값 CpkBase) 둘 모두를 위한 공통의 이송 장치이다. 상기 원위치 (다른) 값 CpkOther 및 상기 베이스 값 CpkBase 사이의 비교는, 얼마나 많은 성능 변수가 자신의 베이스라인으로부터 벗어나거나 떠내려가는지를 추적하는 것을 제공함으로써 (도 10 참조), 각자의 로봇 머니플레이터 306, 311, 400와 같은 특정 장치를 위해 모니터되고 있는 각 동적 성능 변수의 건강 평가를 실행한다. 성능 변수들 각각에 대한 건강 평가는 다음처럼 자신의 베이스라인으로부터의 상대적인 변이로서 정의될 수 있다:
이것은 100%의 평가가 상기 원위치 (다른) 값 CpkOther 및 상기 베이스 값 CpkBase 사이의 완전한 통계적인 부합 (match)을 나타낸다는 것을 의미한다. 상기 수학식 10은 주어진 동적 성능 변수 평가의 한 예를 나타낸다. 다른 모습들에서, 평가를 측정하는 다른 방식들이 상기 베이스라인 상단 및 하단 한계들 USL 및 LSL 외부에 속하는 발생들의 개수를 측정하는 것처럼 사용될 수 있다. 도 10은 주어진 동적 성능 변수에 대해 그것의 통계 면에서 건강 평가를 계산하는 일 예를 도시한다. 도 10에서 도시된 예에서, 배치 데이터 샘플들의 20%가 상기 베이스라인 범위 외부에 놓여있으며 그리고 상기 원위치 (다른) 값 CpkOther 에는 벌칙이 적용된다.
도 11 및 도 12는 물론이며 도 10을 계속 참조하면, 각자의 로봇 머니플레이터 306, 311, 400의 각 동적 성능 변수의 건강 평가는 상기 원위치 (다른) 값 CpkOther 이 상기 베이스 값 CpkBase 으로부터 벗어난 정도의 면에서 정의될 수 있다. 상기 벗어난 정도는 "경로" 및 "오류"과 같은 규정된 임계들의 면에서 정의될 수 있으며, 아래에서 설명될 것처럼, 여기에서 "경고"는 "주의가 요청된다"를 언급하는 것일 수 있으며 "오류"는 "즉각적인 행동이 필요하다"는 것을 언급하는 것일 수 있다. 상기 원위치 (다른) 값 CpkOther (및 상기 베이스 값 CpkBase)을 추적하는 다른 모습은 이 추적이 추세 분석을 제공하는 것이며, 즉, 대응하는 동적 성능 변수가 상이한 레벨인 정도의 변이에 도달할 것으로 예측될 때를 산정하거나 추정할 수 있는 것이다.
각 동적 성능 변수가 자신의 베이스라인에서 벗어나거나 밀려난 양을 판별하는 것은 각 동적 성능 변수에 대한 추세 데이터 (trending data) TD를 제공하며, 여기에서 상기 추세 데이터 TD는 각자의 동적 성능 변수의 악화 경향을 규정한다. 상기 추세 데이터 TD는 상기 자율화된 자재 핸들링 플랫폼 300의 어떤 적합한 등록부 TDR 내에 등록될 수 있다. 도 11은 예시의 동적 성능 변수의 예시의 추세 데이터 차트를 도시한다; 여기에서 상이한 배치 샘플들로부터 시간에서의 미리 정해진 포인트들에 대한 상기 원위치 (다른) 값 CpkOther 및 상기 베이스 값 CpkBase 의 비교로부터의 각 평가 A1-An가 상기 차트 상에 그려진다.
도 11에서 경사진 라인들은 선형 추세 모델들 LTM, LTM1-LTMn을 나타내며, 이것들은 최소 자승 방법을 사용하는 것과 같은 적합한 방식으로 획득될 수 있다; 반면에 다른 모습들에서, 어떤 적합한 추세 모델이 사용될 수 있다. 예를 들면, 상기 로봇 머니플레이터 306 (또는 상기 자율화된 자재 핸들링 플랫폼 300 (도 2 참조)의 어떤 다른 적합한 장치) 및 상기 자율화된 자재 핸들링 플랫폼 300 의 다수의 상이한 유일 장치 App1-Appn (도 2a 참조) 각각의 성능 악화 추세를 규정하는 추세 데이터는, 예를 들면, 상기 자율화된 자재 핸들링 플랫폼 300의 (예를 들면, 각 장치의 제어기 또는 도구 제어기 314 또는 프로세서 810P와 같은) 어떤 적합한 제어기/프로세서의 등록부에 등록된다. 한 모습에서, 상기 프로세서 810P는 이송 장치 306와 같은 상기 이송 장치에 대응하는 성능 악화 추세들 및 상기 자율화된 자재 핸들링 플랫폼 300의 다수의 상이한 유일 장치 App1-Appn 각각을 결합하여, 상기 자율화된 자재 핸들링 플랫폼 300의 성능 악화를 규정하는 시스템 성능 악화 추세를 판별한다.
선형 추세 모델 LTM을 참조하면, (로봇 머니플레이터 306, 로봇 머니플레이터 311, 정렬기 304, 상기 자율화된 자재 핸들링 플랫폼 300의 파워 서플라이 PS 등과 같은 유일 장치를 나타낼 수 있는) 이 선형 추세 모델 LTM은 시간 twarn 을, 규정된 경고 임계에 평가 측정치가 도달하기 위한 추정된 시간 (또는 사이클)으로서 예측하기 위해 사용될 수 있다. 유사하게, 시간 오류는 로봇 머니플레이터 306, 311, 400 동작이 계속하도록 권장되지 않는 포인트에 도달하기 위한 시간 (또는 사이클)으로서 추정될 수 있다. 도 11에서 볼 수 있듯이, 선형 추세 모델 LTM1-LTMn 은 각 상이한 유일 장치 App1-Appn에 대해 결정된다. 그 선형 추세 모델 LTM1-LTMn 은 (자율화된 자재 핸들링 플랫폼 300과 같은) 시스템의 전반적인 건강 그리고 상기 상이한 유일 장치 App1-Appn 각각의 건강을 표시할 수 있다. 도 2를 또한 참조하면, 예컨대, 선형 추세 모델 LTM1은 파워 서플라이 PS에 대응할 수 있으며, 선형 추세 모델 LTM2은 로봇 머니플레이터 306에 대응할 수 있으며, 선형 추세 모델 LTM3은 로봇 머니플레이터 311에 대응할 수 있으며 그리고 선형 추세 모델 LTMn은 정렬기 307에 대응할 수 있다.
도 11 및 도 12에서 볼 수 있듯이, 상기 추세 데이터 TD는, 예를 들면, 어떤 적합한 디스플레이 140를 통해 상기 로봇 매니플레이터 306, 311, 400의 운영자에게 제공되도록 하기 위해 건강 평가 경고를 또한 제공할 수 있다. 예를 들면, 상기 제어기 319, 323, 422, 423A, 423B, 423C, 810와 분리되거나 포함될 수 있는 프로세서 810P와 같은 상기 자율화된 자재 핸들링 플랫폼 300의 어떤 적합한 제어기는, 상기 로봇 머니플레이트 306, 311, 400의 건강 평가를 상기 운영자에게 표시하기 위해 미리 정해진 신호들을 송신하도록 구성된 추세/평가 유닛 870 (도 8a)을 포함할 수 있다. 다른 모습들에서, 상기 추세/평가 유닛 870은 상기 제어기 319, 323, 422, 423A, 423B, 423C, 810의 일부일 수 있다. 예를 들면, 상기 프로세서 810P는 상기 추세 데이터 TD가 제1의 미리 정해진 평가 값 WS에 도달할 때에 "경고" 표시를 송신하거나 또는, 예를 들면, 황색 색상으로 시각적으로 보일 수 있도록 할 수 있으며, 상기 추세 데이터 TD가 제2의 미리 정해진 평가 값 ES (예를 들면, 이것은 상기 제1의 미리 정해진 평가 값 WS보다 더 작다)에 도달할 때에 "오류" 표시가 적색으로 제공될 수 있으며, 그리고 상기 추세 데이터가 상기 제1의 미리 정해진 평가 값 WS 위에 있을 때에 "정상" 표시 (예를 들면, 모든 동적 성능 변수가 미리 정해진 동작 한계들 내에 존재한다)가 녹색 색상으로 제공될 수 있다. 다른 모습들에서, 상기 자율화된 시스템의 동작 상태 (예를 들면, 정상, 경고 및 오류)는 청각적으로, 시각적으로 또는 어떤 다른 적합한 방식으로 제공될 수 있다.
한 모습에서, 상기 프로세서 810P는 상기 이송 장치에 의해 출력된 적어도 하나의 동적 성능 변수 중의, 가장 높은 악화 추세들 (예를 들면, 가장 낮은 백분율 평가)을 가진 동적 성능 변수들을 집성하며 그리고 미리 정해진 성능 상태 아래의 성능을 가진 이송 장치의 발생을 예측한다. 예를 들면, 로봇 머니플레이터 306, 311, 400의 전반적인 건강은 데이터 샘플들의 주어진 배치 내에서 모니터되는 모든 동적 성능 변수들 전역에서 최악 경우 평가로서 측정될 수 있다. 예를 들어, (예를 들면, T1 실제 위치, Z 실제 가속도, 버스 모터 전압, 비교되는 유사하지 않은 변수들을 예시하기 위한 T2 온도 및 세타 커맨드 위치와 같은) 다섯 개의 동적 성능 변수들 Var1 - Var5 이 측정되어 자신들 각자의 베이스라인에 대해 비교되며, 이 경우 그 결과인 평가 값들은 다음과 같다:
| 변수 | 평가 |
| Var1 | 95% |
| Var2 | 92% |
| Var3 | 89% |
| Var4 | 96% |
| Var5 | 70% |
표 9: 평가 값들
위의 예에서, 동적 성능 변수 Var5에 대한 평가가 다섯 개의 동적 성능 변수들 Var1-Var5 중에서 가장 낮은 평가이며 그리고 상기 다섯 개의 동적 성능 변수들 Var1-Var5 모두에 의해 건강이 모니터되는 로봇 매니플레이트 306, 311, 400의 전반적인 현재 건강 평가를 나타내기 위해서 상기 동적 성능 변수 Var5에 대한 평가가 사용될 수 있다. 상기 평가들이 자신들 각자의 베이스라인들에 대해 상대적인 측정치들이라는 사실에 기반하여 상기 평가가 이 엔티티들 모두 전역에서 비교될 수 있기 때문에, 이것은 이 동적 성능 변수들 Var1-Var5 각각의 물리적인 속성 및 의미와는 독립적으로 행해질 수 있다.
