TWM575133U - Robotic arm dynamic monitoring system - Google Patents

Abstract

一種機械手臂動態監測系統，其主要係具有一監測系統，所述的監測系統資訊連接有至少一感測器，且各感測器係設置於一機械手臂，當機械手臂作動時，所設置的感測器係可將一動作訊號傳送至監測系統，監控系統中的一演算法，會自行比對該動作訊號與先前自動或手動建立之動作訊號的差異，藉此判別機械手臂之健康狀態，再者，監測系統擷取大量的動作訊號後進行深度學習(Deep learning)，使監測系統可依據所收集到的動作訊號，提前檢知機械手臂之故障特徵，藉此可大幅提升產品良率及產線產能安排之效益。

Description

機械手臂動態監測系統

一種機械手臂動態監測系統，本創作尤指一種將一感測器設置於一機械手臂，經由感測器將所測得的一動作訊號傳送至一監測系統，使監測系統可在累積大量動作訊號後，透過深度學習運算分析，使監測系統可透過動作訊號之些微變化，對之後待監測之機械手臂提供故障預知判斷的機械手臂動態監測系統。

目前自動控制技術成熟，自動控制設備已逐漸取代單純人力代工之產線，其中以機械手臂為生產線上最常見到，生產線是持續的進行生產作業，因此技術人員需隨時監測機械手臂，以維持機械手臂之動作品質，避免機械手臂損壞而間接降低產品良率，目前市售的機械手臂感測裝置可區分為三種：(1)位置感測器：用以確認機械手臂是否精準如實移動到欲控制的位置上；(2)電流感測器：用以監測機械手臂之各軸馬達輸出電訊號 是否異常，作為機械手臂是否發生故障的判別；(3)AOI(Automation Optic Inspection)檢測：利用影像技術偵測機械手臂移動位置是否有如實移動到欲控制的位置上，如果沒有藉由影像判別得知，並藉由影像資訊來補償控制機械手臂至正確位置。

請參照中國發明專利第CN103036201A號「一種紡織機械故障定位系統」，其揭露一種紡織機械故障定位系統，包括振動頻率捕捉器、頻率分離模塊、電源繼電器、報警模塊、主控制模塊、數據存儲模塊，所述振動頻率捕捉器通過所述頻率分離模塊與所述主控制模塊連接，所述電源繼電器、報警模塊和數據存儲模塊直接與所述主控制模塊連接，本發明利用檢測紡織機械同頻率振動的振幅是否在正常範圍可以得到紡織機械是否發生故障，利用電子設備及時切斷相應設備的電源，可以防止故障進一步擴大；再者，通過設置在每台獨立紡織機械不同部位的振動頻率捕捉器，依據振動頻率捕捉器振幅判斷故障之部位；另有其他參考專利資料如下：(1)中華民國專利第TWI470385號「自動化製造器具所用之智慧型狀態監控及故障診斷系統」；(2)中華民國專利第TWI586943號「enhanced-FFT線上機台振動量測系統與方法」；(3)中華民國專利第TWM534670號「機械手臂控制之動作遠端儲存系統」； (4)中國專利第CN100516789C號「機械設備的異常診斷系統」；(5)美國專利第US9727050B2號「Processing machinery protection and fault prediction data natively in a distributed control system」；(6)美國專利第US5943634B1號「Vibration data analysis based on time waveform parameters」。

然而，目前機械手臂監測方法仍有諸多不足之處，例如在目前產業應用中，機械手臂在移動的過程中的順暢度對產品的良率也有莫大的影響，舉例來說，一個半成品晶圓會因為手臂移動過程中所產生過大的振動而導致產品或晶圓出現異常甚至破片情形，因此就算產品被如實送到正確的位置上，也是一次無效的運送，並可能造成產線極大的損失，又，以監測驅動端(馬達)的電流變化為例，監測電流變化是一種有效判別機械系統異常之手段，然而，此手段的限制在於，以此判定異常時，機械結構的故障已是非常明顯，偵測到故障時，即需要立即停機修復，這樣往往會牽涉到後續的備料、工作排程調整、與產能影響問題，再者，機械的損壞是漸進式的，如能在初期出現微小的機械故障特徵就及時發現，對於產品良率以及產線產能安排應具有一定程度的效益。