위에서 설명된 성능 변수들의 비교의 예로서, 상기 프로세서 810P는 상기 이송 장치 306의 성능 악화 추세를 다수의 상이한 유일 장치 App1-Appn 각각의 성능 악화 추세와 비교하며, 그리고 상기 이송 장치 306의 성능 악화 추세 또는 상기 다수의 상이한 유일 장치 App1-Appn 중 다른 하나의 성능 악화 추세가 지배적인 성능 악화 추세인가의 여부 그리고 지배적인 성능 악화 추세가 상기 시스템의 성능 악화 추세 결정의 원인인가의 여부를 판별한다. 예를 들면, 시점 ts 에서, 로봇 매니플레이터 306에 대한 선형 추세 모델 LTM2이 최저의 평가를 가지며, 이 경우 이 최저의 평가가 표 9에 관하여 위에서 설명된 것처럼 상기 자율화된 자재 핸들링 플랫폼 300의 전반적인 건강으로 간주된다. 시간이 지나가면 선형 추세 모델 LTM1과 같은 다른 선형 추세 모델들이 더욱 빠른 성능 악화 레이트를 보여줄 수 있다. 이 예에서, 예컨대, 상기 자율화된 자재 핸들링 플랫폼의 전반적인 건강은, 예를 들면, 시점 t0 에서의 선형 추세 모델 LTM1에 기반하여 판단될 수 있으며, 이 경우에 시점 twarnLTM1에서 선형 추세 모델 LTM1에 기반하여 경고가 생성되며 그리고 시점 terrorLTM1 에서 선형 추세 모델 LTM1에 기반하여 오류가 생성된다.
상기 자율화된 자재 핸들링 시스템의 전반적인 건강이 어떤 주어진 시점에 최저의 평가 값을 가진 선형 추세 모델에 의해 결정될 수 있지만, 상기 선형 추세 모델들은 어느 장치 App1-Appn가 시스템 오류나 경고의 원인 또는 주된 기여자인가에 관한 표시나 지문을 또한 제공한다. 예를 들면, 상기 파워 서플라이 PS는 예를 들면 (선형 추세 모델 LTM2에 대응하는) 로봇 매니플레이터 306에 충분한 전압을 인가하지 않는 것처럼 다른 장치 App1-Appn에 영향을 줄 수 있다. 도 11에서 볼 수 있는 것처럼, 파워 서플라이 PS 성능 악화의 결과로서 시점 twarnLTM1 에 경고가 발생될 수 있다. 로봇 매니플레이터 306의 성능에서의 악화에 대해 시점 twarnLTM2 에서 경고가 발생될 수 있다; 그러나, 상기 로봇 매니플레이터 306는 제대로 기능하고 있지만 파워 서플라이 PS에 의해 그 로봇 매니플레이터 306에 불충분한 전압이 공급되고 있다. 이 두 경고들은 파워 서플라이 PS 및 로봇 매니플레이터 306가 수리를 위해 체크되어야만 한다는 인디케이터이며 그리고 파워 서플라이 PS의 성능에서의 악화 및 로봇 매니플레이터 306의 성능에서의 악화 사이에 어떤 상관이 존재할 수 있다는 것을 시사한다.
다른 모습에서, 도 5a 및 도 8a를 참조하면, 상기 개시된 실시예의 모습들은 상기 시스템의 건강을 결합된 집성 특징 및 건강 예측으로서 제공할 수 있다. 상기 시스템의 그 결합된 집성 특징 및 건강 예측은 전반적인 시스템 악화 추세를 판별하기 위해 상기 시스템의 컴포넌트들의 상이한 악화 추세들을 결합/집성하는 것과는 상이하다는 것에 유의한다. 예를 들면, 상기 결합된 집성 특징 및 건강 예측은 
개의 디바이스들을 구비한 시스템의 악화 추세를 판별하기 위해 유사한 것으로 간주될 수 있으며, 이 경우 상기 시스템 및 그것의 다수의 디바이스들은 단일의 유일 장치로서 취급되며, 반면에 상기 시스템의 각 유일 디바이스에 대한 악화 추세들은 위에서 설명된 것처럼 또한 판별한다. 이 모습에서, 상기 베이스 이동들 501-503 및 상기 원위치 프로세스 모션들 501'-503'은 위에서 설명된 것처럼 각자의 유일 장치와 상관된다. 상기 베이스 이동들 501-503 및 상기 원위치 프로세스 모션들 501'-503'은 공통 유형의 각 상이한 장치에 대해 상이할 수 있다 (예를 들면, 로봇 머니플레이트 306의 베이스 이동들 501-503 및 원위치 프로세스 모션들 501'-503'은 로봇 머니플레이트 311의 베이스 이동들 501-503 및 원위치 프로세스 모션들 501'-503'과 상이할 수 있다). (자율화된 자재 핸들링 플랫폼 300과 같은) 유일 시스템에 대한 베이스 모션 세트 820, 820A-820C 및 상기 다른 미리 정해진 못현 세트 830, 830A-830C 는 베이스 모션 세트 890 (도 8a 참조)에 의해 판별될 수 있으며, 여기에서 상기 베이스 모션 세트 890 중의 베이스 모션들은 다수의 하나 이상의 베이스 모션들 501-503을 결합함으로써 판별되며, 이 경우 상기 다수의 하나 이상의 베이스 모션들 각각은 단일의 집성 모션 890AG을 형성하기 위해 통신 가능하게 연결된 (위에서 표 1 및 표 2에서 설명된 것들과 같은) 유일 디바이스 (예를 들면, 파워 서플라이, 로봇 머니플레이터, 웨이퍼 센서들 등)에 유일하게 상관된다. 상기 단일의 집성 모션은 (상기 자율화된 자재 핸들링 플랫폼 300과 같은) 유일 시스템 및 (상기 단일 집성 모션에서 동작하는 각 디바이스의) 
개의 관련된 결합된 연관 동적 성능 변수들 (예를 들면, 
)에 유일하게 상관되며, 이 경우 
는 스칼라 값이며 그리고 
는 벡터 값이며, 이는 시스템 성능 정규화된 값 Cpkbase(system μ devices) 을 생성하기 위한 것이며 그리고 매핑된 모션들에 대해 
개 디바이스(들)의 시스템에 유일하게 관련된 다른 값 CpkOther(system μ devices) 을 생성하기 위한 것이다.
한 모습에서, (표 1 및 표 2에서 열거된 것들과 같은) 디바이스가 (상기 자율화된 자재 핸들링 플랫폼 300과 같은) 시스템 내에 배치되는 도 14를 참조하면, 그 시스템의 건강 판별은 상기 시스템 건강 판별을 반복함으로써 생성될 수 있으며 (도 14, 블록 1400), 이 경우 시스템 건강 판별을 반복하는 것은 (1) 상기 시스템의 각 디바이스의 (또는 적어도 교체된 디바이스를 위한) (상기 선형 추세 모델들 LTM, LTM1-LTMn에 의해 표시된 것과 같은) 악화 추세들의 판별을 반복하고 그리고 그 디바이스 악화 추세들을 결합하여, 예를 들면, 표 9에 관하여 설명된 것처럼 악화 추세들 중 하나를 제어하는 것으로부터 전반적인 시스템 건강을 판별하며 (도 14, 블록 1401); (2) 위에서 설명된 것처럼 결합된 집성 특징들의 새로운 시스템 집성 악화 추세를 판별하며 (도 14, 블록 1402); (3) 교체 디바이스가 시스템 전반 악화 추세를 향상시키거나 감소시켰다면 그리고 그 새로운 디바이스가 그 악화 추세를 감소시켰다면, 그 디바이스를 다시 교체하고, 그리고/또는 전반적인 시스템 악화 추세를 개선하기 위해 디바이스들을 믹스하고 매칭시키는 것 (도 14, 블록 1403)을 포함한다.
한 모습에서, 상기 악화 추세들을 가중 처리하는 것이 (도 15, 블록 1500) (상기 도구 제어기 314와 같은) 시스템의 적합한 프로세서에 의해 상기 시스템의 각 디바이스의 선형 추세 모델들 LTM, LTM1-LTMn에 적용될 수 있다. 가중 처리를 적용할 때에 상기 도구 제어기 314는 어떤 하나 이상의 디바이스들의 악화 추세가 지배적인가의 여부 (예를 들면, 가장 큰 악화) 또는 그렇지 않고 소망된 시간의 미리 정해진 시간 범위 외에 고장의 예측된 시점에서 고장인 것을 보여주는가의 여부를 판별하며; 또는 하나 이상의 디바이스들 중 어느 하나가 그렇지 않고 고장난다고 예측된 첫 번째 디바이스인 것으로 식별될 수 있으며 그리고 고장날 것으로 예측된 첫 번째 디바이스와 고장날 것으로 예측된 마지막 디바이스 사이에의 범위 (시간 범위)가 판별될 수 있다 (도 15, 블록 1502). 과거 실패들의 이력 (만일 존재한다면)이 또한 판별되어 상기 시스템의 메모리 내에 저장될 수 있으며 그리고 (존재한다면) 어느 디바이스들이 첫 번째로 실패하기 쉬운가를 판별하기 위해 상기 도구 제어기 314에 의해 검토될 수 있다 (도 15, 블록 1503). 위에서 이루어진 판별로부터, 디바이스의 고장 빈도가 상기 시스템 (예를 들면, 다른 디바이스들의 고장 빈도들)과 일치하지 않는가에 관하여 상기 도구 제어기 314에 의해 판별될 수 있다 (도 15, 블록 1504). 상기 도구 제어기 314는 시스템 성능에 관련된 디바이스 특징들 (예를 들면, 상기 시스템이 고장난 디바이스와 함께 동작 가능한가 또는 동작할 수 없는가의 여부)을 또한 식별할 수 있다 (도 15, 블록 1505). 한 모습에서, 시스템 성능에 관한 디바이스 특징들은 (시스템이 그 디바이스 없이는 기능할 수 없을 때와 같은) 치명적인 것으로 또는 (상기 시스템이 그 디바이스 없이도 기능할 수 있는) 일상적인 것으로 카테고리화될 수 있다. 상기 디바이스 특징들은 그 디바이스의 으뜸성 (primacy), 그 디바이스에 대한 교체품을 찾는데 있어서의 어려움, 상기 시스템 내에서 그 디바이스에 대한 액세스 가능성 (그 디바이스가 교체를 위해 쉽게 액세스 가능한가 / 액세스하기 어렵고 교체하기 어려운가의 여부), 그 디바이스의 패키징 (예를 들면, 로봇 매니플레이터 내 고장난 모터가 그 로봇 매니플레이터 교체를 필요로 할 것인가 반면에 고장난 파워 서플라이가 그 파워 서플라이만을 교체할 것을 필요로 할 것인가) 또는 시스템 고장 시간 및/또는 교체 디바이스 가용성에 영향을 줄 수 있는 다른 팩터들을 포함할 수 있지만, 그것들로 제한되자는 않는다.
각 디바이스에 대한 악화 추세에 주어진 가중치는 그 디바이스의 고장 빈도 및 시스템 성능에 관련된 그 디바이스 특징들에 기반하여, 예를 들면, 상기 도구 제어기 314에 의해 결정될 수 있다. 디바이스 악화 추세들에 대한 가중 처리는 그 시스템 전체의 악화 추세에 관하여 상기 디바이스 악화 추세가 가지는 영향을 향상시키거나 감소시키며, 이 경우 전반적인 시스템 건강 평가는 상기 시스템의 디바이스들 각각의 가중된 악화 추세들에 기반한다.
비-제한하는 예로서, 최근에 교체/수리되었던 디바이스에 대응하는 선형 추세 모델들은 얼마 전에 서비스 상태에 있는 디바이스보다 더 작게 가중치를 가질 수 있으며, 그래서 그 최근에 교체/수리된 디바이스가 더 긴 시간 구간 동안 서비스 받는 상태에 있는 디바이스보다 전반적인 시스템 건강 판별에 덜 영향을 미치도록 한다. 다른 모습에서, 상기 선형 추세 모델들 LTM, LTM1-LTMn은, 빈번하게 고장나는 것으로 알려진 디바이스들에 대한 선형 추세 모델들이 전반적인 시스템의 건강 판별에 기여하지 않도록 또는 제한된 정도로만 기여하도록 가중 처리될 수 있다. 다른 모습들에서, 상기 시스템의 건강 평가는 상기 선형 추세 모델들 LTM, LTM1-LTMn에 적용된 어떤 가중 팩터들도 포함하지 않을 수 있다.
이제 도 2, 3, 5A, 8A, 8B 및 13을 참조하면, 예시의 건강 평가 동작이 개시된 실시예의 모습들에 따라 설명될 것이다. 미리 정해진 작동 데이터는 장치 제어기 319, 323, 422, 423A-423C, 810에 통신 가능하게 결합된 등록 시스템 801R을 이용하여 등록된다 (도 13, 블록 1300). 그 미리 정해진 작동 데이터는 미리 정해진 베이스 모션들의 미리 정해진 모션 베이스 세트 820, 820A, 820B, 820C를 실행하는 상기 이송 장치에 의해 출력된 적어도 하나의 동적 성능 변수를 구체화한다. 상기 등록 시스템 810R에 통신 가능하게 결합된, 예를 들면, 상기 프로세서 810P를 이용하여 베이스 값 CpkBase 이 판별된다 (도 13, 블록 1310). 상기 베이스 값 CpkBase 은 상기 미리 정해진 모션 베이스 세트 820, 820A, 820B, 820C 중의 각 모션에 대해 상기 이송 장치 306, 311, 400에 의해 출력된 동적 성능 변수 각각의 확률 밀도 함수 PDF에 의해 실행된다.
상기 원위치 프로세스 모션들 501'-503'은 상기 장치 제어기 319, 323, 422, 423A-423C, 810에 통신 가능하게 결합된, 예를 들면, 모션 리졸버 800에 의해 분석된다 (도 13, 블록 1320). 상기 분석된 원위치 프로세스 모션 커맨드들에 대응하며 상기 이송 장치 306에 의해 실행된 상기 원위치 프로세스 모션들 501'-503'은 상기 미리 정해진 모션 베이스 세트 820, 820A, 820B, 820C 중의 상기 미리 정해진 베이스 모션들 501-503로 매핑한다. 상기 이송 장치의 다른 미리 정해진 모션 세트 830, 830A, 830B, 830C는 상기 매핑된 원위치 모션들 501'-503'을 이용하여 정의된다 (도 13, 블록 1330).
상기 다른 미리 정해진 모션 세트를 실행하는 상기 이송 장치에 의해 출력된 적어도 하나의 동적 성능 변수를 구체화하는 미리 정해진 작동 데이터는, 예를 들면, 상기 등록 시스템 801R에 의해 등록된다 (도 13, 블록 1340). 상기 프로세서 810P는 상기 다른 미리 정해진 모션 세트 830, 830A-830C의 상기 매핑된 원위치 프로세스 모션들 501'-503'을 실행하는 상기 이송 장치에 의해 출력된 상기 동적 성능 변수 각각의 확률 밀도 함수 PDF에 의해 규정된 다른 값 CpkOther을 판별한다 (도 13, 블록 1350).
상기 다른 값 CpkOther 및 상기 베이스 값 CpkBase 은, 상기 미리 정해진 모션 베이스 세트 및 상기 다른 미리 정해진 모션 세트에 각각 대응하는 상기 이송 장치에 의해 출력된 동적 성능 변수 각각에 대해, 예를 들면, 상기 프로세서 810P에 의해 비교되며 (도 13, 블록 1360), 여기에서 상기 이송 장치는 상기 미리 정해진 모션 베이스 세트 및 상기 다른 미리 정해진 모션 세트 둘 모두에 대해 공통인 이송 장치이다. 상기 이송 장치의 건강은 위에서 설명된 것과 같은 비교에 기반하여 평가되며 그리고 어떤 적당한 건강 평가 통지가 위에서 설명된 것처럼 상기 자율화된 자재 핸들링 플랫폼 300의 운영자에게 송신될 수 있다.
개시된 실시예의 하나 이상의 모습들에 따라, 이송 장치를 포함하는 시스템의 건강 평가를 위한 방법은:
미리 정해진 베이스 모션들의 미리 정해진 모션 베이스 세트를 실행하는 이송 장치에 의해 출력된 적어도 하나의 동적 성능 변수를 구현하는 미리 정해진 작동 데이터를, 장치 제어기에 통신 가능하게 결합된 등록 시스템을 이용하여 등록하는 단계;
상기 미리 정해진 모션 베이스 세트의 각 모션에 대해 상기 이송 장치에 의해 출력된 상기 동적 성능 변수 각각의 확률 밀도 함수에 의해 규정된 베이스 값 (CpkBase)을, 상기 등록 시스템에 통신 가능하게 결합된 프로세서를 이용하여 결정하는 단계;
상기 장치 제어기에 통신 가능하게 결합된 모션 리졸버 (resolver)를 이용하여, 상기 장치 제어기의 원위치 (in situ) 프로세스 모션 커맨드들을 상기 이송 장치로부터 분석하며, 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들은 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들로 매핑되며, 그리고 상기 이송 장치의 다른 미리 정해진 모션 세트를 상기 매핑된 원위치 프로세스 모션들을 이용하여 한정하는 단계;
상기 다른 미리 정해진 모션 세트를 실행하는 상기 이송 장치에 의해 출력된 상기 적어도 하나의 동적 성능 변수를 구체화하는 미리 정해진 작동 데이터를 상기 등록 시스템을 이용하여 등록하며, 그리고 상기 다른 미리 정해진 모션 세트의 상기 매핑된 원위치 프로세스 모션들을 실행하는 상기 이송 장치에 의해 출력된 동적 성능 변수 각각의 확률 밀도 함수에 의해 규정된 다른 값 (CpkOther)을 상기 프로세서를 이용하여 결정하는 단계; 그리고
상기 미리 정해진 모션 베이스 세트 및 상기 다른 미리 정해진 모션 세트에 각각 대응하는, 상기 이송 장치에 의해 출력된 상기 동적 성능 변수 각자에 대해 상기 다른 값 및 상기 베이스 값 (CpkBase)을 상기 프로세서를 이용하여 비교하며, 상기 이송 장치는 상기 미리 정해진 모션 베이스 세트 및 상기 다른 미리 정해진 모션 세트 둘 모두에 공통인 유일 이송 장치이며, 그리고 그 비교에 기반하여 상기 이송 장치의 건강을 평가하는 단계를 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 베이스 모션들 각각은 템플릿 모션을 한정하며 그리고 각 원위치 프로세스 모션은 상기 템플릿 모션들 중 대응하는 하나의 템플릿 모션 상으로 실질적으로 매핑한다.