有鑑於上述的需求，本創作人係依據多年來從事相關行業的經驗，針對自動控制設備的監測系統進行研究及分析，期能利用設計出解上述需求之創作；緣此，本創作之主要目的在於提供一種可透過累積大量動作訊號進行學習，達到對一受監測之機械手臂提供故障預知判斷的機械手臂動態監測系統。

為達上述目的，本創作之一種機械手臂動態監測系統，其主要係具有一監測系統，所述的監測系統係資訊連接有至少一感測器，且各感測器可係設置於一機械手臂，當機械手臂作動時，所設置的感測器係可將因機械手臂作動時所產生的動作訊號傳送至監測系統，再者，監測系統擷取在大量的動作訊號後，進一步進行深度學習(Deep learning)，使監測系統可依據所收集到的動作訊號，經過一相似度判別、一訊號異常判別，提前檢知及預判機械手臂是否有發生可能性故障之特徵，以進行故障預知判斷，藉此可大幅提升產品良率及產線產能安排之效益。

承上，本創作之機械手臂動態監測系統可即時偵測機械手臂之動作訊號，即使動作訊號僅發生微小的異常，即可預先判別得知機械手臂是否即將產生故障特徵，以供使用者有充足的時間準備更換料件或產線的調度管理，避免無預警的故障產生影響產線作業，造成損失，亦可有效的預防機械在異常的情況下運作衍伸出的品質問 題，據此，本創作具有以下優點：