개시된 실시예의 하나 이상의 모습들에 따라, 각 템플릿 모션은 상기 장치 제어기로부터의 토크 커맨드 및 위치 커맨드 중 적어도 하나에 의해 규정된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 토크 커맨드 및 상기 위치 커맨드 중 적어도 하나는 상기 이송 장치 모션의 적어도 하나의 자유도에서 템블릿 모션을 규정한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은, 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들을 포함하는 상기 장치 제어기에 의해 명령을 받은 모션들의 히스토그램을 상기 장치 제어기의 등록부 내에 등록하는 단계를 더 포함하며, 상기 프로세서는 상기 매핑된 모션들을 상기 등록부 내 모션 히스토그램의 주기적인 액세스로부터 분석한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 베이스 모션 유형을 한정하는 통계적으로 규정하는 개수의 적어도 하나의 공통 베이스 모션을 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 다수의 상이한 베이스 모션 유형들을 포함하며, 그 모션 유형들 각각은 각 베이스 모션 유형에 대해 통계적으로 규정하는 개수의 공통 모션들에서 상기 이송 장치에 의해 실행된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 상이한 베이스 모션 유형들 각각은, 상이한 공통 모션 각자를 각각의 베이스 모션 유형으로 한정하는, 상이한 대응하는 적어도 하나의 토크 커맨드 특징 및 위치 커맨드 특징을 구비한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은 동적 성능 변수 각각에 대한 추세 데이터 (trending data)를 상기 등록 시스템을 이용하여 등록하는 단계를 더 포함하며, 상기 추세 데이터는 각 동적 성능 변수의 악화 추세를 규정한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은, 상기 이송 장치에 의해 출력된 상기 적어도 하나의 동적 성능 변수 중 가장 높은 악화 추세를 가진 동적 성능 변수들을 상기 프로세서를 이용하여 집성하며 그리고 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발생을 예측하는 단계를 더 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은, 상기 동적 성능 변수들의 집성에 기반하여 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발행 예측의 표시를 상기 프로세서를 이용하여 상기 이송 장치의 오퍼레이터에게 제공하는 단계를 더 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 이송 장치를 포함하는 시스템의 건강 평가를 위한 방법은:
미리 정해진 베이스 모션들의 통계적인 규정을 한정하기 위해 배치된 미리 정해진 모션 베이스 세트를 실행하는 이송 장치에 의해 출력된 적어도 하나의 동적 성능 변수를 구현하는 미리 정해진 작동 데이터를, 장치 제어기에 통신 가능하게 결합된 등록 시스템을 이용하여 등록하는 단계;
상기 미리 정해진 모션 베이스 세트의 각 모션에 대해 상기 이송 장치에 의해 출력된 상기 동적 성능 변수 각각의 공칭 성능을 통계적으로 규정하는 정규화된 값을, 상기 등록 시스템에 통신 가능하게 결합된 프로세서를 이용하여 결정하는 단계;
상기 장치 제어기에 통신 가능하게 결합된 모션 리졸버 (resolver)를 이용하여, 상기 장치 제어기의 원위치 (in situ) 프로세스 모션 커맨드들을 상기 이송 장치로부터 분석하며, 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들은 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들로 매핑되며, 그리고 상기 이송 장치의 다른 미리 정해진 모션 세트를 상기 매핑된 원위치 프로세스 모션들을 이용하여 한정하는 단계;
상기 다른 미리 정해진 모션 세트를 실행하는 상기 이송 장치에 의해 출력된 상기 적어도 하나의 동적 성능 변수를 구체화하는 미리 정해진 작동 데이터를 상기 등록 시스템을 이용하여 등록하며, 그리고 상기 다른 미리 정해진 모션 세트의 상기 매핑된 원위치 프로세스 모션를 실행하는 상기 이송 장치에 의해 출력된 동적 성능 변수 각각의 원위치 프로세스 성능을 통계적으로 규정하는 다른 정규화된 값을 상기 프로세서를 이용하여 결정하는 단계; 그리고
상기 미리 정해진 베이스 모션 세트 및 상기 다른 미리 정해진 모션 세트에 각각 대응하는, 상기 이송 장치의 상기 동적 성능 변수 각자에 대해 상기 다른 정규화된 값 및 상기 정규화된 값을 상기 프로세서를 이용하여 비교하며, 그리고 상기 비교에 기반하여 상기 이송 장치의 공칭 성능으로부터의 성능 악화 레이트를 판별하는 단계로, 상기 장치는 유일하며, 상기 미리 정해진 모션 베이스 세트의 각 미리 정해진 베이스 모션에 대한 각 정규화된 값 (Cpkbase) 및 상기 다른 미리 정해진 모션 세트의 각 매핑된 원위치 프로세스 모션에 대한 각 다른 값 (CpkOther)은 상기 유일 장치에만 유일하게 상관되며, 그리고 상기 미리 정해진 성능 악화 레이트는 상기 유일 장치에만 유일하게 상관하는, 단계를 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은 서로 연결된 다수의 상이한 유일 장치 및 상기 이송 장치를 상기 시스템에게 제공하는 단계를 더 포함하며, 다수의 상이한 유일 장치(i)로부터의 각 상이한 유일 장치는 상기 미리 정해진 베이스 모션 세트의 각 베이스 모션에 대해 상이한 대응 정규화된 값들 (CpkBasei) 그리고 다수의 상이한 유일 장치로부터의 상이한 대응 유일 장치 (i)에만 유일하게 상관하는 상기 다른 미리 정해진 모션 세트의 각 매핑된 원위치 프로세스 모션에 대한 다른 정규화된 값들 (CpkOtheri)을 가진다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은, 각 상이한 유일 장치 (i)에 대해, 상기 대응 정규화된 값들 (CpkBasei) 및 그 상이한 대응 유일 장치 (i)에 유일하게 상관된 다른 정규화된 값들 (CpkOtheri)을 그 상이한 대응 유일 장치에 각자 결합된 제어기를 이용하여 등록하는 단계, 그리고 각 상이한 유일 장치 (i)에 대해, 상기 유일하게 상관된 정규화된 값들 (CpkBasei) 및 그 상이한 유일 장치 (i)의 다른 정규화된 값들 (CpkOtheri)의 비교로부터 그 상이한 유일 장치 (i)에 대한 대응 성능 악화 레이트를 장치 (i=1...n) 기반에 의해 장치 상에서 판별하는 단계를 더 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 다수의 상이한 유일 장치로부터의 각 상이한 유일 장치는 상기 이송 장치와 공통의 구성이다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 다수의 상이한 유일 장치로부터의 각 상이한 유일 장치는 상기 이송 장치와 상이한 구성이다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은 상기 시스템의 상기 다수의 상이한 유일 장치 각각 및 상기 이송 장치의 성능 악화 추세를 규정하는 추세 데이터를 상기 제어기의 등록부 내에 등록하는 단계를 더 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은, 상기 이송 장치에 대응하는 성능 악화 추세들 및 상기 시스템의 상기 다수의 상이한 유일 장치 각각을 상기 프로세서를 이용하여 결합하여, 상기 시스템의 성능 악화를 규정하는 시스템 성능 악화 추세를 결정하는 단계를 더 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은, 상기 프로세서를 이용하여, 상기 이송 장치의 성능 악화 추세를 상기 다수의 상이한 유일 장치 각각의 성능 악화 추세와 비교하는 단계, 그리고 상기 프로세서를 이용하여, 상기 이송 장치의 성능 악화 추세 또는 상기 다수의 상이한 유일 장치 각각의 성능 악화 추세가 제어 성능 악화 추세인가의 여부 및 제어 성능 악화 추세가 상기 시스템의 성능 악화 추세의 결정 원인인가의 여부를 판별하는 단계를 더 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 베이스 모션들 각각은 템플릿 모션을 한정하며 그리고 각각의 원위치 프로세스 모션은 상기 템플릿 모션들 중 대응하는 하나의 템플릿 모션 상으로 실질적으로 매핑한다.
개시된 실시예의 하나 이상의 모습들에 따라, 각 템플릿 모션은 상기 장치 제어기로부터의 토크 커맨드 및 위치 커맨드 중 적어도 하나에 의해 규정된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 토크 커맨드 및 상기 위치 커맨드 중 적어도 하나는 상기 이송 장치의 모션의 적어도 하나의 자유도 내에서의 템블릿 모션에 의해 규정된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은, 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들을 포함하는 상기 장치 제어기에 의해 명령받은 모션들의 히스토그램을 상기 장치 제어기의 등록부에 등록하는 단계를 더 포함하며, 상기 프로세서는 상기 등록부 내 모션 히스토그램의 주기적인 액세스로부터의 상기 매핑된 모션들을 분석한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 베이스 모션 유형을 한정하는 통계적으로 규정하는 개수의 적어도 하나의 공통 베이스 모션을 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 다수의 상이한 베이스 모션 유형들을 포함하며, 그 모션 유형들 각각은 각 베이스 모션 유형에 대해 통계적으로 규정하는 개수의 공통 모션들에서 상기 이송 장치에 의해 실행된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 상이한 베이스 모션 유형들 각각은, 상이한 공통 모션 각자를 각각의 베이스 모션 유형으로 한정하는, 상이한 대응하는 적어도 하나의 토크 커맨드 특징 및 위치 커맨드 특징을 구비한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은 동적 성능 변수 각각에 대한 추세 데이터 (trending data)를 상기 등록 시스템을 이용하여 등록하는 단계를 더 포함하며, 상기 추세 데이터는 각 동적 성능 변수의 악화 추세를 규정한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은, 상기 이송 장치에 의해 출력된 상기 적어도 하나의 동적 성능 변수 중 가장 높은 악화 추세를 가진 동적 성능 변수들을 상기 프로세서를 이용하여 집성하며 그리고 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발생을 예측하는 단계를 더 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 방법은, 상기 동적 성능 변수들의 집성에 기반하여 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발행 예측의 표시를 상기 프로세서를 이용하여 상기 이송 장치의 오퍼레이터에게 제공하는 단계를 더 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 이송 장치를 포함하는 시스템의 건강을 평가하기 위한 건강 평가 장치는:
상기 이송 장치의 이송 장치 제어기에 통신 가능하게 결합된 등록 시스템으로, 상기 등록 시스템은,
미리 정해진 베이스 모션들의 미리 정해진 모션 베이스 세트를 실행하는 상기 이송 장치에 의해 출력된 적어도 하나의 동적 성능 변수를 구현하는 미리 정해진 작동 데이터를 등록하도록 구성되며, 그리고
다른 미리 정해진 모션 세트를 실행하는 상기 이송 장치에 의해 출력된 적어도 하나의 동적 성능 변수를 구현하는 미리 정해진 작동 데이터를 등록하도록 구성된, 등록 시스템;
상기 장치 제어기에 통신 가능하게 결합된 모션 리졸버 (resolver)로서, 상기 모션 리졸버는,
상기 장치 제어기의 원위치 (in situ) 프로세스 모션 커맨드들을 상기 이송 장치로부터 분석하도록 구성되며, 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들은 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들로 매핑되며, 그리고
상기 이송 장치의 다른 미리 정해진 모션 세트를 상기 매핑된 원위치 프로세스 모션들을 이용하여 한정하도록 구성된, 모션 리졸버; 그리고
상기 등록 시스템에 통신 가능하게 결합된 프로세서로서, 상기 프로세서는,
상기 미리 정해진 모션 베이스 세트의 각 모션에 대해 상기 이송 장치에 의해 출력된 상기 동적 성능 변수 각각의 확률 밀도 함수에 의해 규정된 베이스 값 (CpkBase)을 결정하도록 구성되며,
상기 다른 미리 정해진 모션 세트의 상기 매핑된 원위치 프로세스 모션들을 실행하는 상기 이송 장치에 의해 출력된 동적 성능 변수 각각의 확률 밀도 함수에 의해 규정된 다른 값 (CpkOther)을 결정하도록 구성되며,
상기 미리 정해진 모션 베이스 세트 및 상기 다른 미리 정해진 모션 세트에 각각 대응하는, 상기 이송 장치에 의해 출력된 상기 동적 성능 변수 각각에 대해 상기 다른 값 및 상기 베이스 값 (CpkBase)을 비교하도록 구성되며, 그리고
상기 비교에 기반하여 상기 이송 장치의 건강을 평가하도록 구성된, 프로세서를 포함하며,
상기 이송 장치는 상기 미리 정해진 모션 베이스 세트 및 상기 다른 미리 정해진 모션 세트 둘 모두에 대한 공통의 이송 장치이다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 베이스 모션들 각각은 템플릿 모션을 한정하며 그리고 각 원위치 프로세스 모션은 상기 템플릿 모션들 중 대응하는 하나의 템플릿 모션 상으로 실질적으로 매핑한다.
개시된 실시예의 하나 이상의 모습들에 따라, 각 템플릿 모션은 상기 장치 제어기로부터의 토크 커맨드 및 위치 커맨드 중 적어도 하나에 의해 규정된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 토크 커맨드 및 상기 위치 커맨드 중 적어도 하나는 상기 이송 장치 모션의 적어도 하나의 자유도에서 템블릿 모션을 규정한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 이송 장치 제어기는 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들을 포함하는 상기 장치 제어기에 의해 명령을 받은 모션들의 히스토그램을 등록하도록 구성된 등록부를 포함하며, 그리고 상기 프로세서는 상기 매핑된 모션들을 상기 등록부 내 모션 히스토그램의 주기적인 액세스로부터 분석하도록 더 구성된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 베이스 모션 유형을 한정하는 통계적으로 규정하는 개수의 적어도 하나의 공통 베이스 모션을 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 다수의 상이한 베이스 모션 유형들을 포함하며, 그 모션 유형들 각각은 각 베이스 모션 유형에 대해 통계적으로 규정하는 개수의 공통 모션들에서 상기 이송 장치에 의해 실행된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 상이한 베이스 모션 유형들 각각은, 상이한 공통 모션 각자를 각각의 베이스 모션 유형으로 한정하는, 상이한 대응하는 적어도 하나의 토크 커맨드 특징 및 위치 커맨드 특징을 구비한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 등록 시스템은 동적 성능 변수 각각에 대한 추세 데이터 (trending data)를 등록하도록 더 구성되며, 상기 추세 데이터는 각 동적 성능 변수의 악화 추세를 규정한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 프로세서는 상기 이송 장치에 의해 출력된 상기 적어도 하나의 동적 성능 변수 중 가장 높은 악화 추세를 가진 동적 성능 변수들을 상기 프로세서를 이용하여 집성하며 그리고 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발생을 예측하도록 더 구성된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 동적 성능 변수들의 집성에 기반하여 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발행 예측의 표시를 상기 이송 장치의 오퍼레이터에게 제공하도록 더 구성된다..
개시된 실시예의 하나 이상의 모습들에 따라, 이송 장치를 포함하는 시스템의 건강을 평가하기 위한 건강 평가 장치는:
상기 이송 장치의 이송 장치 제어기에 통신 가능하게 결합된 등록 시스템으로, 상기 등록 시스템은,
미리 정해진 베이스 모션들의 통계적인 규정을 한정하기 위해서 배치된 미리 정해진 모션 베이스 세트를 실행하는 상기 이송 장치에 의해 출력된 적어도 하나의 동적 성능 변수를 구현하는 미리 정해진 작동 데이터를 등록하도록 구성되며, 그리고
다른 미리 정해진 모션 세트를 실행하는 상기 이송 장치에 의해 출력된 적어도 하나의 동적 성능 변수를 구현하는 미리 정해진 작동 데이터를 등록하도록 구성된, 등록 시스템;
상기 장치 제어기에 통신 가능하게 결합된 모션 리졸버 (resolver)로서, 상기 모션 리졸버는,
상기 장치 제어기의 원위치 (in situ) 프로세스 모션 커맨드들을 상기 이송 장치로부터 분석하도록 구성되며, 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들은 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들로 매핑되며, 그리고
상기 이송 장치의 다른 미리 정해진 모션 세트를 상기 매핑된 원위치 프로세스 모션들을 이용하여 한정하도록 구성된, 모션 리졸버; 그리고
상기 등록 시스템에 통신 가능하게 결합된 프로세서로서, 상기 프로세서는,
상기 미리 정해진 모션 베이스 세트의 각 모션에 대해 상기 이송 장치에 의해 출력된 상기 동적 성능 변수 각각의 공칭 성능을 통계적으로 규정하는 정규화된 값을 결정하도록 구성되고,
상기 다른 미리 정해진 모션 세트의 상기 매핑된 원위치 프로세스 모션을 실행하는 상기 이송 장치에 의해 출력된 동적 성능 변수 각각의 원위치 프로세스 성능을 통계적으로 규정하는 다른 정규화된 값을 결정하도록 구성되며,
상기 미리 정해진 베이스 모션 세트 및 상기 다른 미리 정해진 모션 세트에 각각 대응하는, 상기 이송 장치의 상기 동적 성능 변수 각각에 대해 상기 다른 정규화된 값 및 상기 정규화된 값을 비교하도록 구성되며, 그리고
상기 비교에 기반한 공칭 성능으로부터 상기 이송 장치의 성능 악화 레이트를 판별하도록 구성된, 프로세서를 포함하며,
상기 이송 장치는 상기 미리 정해진 베이스 모션 세트 및 상기 다른 미리 정해진 모션 세트 둘 모두에 대한 공통의 이송 장치이다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 베이스 모션들 각각은 템플릿 모션을 한정하며 그리고 각 원위치 프로세스 모션은 상기 템플릿 모션들 중 대응하는 하나의 템플릿 모션 상으로 실질적으로 매핑한다.
개시된 실시예의 하나 이상의 모습들에 따라, 각 템플릿 모션은 상기 장치 제어기로부터의 토크 커맨드 및 위치 커맨드 중 적어도 하나에 의해 규정된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 토크 커맨드 및 상기 위치 커맨드 중 적어도 하나는 상기 이송 장치 모션의 적어도 하나의 자유도에서 템블릿 모션을 규정한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 이송 장치 제어기는 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들을 포함하는 상기 장치 제어기에 의해 명령을 받은 모션들의 히스토그램을 등록하도록 구성된 등록부를 포함하며, 그리고 상기 프로세서는 상기 매핑된 모션들을 상기 등록부 내 모션 히스토그램의 주기적인 액세스로부터 분석하도록 더 구성된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 베이스 모션 유형을 한정하는 통계적으로 규정하는 개수의 적어도 하나의 공통 베이스 모션을 포함한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 다수의 상이한 베이스 모션 유형들을 포함하며, 그 모션 유형들 각각은 각 베이스 모션 유형에 대해 통계적으로 규정하는 개수의 공통 모션들에서 상기 이송 장치에 의해 실행된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 상이한 베이스 모션 유형들 각각은, 상이한 공통 모션 각자를 각각의 베이스 모션 유형으로 한정하는, 상이한 대응하는 적어도 하나의 토크 커맨드 특징 및 위치 커맨드 특징을 구비한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 등록 시스템은 동적 성능 변수 각각에 대한 추세 데이터 (trending data)를 등록하도록 더 구성되며, 상기 추세 데이터는 각 동적 성능 변수의 악화 추세를 규정한다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 프로세서는 상기 이송 장치에 의해 출력된 상기 적어도 하나의 동적 성능 변수 중 가장 높은 악화 추세를 가진 동적 성능 변수들을 상기 프로세서를 이용하여 집성하며 그리고 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발생을 예측하도록 더 구성된다.
개시된 실시예의 하나 이상의 모습들에 따라, 상기 동적 성능 변수들의 집성에 기반하여 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발행 예측의 표시를 상기 이송 장치의 오퍼레이터에게 제공하도록 더 구성된다.
전술한 설명은 개시된 실시예의 모습들을 단지 예시하는 것이라는 것이 이해되어야 한다. 다양한 대안들 및 수정들이 개시된 실시예의 모습들에서 벗어나지 않으면서도 본 발명이 속한 기술 분야에서의 통상의 지식을 가진 자들에 의해 안출될 수 있다. 따라서, 개시된 실시예들의 모습들은 첨부된 청구항들의 범위 내에 속하는 그런 대안들, 수정들 및 변형들 모두를 포함하도록 의도된 것이다. 또한, 상호 상이한 종속항들이나 독립항들에서 상이한 특징들이 상술되었다는 단순한 사실은 이 특징들이 조합이 유리하게 사용될 수 없다고 표시하지 않으며, 그런 조합은 본 발명의 모습들의 범위 내에 유지된다.
Claims (52)
- 이송 장치를 포함하는 시스템의 건강 평가를 위한 방법으로, 상기 방법은:
미리 정해진 베이스 모션들의 미리 정해진 모션 베이스 세트를 실행하는 이송 장치에 의해 출력된 적어도 하나의 동적 성능 변수를 구현하는 미리 정해진 작동 데이터를, 장치 제어기에 통신 가능하게 결합된 등록 시스템을 이용하여 등록하는 단계;
상기 미리 정해진 모션 베이스 세트의 각 모션에 대해 상기 이송 장치에 의해 출력된 상기 동적 성능 변수 각각의 확률 밀도 함수에 의해 규정된 베이스 값 (CpkBase)을, 상기 등록 시스템에 통신 가능하게 결합된 프로세서를 이용하여 결정하는 단계;
상기 장치 제어기에 통신 가능하게 결합된 모션 리졸버 (resolver)를 이용하여, 상기 장치 제어기의 원위치 (in situ) 프로세스 모션 커맨드들을 상기 이송 장치로부터 분석하며, 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들은 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들로 매핑되며, 그리고 상기 이송 장치의 다른 미리 정해진 모션 세트를 상기 매핑된 원위치 프로세스 모션들을 이용하여 한정하는 단계;
상기 다른 미리 정해진 모션 세트를 실행하는 상기 이송 장치에 의해 출력된 상기 적어도 하나의 동적 성능 변수를 구체화하는 미리 정해진 작동 데이터를 상기 등록 시스템을 이용하여 등록하며, 그리고 상기 다른 미리 정해진 모션 세트의 상기 매핑된 원위치 프로세스 모션들을 실행하는 상기 이송 장치에 의해 출력된 동적 성능 변수 각각의 확률 밀도 함수에 의해 규정된 다른 값 (CpkOther)을 상기 프로세서를 이용하여 결정하는 단계; 그리고
상기 미리 정해진 모션 베이스 세트 및 상기 다른 미리 정해진 모션 세트에 각각 대응하는, 상기 이송 장치에 의해 출력된 상기 동적 성능 변수 각자에 대해 상기 다른 값 및 상기 베이스 값 (CpkBase)을 상기 프로세서를 이용하여 비교하며, 상기 이송 장치는 상기 미리 정해진 모션 베이스 세트 및 상기 다른 미리 정해진 모션 세트 둘 모두에 공통인 유일 이송 장치이며, 그리고 그 비교에 기반하여 상기 이송 장치의 건강을 평가하는 단계를 포함하는, 방법. - 제1항에 있어서,
상기 미리 정해진 베이스 모션들 각각은 템플릿 모션을 한정하며 그리고 각 원위치 프로세스 모션은 상기 템플릿 모션들 중 대응하는 하나의 템플릿 모션 상으로 실질적으로 매핑하는, 방법. - 제2항에 있어서,
각 템플릿 모션은 상기 장치 제어기로부터의 토크 커맨드 및 위치 커맨드 중 적어도 하나에 의해 규정된, 방법. - 제3항에 있어서,
상기 토크 커맨드 및 상기 위치 커맨드 중 적어도 하나는 상기 이송 장치 모션의 적어도 하나의 자유도에서 템블릿 모션을 규정하는, 방법. - 제1항에 있어서,
상기 이송 장치에 의해 실행된 원위치 프로세스 모션들을 포함하는 상기 장치 제어기에 의해 명령을 받은 모션들의 히스토그램을 상기 장치 제어기의 등록부 내에 등록하는 단계를 더 포함하며, 상기 프로세서는 상기 매핑된 모션들을 상기 등록부 내 모션 히스토그램에 대한 주기적인 액세스로부터 분석하는, 방법. - 제1항에 있어서,
상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 베이스 모션 유형을 한정하는 통계적으로 규정하는 개수의 적어도 하나의 공통 베이스 모션을 포함하는, 방법. - 제1항에 있어서,
상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 다수의 상이한 베이스 모션 유형들을 포함하며, 그 모션 유형들 각각은 각 베이스 모션 유형에 대해 통계적으로 규정하는 개수의 공통 모션들에서 상기 이송 장치에 의해 실행된, 방법. - 제7항에 있어서,
상기 상이한 베이스 모션 유형들 각각은, 상이한 공통 모션 각자를 각각의 베이스 모션 유형으로 한정하는, 상이한 대응하는 적어도 하나의 토크 커맨드 특징 및 위치 커맨드 특징을 구비하는, 방법. - 제1항에 있어서,
동적 성능 변수 각각에 대한 추세 데이터 (trending data)를 상기 등록 시스템을 이용하여 등록하는 단계를 더 포함하며, 상기 추세 데이터는 각 동적 성능 변수의 악화 추세를 규정하는 것인, 방법. - 제9항에 있어서,
상기 이송 장치에 의해 출력된 상기 적어도 하나의 동적 성능 변수 중 가장 높은 악화 추세를 가진 동적 성능 변수들을 상기 프로세서를 이용하여 집성하며 그리고 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발생을 예측하는 단계를 더 포함하는, 방법. - 제10항에 있어서,
상기 동적 성능 변수들의 집성에 기반하여 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발행 예측의 표시를 상기 프로세서를 이용하여 상기 이송 장치의 오퍼레이터에게 제공하는 단계를 더 포함하는, 방법. - 이송 장치를 포함하는 시스템의 건강 평가를 위한 방법으로, 상기 방법은:
미리 정해진 베이스 모션들의 통계적인 규정을 한정하기 위해 배치된 미리 정해진 모션 베이스 세트를 실행하는 이송 장치에 의해 출력된 적어도 하나의 동적 성능 변수를 구현하는 미리 정해진 작동 데이터를, 장치 제어기에 통신 가능하게 결합된 등록 시스템을 이용하여 등록하는 단계;
상기 미리 정해진 모션 베이스 세트의 각 모션에 대해 상기 이송 장치에 의해 출력된 상기 동적 성능 변수 각각의 공칭 성능을 통계적으로 규정하는 정규화된 값을, 상기 등록 시스템에 통신 가능하게 결합된 프로세서를 이용하여 결정하는 단계;