(1)提供預防保養觀點的監測。

(2)提前檢知機械手臂故障特徵。

(3)避免不可控的機械變化來影響產品良率。

(4)機械手臂之產線保養排修的參考。

(5)避免機械手臂無預警損壞。

為使 貴審查委員得以清楚了解本創作之目的、技術特徵及其實施後之功效，茲以下列說明搭配圖示進行說明，敬請參閱。

10‧‧‧機械手臂動態監測系統

101‧‧‧監測系統

102‧‧‧感測器

1011‧‧‧中央處理模組

1012‧‧‧動作訊號資料庫

1013‧‧‧訊號學習模組

1014‧‧‧資料建立及儲存模組

1015‧‧‧資料傳輸模組

1016‧‧‧行為判讀模組

1017‧‧‧訊號紀錄模組

20‧‧‧機械手臂

30‧‧‧資訊裝置

D1‧‧‧動作訊號

D2‧‧‧動作訊號資料

D3‧‧‧動作樣本資訊

D4‧‧‧異常確認訊息

D5‧‧‧確認結果

D6‧‧‧警示資訊

D7‧‧‧訊號狀態紀錄檔案

S‧‧‧機械手臂監控流程

S1‧‧‧動作訊號偵測步驟

S2‧‧‧動作訊號相似度判別步驟

S21‧‧‧行為判讀及建立新的動作樣本資訊步驟

S3‧‧‧動作訊號異常判別步驟

S31‧‧‧異常警示步驟

S4‧‧‧優化動作樣本資訊步驟

S5‧‧‧儲存於動作訊號資料庫步驟

S6‧‧‧動作訊號紀錄步驟

第1圖，為本創作之系統架構圖。

第2圖，為本創作之實施流程圖。

第3圖，為本創作之實施示意圖(一)。

第4圖，為本創作之實施示意圖(二)。

第5圖，為本創作之實施示意圖(三)。

第6圖，為本創作之實施示意圖(四)。

第7圖，為本創作之實施示意圖(五)。

第8圖，為本創作之另一實施例。

第9圖，為本創作之實施流程圖(二)。

請參閱「第1圖」，圖中所示為本創作之系統架構圖，如圖，本創作之機械手臂動態監測系統10，其主要具有一監測系統101，所述的監測系統101係資訊連結於至少一感測器102，且感測器102係進一步設置於一機械手臂20，所述的感測器102係可以為一多軸向加速度計、一陀螺儀、一應變規、一壓力感測、一溫度計、一電壓計、和一電流計其中一種或其組合，但凡可供偵測訊號動態變化之感測器皆可實施，並不以此為限，特先陳明；所述的監測系統101包含有一中央處理模組1011，另有一動作訊號資料庫1012、一訊號學習模組1013、及一資料建立及儲存模組1014與中央處理模組1011完成資訊連接；所述的中央處理模組1011可供以運行監測系統101，其可以為中央處理器(Central Processing Unit,CPU)、ARM、圖形處理器(graphics processing unit,GPU)；所述的動作訊號資料庫1012儲存有至少一筆動作樣本資訊，監測系統101可透過動作樣本資訊對待測的機械手臂20作故障預判；所述的訊號學習模組1013可供執行一深度學習演算法(deep learning)，可接收機械手臂20的一動作訊號，依據機械手臂20之一動作劇本編程建立一組動作樣本資訊，以供訊號學習模組1013作為故障判斷之比對基礎，其中，所述的動作訊號係可以為一加速度值、一角動量值、一應變值、一壓力值、一溫度值、一電壓值和一電流值其中一種或其組合；所述的資料建立及儲存模組1014可將所接收到的動作訊號，轉變為可供監測系統101判讀的資訊格式的一動作訊號資料；請再參閱圖 中，監測系統101更包含有一資料傳輸模組1015及一行為判讀模組1016，其中，資料傳輸模組1015及行為判讀模組1016係資訊連結於中央處理模組1011，所述的資料傳輸模組1015可資訊連結於一資訊裝置30，使監測系統101透過資訊裝置30，向使用者提出故障預警、或確認所測得的動作訊號是否異常，所述的行為判讀模組1016可向資訊裝置30(即使用者)發布一異常確認訊息，以供使用者確認動作訊號是否為異常，所述的異常確認訊息包含有動作訊號，並可進一步請求使用者回覆動作訊號為一正常狀態或一異常狀態，所述的資訊裝置30係可例如為一行動資訊裝置、一個人電腦設備、工業電腦設備等。