상기 장치 제어기에 통신 가능하게 결합된 모션 리졸버 (resolver)를 이용하여, 상기 장치 제어기의 원위치 (in situ) 프로세스 모션 커맨드들을 상기 이송 장치로부터 분석하며, 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들은 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들로 매핑되며, 그리고 상기 이송 장치의 다른 미리 정해진 모션 세트를 상기 매핑된 원위치 프로세스 모션들을 이용하여 한정하는 단계;
상기 다른 미리 정해진 모션 세트를 실행하는 상기 이송 장치에 의해 출력된 상기 적어도 하나의 동적 성능 변수를 구체화하는 미리 정해진 작동 데이터를 상기 등록 시스템을 이용하여 등록하며, 그리고 상기 다른 미리 정해진 모션 세트의 상기 매핑된 원위치 프로세스 모션를 실행하는 상기 이송 장치에 의해 출력된 동적 성능 변수 각각의 원위치 프로세스 성능을 통계적으로 규정하는 다른 정규화된 값을 상기 프로세서를 이용하여 결정하는 단계; 그리고
상기 미리 정해진 베이스 모션 세트 및 상기 다른 미리 정해진 모션 세트에 각각 대응하는, 상기 이송 장치의 상기 동적 성능 변수 각각에 대해 상기 다른 정규화된 값 및 상기 정규화된 값을 상기 프로세서를 이용하여 비교하며, 그리고 상기 비교에 기반하여 상기 이송 장치의 공칭 성능으로부터의 성능 악화 레이트를 판별하는 단계로, 상기 장치는 유일하며, 상기 미리 정해진 모션 베이스 세트의 각 미리 정해진 베이스 모션에 대한 각 정규화된 값 (Cpkbase) 및 상기 다른 미리 정해진 모션 세트의 각 매핑된 원위치 프로세스 모션에 대한 각 다른 값 (CpkOther)은 상기 유일 장치에만 유일하게 상관되며, 그리고 상기 미리 정해진 성능 악화 레이트는 상기 유일 장치에만 유일하게 상관하는, 단계를 포함하는, 방법. - 제12항에 있어서,
서로 연결된 다수의 상이한 유일 장치 및 상기 이송 장치를 상기 시스템에게 제공하는 단계를 더 포함하며,
다수의 상이한 유일 장치(i)로부터의 각 상이한 유일 장치는 상기 미리 정해진 베이스 모션 세트의 각 베이스 모션에 대해 상이한 대응 정규화된 값들 (CpkBasei) 그리고 다수의 상이한 유일 장치로부터의 상이한 대응 유일 장치 (i)에만 유일하게 상관하는 상기 다른 미리 정해진 모션 세트의 각 매핑된 원위치 프로세스 모션에 대한 다른 정규화된 값들 (CpkOtheri)을 가지는, 방법. - 제13항에 있어서,
각 상이한 유일 장치 (i)에 대해, 상기 대응 정규화된 값들 (CpkBasei) 및 그 상이한 대응 유일 장치 (i)에 유일하게 상관된 다른 정규화된 값들 (CpkOtheri)을 그 상이한 대응 유일 장치에 각자 결합된 제어기를 이용하여 등록하는 단계, 그리고
각 상이한 유일 장치 (i)에 대해, 상기 유일하게 상관된 정규화된 값들 (CpkBasei) 및 그 상이한 유일 장치 (i)의 다른 정규화된 값들 (CpkOtheri)의 비교로부터 그 상이한 유일 장치 (i)에 대한 대응 성능 악화 레이트를 장치 (i=1...n) 기반에 의해 장치 상에서 판별하는 단계를 더 포함하는, 방법. - 제13항에 있어서,
상기 다수의 상이한 유일 장치로부터의 각 상이한 유일 장치는 상기 이송 장치와 공통의 구성인, 방법. - 제13항에 있어서,
상기 다수의 상이한 유일 장치로부터의 각 상이한 유일 장치는 상기 이송 장치와 상이한 구성인, 방법. - 제13항에 있어서,
상기 시스템의 상기 다수의 상이한 유일 장치 각각 및 상기 이송 장치의 성능 악화 추세를 규정하는 추세 데이터를 상기 제어기의 등록부 내에 등록하는 단계를 더 포함하는, 방법. - 제13항에 있어서,
상기 이송 장치에 대응하는 성능 악화 추세들 및 상기 시스템의 상기 다수의 상이한 유일 장치 각각을 상기 프로세서를 이용하여 결합하여, 상기 시스템의 성능 악화를 규정하는 시스템 성능 악화 추세를 결정하는 단계를 더 포함하는, 방법. - 제13항에 있어서,
상기 프로세서를 이용하여, 상기 이송 장치의 성능 악화 추세를 상기 다수의 상이한 유일 장치 각각의 성능 악화 추세와 비교하는 단계, 그리고
상기 프로세서를 이용하여, 상기 이송 장치의 성능 악화 추세 또는 상기 다수의 상이한 유일 장치 중 다른 하나의 성능 악화 추세가 제어 성능 악화 추세인가의 여부 및 제어 성능 악화 추세가 상기 시스템의 성능 악화 추세의 결정 원인인가의 여부를 판별하는 단계를 더 포함하는, 방법. - 제12항에 있어서,
상기 미리 정해진 베이스 모션들 각각은 템플릿 모션을 한정하며 그리고 각 원위치 프로세스 모션은 상기 템플릿 모션들 중 대응하는 하나의 템플릿 모션 상으로 실질적으로 매핑하는, 방법. - 제20항에 있어서,
각 템플릿 모션은 상기 장치 제어기로부터의 토크 커맨드 및 위치 커맨드 중 적어도 하나에 의해 규정된, 방법. - 제21항에 있어서,
상기 토크 커맨드 및 상기 위치 커맨드 중 적어도 하나는 상기 이송 장치의 모션의 적어도 하나의 자유도 내에서의 템블릿 모션에 의해 규정된, 방법. - 제12항에 있어서,
상기 이송 장치에 의해 실행된 원위치 프로세스 모션들을 포함하는 상기 장치 제어기에 의해 명령받은 모션들의 히스토그램을 상기 장치 제어기의 등록부에 등록하는 단계를 더 포함하며,
상기 프로세서는 상기 등록부 내 모션 히스토그램의 주기적인 액세스로부터, 상기 매핑된 모션들을 분석하는, 방법. - 제12항에 있어서,
상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 베이스 모션 유형을 한정하는 통계적으로 규정하는 개수의 적어도 하나의 공통 베이스 모션을 포함하는, 방법. - 제12항에 있어서,
상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 다수의 상이한 베이스 모션 유형들을 포함하며, 그 모션 유형들 각각은 각 베이스 모션 유형에 대해 통계적으로 규정하는 개수의 공통 모션들에서 상기 이송 장치에 의해 실행된, 방법. - 제25항에 있어서,
상기 상이한 베이스 모션 유형들 각각은, 상이한 공통 모션 각자를 각각의 베이스 모션 유형으로 한정하는, 상이한 대응하는 적어도 하나의 토크 커맨드 특징 및 위치 커맨드 특징을 구비하는, 방법. - 제12항에 있어서,
동적 성능 변수 각각에 대한 추세 데이터 (trending data)를 상기 등록 시스템을 이용하여 등록하는 단계를 더 포함하며, 상기 추세 데이터는 각 동적 성능 변수의 악화 추세를 규정하는 것인, 방법. - 제27항에 있어서,
상기 이송 장치에 의해 출력된 상기 적어도 하나의 동적 성능 변수 중 가장 높은 악화 추세를 가진 동적 성능 변수들을 상기 프로세서를 이용하여 집성하며 그리고 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발생을 예측하는 단계를 더 포함하는, 방법. - 제28항에 있어서,
상기 동적 성능 변수들의 집성에 기반하여 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발행 예측의 표시를 상기 프로세서를 이용하여 상기 이송 장치의 오퍼레이터에게 제공하는 단계를 더 포함하는, 방법. - 이송 장치를 포함하는 시스템의 건강을 평가하기 위한 건강 평가 장치로, 상기 건강 평가 장치는:
상기 이송 장치의 이송 장치 제어기에 통신 가능하게 결합된 등록 시스템으로, 상기 등록 시스템은,
미리 정해진 베이스 모션들의 미리 정해진 모션 베이스 세트를 실행하는 상기 이송 장치에 의해 출력된 적어도 하나의 동적 성능 변수를 구현하는 미리 정해진 작동 데이터를 등록하도록 구성되며, 그리고
다른 미리 정해진 모션 세트를 실행하는 상기 이송 장치에 의해 출력된 적어도 하나의 동적 성능 변수를 구현하는 미리 정해진 작동 데이터를 등록하도록 구성된, 등록 시스템;
상기 장치 제어기에 통신 가능하게 결합된 모션 리졸버 (resolver)로서, 상기 모션 리졸버는,
상기 장치 제어기의 원위치 (in situ) 프로세스 모션 커맨드들을 상기 이송 장치로부터 분석하도록 구성되며, 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들은 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들로 매핑되며, 그리고
상기 이송 장치의 다른 미리 정해진 모션 세트를 상기 매핑된 원위치 프로세스 모션들을 이용하여 한정하도록 구성된, 모션 리졸버; 그리고
상기 등록 시스템에 통신 가능하게 결합된 프로세서로서, 상기 프로세서는,
상기 미리 정해진 모션 베이스 세트의 각 모션에 대해 상기 이송 장치에 의해 출력된 상기 동적 성능 변수 각각의 확률 밀도 함수에 의해 규정된 베이스 값 (CpkBase)을 결정하도록 구성되며,
상기 다른 미리 정해진 모션 세트의 상기 매핑된 원위치 프로세스 모션들을 실행하는 상기 이송 장치에 의해 출력된 동적 성능 변수 각각의 확률 밀도 함수에 의해 규정된 다른 값 (CpkOther)을 결정하도록 구성되며,
상기 미리 정해진 모션 베이스 세트 및 상기 다른 미리 정해진 모션 세트에 각각 대응하는, 상기 이송 장치에 의해 출력된 상기 동적 성능 변수 각각에 대해 상기 다른 값 및 상기 베이스 값 (CpkBase)을 비교하도록 구성되며, 그리고
상기 비교에 기반하여 상기 이송 장치의 건강을 평가하도록 구성된, 프로세서를 포함하며,
상기 이송 장치는 상기 미리 정해진 모션 베이스 세트 및 상기 다른 미리 정해진 모션 세트 둘 모두에 대한 공통의 이송 장치인, 건강 평가 장치. - 제30항에 있어서,
상기 미리 정해진 베이스 모션들 각각은 템플릿 모션을 한정하며 그리고 각 원위치 프로세스 모션은 상기 템플릿 모션들 중 대응하는 하나의 템플릿 모션 상으로 실질적으로 매핑하는, 건강 평가 장치. - 제31항에 있어서,
각 템플릿 모션은 상기 장치 제어기로부터의 토크 커맨드 및 위치 커맨드 중 적어도 하나에 의해 규정된, 건강 평가 장치. - 제32항에 있어서,
상기 토크 커맨드 및 상기 위치 커맨드 중 적어도 하나는 상기 이송 장치 모션의 적어도 하나의 자유도에서 템블릿 모션을 규정하는, 건강 평가 장치. - 제30항에 있어서,
상기 이송 장치 제어기는 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들을 포함하는 상기 장치 제어기에 의해 명령을 받은 모션들의 히스토그램을 등록하도록 구성된 등록부를 포함하며, 그리고 상기 프로세서는 상기 매핑된 모션들을 상기 등록부 내 모션 히스토그램의 주기적인 액세스로부터 분석하도록 더 구성된, 건강 평가 장치. - 제30항에 있어서,
상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 베이스 모션 유형을 한정하는 통계적으로 규정하는 개수의 적어도 하나의 공통 베이스 모션을 포함하는, 건강 평가 장치. - 제30항에 있어서,
상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 다수의 상이한 베이스 모션 유형들을 포함하며, 그 모션 유형들 각각은 각 베이스 모션 유형에 대해 통계적으로 규정하는 개수의 공통 모션들에서 상기 이송 장치에 의해 실행된, 건강 평가 장치. - 제36항에 있어서,
상기 상이한 베이스 모션 유형들 각각은, 상이한 공통 모션 각자를 각각의 베이스 모션 유형으로 한정하는, 상이한 대응하는 적어도 하나의 토크 커맨드 특징 및 위치 커맨드 특징을 구비하는, 건강 평가 장치. - 제30항에 있어서,
상기 등록 시스템은 동적 성능 변수 각각에 대한 추세 데이터 (trending data)를 등록하도록 더 구성되며, 상기 추세 데이터는 각 동적 성능 변수의 악화 추세를 규정하는 것인, 건강 평가 장치. - 제38항에 있어서,