請參閱「第2圖」，圖中所示為本創作之實施流程圖，並請參閱「第3圖」~「第7圖」，為本創作之實施示意圖(一)~(五)，如圖，初始時，使用者係可先將一動作劇本編程輸入於機械手臂20，使機械手臂20可依據該動作劇本編程作動，然後，使用者將監測系統101資訊連結於設置於機械手臂20的各個感測器102後，使監測系統101可監控機械手臂20，本創作之機械手臂實施流程S，如下：動作訊號偵測步驟S1：請參閱「第3圖」，如圖，當機械手臂20依據動作劇本編程作動時，感測器102可偵測機械手臂20的作動變化，依據其作動變化產生一動作訊號D1，並將動作訊號D1傳送至監測系統101； 動作訊號相似度判別步驟S2：請接續參閱「第3圖」，當動作訊號D1被傳送至監測系統101，中央處理模組1011會將動作訊號D1傳送至資料建立及儲存模組1014，又，資料建立及儲存模組1014會將動作訊號D1轉變可供分析讀取格式的一動作訊號資料D2，並儲存於資料建立及儲存模組1014中，又，訊號學習模組1013會擷取動作訊號資料D2，並與儲存於動作訊號資料庫1012的一動作樣本資訊D3進行相似度比對，所述的相似度比對係可例如計算動作訊號資料D2與動作樣本資訊D3之相位差、或者計算週期數據的線形變化、震幅變化、頻率變化等，舉凡可對感測器102所取得之數據作相似度處理之演算法，皆可實施，並不以此為限，再者，訊號學習模組1013係計算動作訊號資料D2與動作樣本資訊D3之一差異值，並判斷此差異值是否於一相似度區間內，藉此判斷兩訊號為一高相似度結果或一低相似度結果，例如「第4圖」所示，圖中動作訊號資料D2與動作樣本資訊D3，其中，圖中波形第11秒至第13秒係出現延遲狀況、第19秒至21秒出現延遲狀況，訊號學習模組1013計算出兩訊號差異值為11.16%，若相似度區間係設定為20%，則訊號學習模組1013會判定為高相似度結果，反之，請再參閱「第5圖」，圖中動作訊號資料D2與動作樣本資訊D3，其中，圖中波形第19秒至第21秒出現延遲狀況、第26秒至29秒出現延遲狀況，其差異值為25.61%，若相似度區間為20%，則訊號學習模組1013會判斷為低相似度結 果，前述實施例中相似度區間係設為20%，於其他實施例中，相似度區間係可依據製程設備需求、產品品質需求設定，並不以此為限；行為判讀及建立新的動作樣本資訊步驟S21：請搭配參閱「第6圖」，如圖，當訊號學習模組1013執行相似度判定，且動作訊號資料D2判定結果為低相似度結果，意即波形差異度較大，此時，監測系統101會透過資料傳輸模組1015，將一異常確認訊息D4發布至資訊裝置30，再者，資訊裝置30接收並顯示異常確認訊息D4後，使用者可以回覆此異常確認訊息D4，並將一確認結果D5回傳至監測系統101，若確認結果D5為正常狀態，訊號學習模組1013會建立另一組動作樣本資訊D3’，並將動作樣本資訊D3’儲存於動作訊號資料庫1012，以供訊號學習模組1013後續進行相似度判斷；動作訊號異常判別步驟S3：當訊號學習模組1013判定結果為高相似度結果時，訊號學習模組1013會進一步偵測動作訊號資料D2是否超過一突波限制值，其中，所述的突波限制值係以動作樣本資訊D3為基礎界定出的門檻值，例如，設定動作樣本資訊D3之峰值>10%作為突波限制值，又，突波限制值係由動作腳本編程以及其訊號特徵所定義，不同的動作腳本編程可被定義出相異的突波限制值，且突波限制值可由使用者設定、或由訊號學習模組1013 依據動作訊號資料D2之歷史紀錄取得；異常警示步驟S31：請參閱「第7圖」，如圖，若確認結果D5為異常狀態，訊號學習模組1013會將動作訊號資料D2紀錄於動作訊號資料庫1012，使訊號學習模組1013未來可以快速比對出相同之異常狀態，並且監測系統101會進一步將一警示資訊D6發布至資訊裝置30，以提醒使用者檢視機械手臂20之狀態或進行相對應之操作，又，若動作訊號資料D2超出突波限制值時，由於動作訊號資料D2可與動作劇本編程相對應，因此，訊號學習模組1013可依據動作訊號資料D2出現異常的時間，判斷機械手臂20故障之動作行程，使訊號學習模組1013學習故障特徵，並且發布警示資訊D6時，同時將故障特徵告知使用者，藉此，可降低使用者系統偵錯的作業時間，又，所述的突波限制值亦可以設為多個狀態等級，例如，未超出突波限制值時為一正常狀態層級、接近或等於突波限制值時為一警告狀態層級、超出突波限制值時為一警告狀態層級、連續數個週期皆超出突波限制值時為一危險狀態層級；優化動作樣本資訊步驟S4：當動作訊號資料D2未超出突波限制值，訊號學習模組1013會依據動作訊號資料D2優化動作樣本資訊D3，所述的優化係指訊號學習模組1013依據動作訊號資料D2，調適動作樣本資訊D3的數據變化範圍； 儲存於動作訊號資料庫步驟S5：當訊號學習模組1013完成優化作業後，優化後的動作樣本資訊D3係進一步儲存於動作訊號資料庫1012，進而更新動作訊