상기 프로세서는 상기 이송 장치에 의해 출력된 상기 적어도 하나의 동적 성능 변수 중 가장 높은 악화 추세를 가진 동적 성능 변수들을 상기 프로세서를 이용하여 집성하며 그리고 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발생을 예측하도록 더 구성된, 건강 평가 장치. - 제39항에 있어서,
상기 동적 성능 변수들의 집성에 기반하여 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발행 예측의 표시를 상기 이송 장치의 오퍼레이터에게 제공하도록 더 구성된, 건강 평가 장치. - 이송 장치를 포함하는 시스템의 건강을 평가하기 위한 건강 평가 장치로, 상기 건강 평가 장치는:
상기 이송 장치의 이송 장치 제어기에 통신 가능하게 결합된 등록 시스템으로, 상기 등록 시스템은,
미리 정해진 베이스 모션들의 통계적인 규정을 한정하기 위해서 배치된 미리 정해진 모션 베이스 세트를 실행하는 상기 이송 장치에 의해 출력된 적어도 하나의 동적 성능 변수를 구현하는 미리 정해진 작동 데이터를 등록하도록 구성되며, 그리고
다른 미리 정해진 모션 세트를 실행하는 상기 이송 장치에 의해 출력된 적어도 하나의 동적 성능 변수를 구현하는 미리 정해진 작동 데이터를 등록하도록 구성된, 등록 시스템;
상기 장치 제어기에 통신 가능하게 결합된 모션 리졸버 (resolver)로서, 상기 모션 리졸버는,
상기 장치 제어기의 원위치 (in situ) 프로세스 모션 커맨드들을 상기 이송 장치로부터 분석하도록 구성되며, 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들은 상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들로 매핑되며, 그리고
상기 이송 장치의 다른 미리 정해진 모션 세트를 상기 매핑된 원위치 프로세스 모션들을 이용하여 한정하도록 구성된, 모션 리졸버; 그리고
상기 등록 시스템에 통신 가능하게 결합된 프로세서로서, 상기 프로세서는,
상기 미리 정해진 모션 베이스 세트의 각 모션에 대해 상기 이송 장치에 의해 출력된 상기 동적 성능 변수 각각의 공칭 성능을 통계적으로 규정하는 정규화된 값을 결정하도록 구성되고,
상기 다른 미리 정해진 모션 세트의 상기 매핑된 원위치 프로세스 모션을 실행하는 상기 이송 장치에 의해 출력된 동적 성능 변수 각각의 원위치 프로세스 성능을 통계적으로 규정하는 다른 정규화된 값을 결정하도록 구성되며,
상기 미리 정해진 베이스 모션 세트 및 상기 다른 미리 정해진 모션 세트에 각각 대응하는, 상기 이송 장치의 상기 동적 성능 변수 각각에 대해 상기 다른 정규화된 값 및 상기 정규화된 값을 비교하도록 구성되며, 그리고
상기 비교에 기반한 공칭 성능으로부터 상기 이송 장치의 성능 악화 레이트를 판별하도록 구성된, 프로세서를 포함하며,
상기 이송 장치는 상기 미리 정해진 베이스 모션 세트 및 상기 다른 미리 정해진 모션 세트 둘 모두에 대한 공통의 이송 장치인, 건강 평가 장치. - 제41항에 있어서,
상기 장치는 유일하며 그리고 상기 미리 정해진 모션 베이스 세트의 각 미리 정해진 베이스 모션에 대한 각 정규화된 값 및 상기 다른 미리 정해진 모션 세트의 각 매핑된 원위치 프로세스 모션에 대한 각 다른 값은 상기 유일 장치에만 유일하게 상관되며, 그리고 상기 미리 정해진 성능 악화 레이트는 상기 유일 장치에만 유일하게 상관하는, 건강 평가 장치. - 제41항에 있어서,
상기 미리 정해진 베이스 모션들 각각은 템플릿 모션을 한정하며 그리고 각 원위치 프로세스 모션은 상기 템플릿 모션들 중 대응하는 하나의 템플릿 모션 상으로 실질적으로 매핑하는, 건강 평가 장치. - 제43항에 있어서,
각 템플릿 모션은 상기 장치 제어기로부터의 토크 커맨드 및 위치 커맨드 중 적어도 하나에 의해 규정된, 건강 평가 장치. - 제44항에 있어서,
상기 토크 커맨드 및 상기 위치 커맨드 중 적어도 하나는 상기 이송 장치 모션의 적어도 하나의 자유도에서 템블릿 모션을 규정하는, 건강 평가 장치. - 제41항에 있어서,
상기 이송 장치 제어기는 상기 이송 장치에 의해 실행된 원위치 프로세스 모션들을 포함하는 상기 장치 제어기에 의해 명령을 받은 모션들의 히스토그램을 등록하도록 구성된 등록부를 포함하며, 그리고 상기 프로세서는 상기 매핑된 모션들을 상기 등록부 내 모션 히스토그램의 주기적인 액세스로부터 분석하도록 더 구성된, 건강 평가 장치. - 제41항에 있어서,
상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 베이스 모션 유형을 한정하는 통계적으로 규정하는 개수의 적어도 하나의 공통 베이스 모션을 포함하는, 건강 평가 장치. - 제41항에 있어서,
상기 미리 정해진 모션 베이스 세트의 상기 미리 정해진 베이스 모션들은 다수의 상이한 베이스 모션 유형들을 포함하며, 그 모션 유형들 각각은 각 베이스 모션 유형에 대해 통계적으로 규정하는 개수의 공통 모션들에서 상기 이송 장치에 의해 실행된, 건강 평가 장치. - 제48항에 있어서,
상기 상이한 베이스 모션 유형들 각각은, 상이한 공통 모션 각자를 각각의 베이스 모션 유형으로 한정하는, 상이한 대응하는 적어도 하나의 토크 커맨드 특징 및 위치 커맨드 특징을 구비하는, 건강 평가 장치. - 제41항에 있어서,
상기 등록 시스템은 동적 성능 변수 각각에 대한 추세 데이터 (trending data)를 등록하도록 더 구성되며, 상기 추세 데이터는 각 동적 성능 변수의 악화 추세를 규정하는 것인, 건강 평가 장치. - 제50항에 있어서,
상기 프로세서는 상기 이송 장치에 의해 출력된 상기 적어도 하나의 동적 성능 변수 중 가장 높은 악화 추세를 가진 동적 성능 변수들을 상기 프로세서를 이용하여 집성하며 그리고 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발생을 예측하도록 더 구성된, 건강 평가 장치. - 제51항에 있어서,
상기 동적 성능 변수들의 집성에 기반하여 미리 정해진 성능 상태 아래의 성능을 가진 상기 이송 장치의 발행 예측의 표시를 상기 이송 장치의 오퍼레이터에게 제공하도록 더 구성된, 건강 평가 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020237003677A KR102597085B1 (ko) | 2017-05-05 | 2018-05-07 | 이송 장치의 건강 평가를 위한 방법 및 장치 |
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201762502292P | 2017-05-05 | 2017-05-05 | |
| US62/502,292 | 2017-05-05 | ||
| US15/971,827 | 2018-05-04 | ||
| US15/971,827 US10843341B2 (en) | 2017-05-05 | 2018-05-04 | Method and apparatus for health assessment of a transport apparatus |
| PCT/US2018/031422 WO2018204923A1 (en) | 2017-05-05 | 2018-05-07 | Method and apparatus for health assessment of a transport apparatus |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237003677A Division KR102597085B1 (ko) | 2017-05-05 | 2018-05-07 | 이송 장치의 건강 평가를 위한 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200005601A KR20200005601A (ko) | 2020-01-15 |
| KR102495944B1 true KR102495944B1 (ko) | 2023-02-03 |
Family
ID=64016750
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020197036100A KR102495944B1 (ko) | 2017-05-05 | 2018-05-07 | 이송 장치의 건강 평가를 위한 방법 및 장치 |
| KR1020237003677A KR102597085B1 (ko) | 2017-05-05 | 2018-05-07 | 이송 장치의 건강 평가를 위한 방법 및 장치 |
| KR1020237037265A KR20230155024A (ko) | 2017-05-05 | 2018-05-07 | 이송 장치의 건강 평가를 위한 방법 및 장치 |
Family Applications After (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237003677A KR102597085B1 (ko) | 2017-05-05 | 2018-05-07 | 이송 장치의 건강 평가를 위한 방법 및 장치 |
| KR1020237037265A KR20230155024A (ko) | 2017-05-05 | 2018-05-07 | 이송 장치의 건강 평가를 위한 방법 및 장치 |
Country Status (5)
| Country | Link |
|---|---|
| US (4) | US10843341B2 (ko) |
| JP (2) | JP7209360B2 (ko) |
| KR (3) | KR102495944B1 (ko) |
| CN (2) | CN116880432A (ko) |
| WO (1) | WO2018204923A1 (ko) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10843341B2 (en) * | 2017-05-05 | 2020-11-24 | Brooks Automation, Inc. | Method and apparatus for health assessment of a transport apparatus |
| JP7316114B2 (ja) * | 2019-06-26 | 2023-07-27 | ファナック株式会社 | ワーク搬送装置 |
| JP2021160031A (ja) * | 2020-03-31 | 2021-10-11 | セイコーエプソン株式会社 | 故障予測方法および故障予測装置 |
| CN111460027B (zh) * | 2020-03-31 | 2023-12-05 | 贵州电网有限责任公司 | 一种适用于能源互联网的智能动态监测方法及系统 |
| US11554490B2 (en) | 2020-12-09 | 2023-01-17 | Robert Bosch Gmbh | Monitoring real-time data of a robotic manipulator |
| US20210299866A1 (en) * | 2020-12-23 | 2021-09-30 | Intel Corporation | Robotic manipulation planning based on probalistic elastoplastic deformation material point method |
| KR102437334B1 (ko) * | 2021-01-15 | 2022-08-26 | 아주대학교산학협력단 | 협동로봇의 결함 추적 방법 및 장치 |
| CN113567096B (zh) * | 2021-06-15 | 2022-04-19 | 南方电网科学研究院有限责任公司 | 换流变压器带线路空载加压工况运行状态评估方法和装置 |
| CN114770607B (zh) * | 2022-06-20 | 2022-09-02 | 深圳希研工业科技有限公司 | 一种基于大数据的机器人健康监控方法及系统 |
Family Cites Families (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4108179A (en) * | 1973-09-13 | 1978-08-22 | Colgate-Palmolive Company | Disposable diaper |
| JP2895275B2 (ja) * | 1991-09-11 | 1999-05-24 | 川崎製鉄株式会社 | 金属板のローラ搬送性の評価方法 |
| JPH0577143A (ja) * | 1991-09-19 | 1993-03-30 | Toyota Auto Body Co Ltd | 自動化ラインの故障診断装置 |
| EP1135057A4 (en) * | 1998-11-30 | 2003-06-11 | Sabine Vivian Kunig | METHOD AND DEVICE FOR MEASURING FUNCTIONALITY OF A PERIODICALLY CHANGING SYSTEM |
| JP2000210800A (ja) | 1999-01-27 | 2000-08-02 | Komatsu Ltd | 産業機械のモニタ方法およびその装置 |
| US6411908B1 (en) * | 2000-04-27 | 2002-06-25 | Machinery Prognosis, Inc. | Condition-based prognosis for machinery |
| US20020183971A1 (en) * | 2001-04-10 | 2002-12-05 | Wegerich Stephan W. | Diagnostic systems and methods for predictive condition monitoring |
| JP4240912B2 (ja) * | 2002-05-24 | 2009-03-18 | 株式会社安川電機 | 診断機能を備えたモータ制御装置 |
| ATE313833T1 (de) * | 2002-10-04 | 2006-01-15 | Siemens Schweiz Ag | Verfahren zur überwachung von gütern |
| JP2005309077A (ja) * | 2004-04-21 | 2005-11-04 | Fuji Xerox Co Ltd | 故障診断方法および故障診断装置、並びに搬送装置および画像形成装置、並びにプログラムおよび記憶媒体 |
| DE602005008706D1 (de) * | 2005-03-24 | 2008-09-18 | Abb Research Ltd | Abschätzen der Zustandparameter oder Erscheinung eines alternden Systems |
| US9104650B2 (en) * | 2005-07-11 | 2015-08-11 | Brooks Automation, Inc. | Intelligent condition monitoring and fault diagnostic system for preventative maintenance |
| EP1913506A4 (en) | 2005-07-11 | 2008-08-13 | Brooks Automation Inc | INTELLIGENT STATUS MONITORING AND TROUBLESHOOTING SYSTEM FOR PREDICTIVE MAINTENANCE |
| US7567878B2 (en) * | 2005-12-07 | 2009-07-28 | Siemens Corporate Research, Inc. | Evaluating anomaly for one class classifiers in machine condition monitoring |
| SE529676C2 (sv) * | 2006-03-02 | 2007-10-23 | Abb Ab | En metod för att utvärdera en applikation, ett automationssystem och en styrenhet |
| US8494817B1 (en) * | 2006-11-30 | 2013-07-23 | Pdf Solutions, Inc. | Methods for yield variability benchmarking, assessment, quantification, and localization |
| CN103792927B (zh) * | 2007-03-12 | 2017-01-04 | 艾默生过程管理电力和水力解决方案有限公司 | 发电厂性能监测中统计分析的使用 |
| US8352216B2 (en) * | 2008-05-29 | 2013-01-08 | General Electric Company | System and method for advanced condition monitoring of an asset system |
| US8285438B2 (en) * | 2009-11-16 | 2012-10-09 | Honeywell International Inc. | Methods systems and apparatus for analyzing complex systems via prognostic reasoning |
| US8560106B2 (en) * | 2010-11-30 | 2013-10-15 | Applied Materials, Inc. | Predictive maintenance for third party support equipment |
| EP2763818B1 (en) | 2011-10-03 | 2021-12-01 | ABB Schweiz AG | Condition monitoring of an industrial robot |
| JP2013182554A (ja) | 2012-03-05 | 2013-09-12 | Tokyo Institute Of Technology | 把持姿勢生成装置、把持姿勢生成方法及び把持姿勢生成プログラム |
| US9257029B1 (en) * | 2012-08-29 | 2016-02-09 | James Robert Hendrick, III | System and method of remote monitoring and diagnostics for health conditions and emergency interventions |
| JP6059046B2 (ja) * | 2013-03-04 | 2017-01-11 | アズビル株式会社 | 不具合検知システムおよび不具合検知方法 |
| US20140336791A1 (en) | 2013-05-09 | 2014-11-13 | Rockwell Automation Technologies, Inc. | Predictive maintenance for industrial products using big data |
| JP6263455B2 (ja) | 2013-08-26 | 2018-01-17 | 能美防災株式会社 | 構造物劣化診断システム |
| US10139311B2 (en) * | 2014-09-26 | 2018-11-27 | Palo Alto Research Center Incorporated | Computer-implemented method and system for machine tool damage assessment, prediction, and planning in manufacturing shop floor |
| US10843341B2 (en) | 2017-05-05 | 2020-11-24 | Brooks Automation, Inc. | Method and apparatus for health assessment of a transport apparatus |
-
2018
- 2018-05-04 US US15/971,827 patent/US10843341B2/en active Active
- 2018-05-07 CN CN202310614900.4A patent/CN116880432A/zh active Pending
- 2018-05-07 JP JP2019560201A patent/JP7209360B2/ja active Active
- 2018-05-07 KR KR1020197036100A patent/KR102495944B1/ko active IP Right Grant
- 2018-05-07 WO PCT/US2018/031422 patent/WO2018204923A1/en active Application Filing
- 2018-05-07 KR KR1020237003677A patent/KR102597085B1/ko active IP Right Grant
- 2018-05-07 KR KR1020237037265A patent/KR20230155024A/ko active Application Filing
- 2018-05-07 CN CN201880044617.XA patent/CN110799917B/zh active Active
-
2020
- 2020-11-24 US US17/103,243 patent/US11338437B2/en active Active
-
2022
- 2022-05-24 US US17/664,752 patent/US11787058B2/en active Active
- 2022-12-27 JP JP2022210478A patent/JP2023052128A/ja active Pending
-
2023
- 2023-10-17 US US18/488,685 patent/US20240058966A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| JP2023052128A (ja) | 2023-04-11 |
| KR20200005601A (ko) | 2020-01-15 |
| KR102597085B1 (ko) | 2023-11-01 |
| US20240058966A1 (en) | 2024-02-22 |
| KR20230155024A (ko) | 2023-11-09 |
| CN116880432A (zh) | 2023-10-13 |
| KR20230023818A (ko) | 2023-02-17 |
| US11787058B2 (en) | 2023-10-17 |
| US20210146545A1 (en) | 2021-05-20 |
| CN110799917B (zh) | 2023-06-16 |
| JP2020518919A (ja) | 2020-06-25 |
| WO2018204923A1 (en) | 2018-11-08 |
| US20230021180A1 (en) | 2023-01-19 |
| CN110799917A (zh) | 2020-02-14 |
| US11338437B2 (en) | 2022-05-24 |
| JP7209360B2 (ja) | 2023-01-20 |
| US10843341B2 (en) | 2020-11-24 |
| US20190143521A1 (en) | 2019-05-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102495944B1 (ko) | 이송 장치의 건강 평가를 위한 방법 및 장치 | |
| US11650581B2 (en) | Intelligent condition monitoring and fault diagnostic system for preventative maintenance | |
| TWI470385B (zh) | 自動化製造器具所用之智慧型狀態監控及故障診斷系統 | |
| US20120165985A1 (en) | Maintaining a wind turbine with a maintenance robot | |
| KR101082422B1 (ko) | 자동화로봇의 작동상태 모니터링장치, 이상동작 검출시스템 및 그 제어방법 | |
| TWI832691B (zh) | 用於運送裝置的健康評估的方法及裝置 | |
| US11249455B2 (en) | Automation system and wear detection controller | |
| TW201927498A (zh) | 監視方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |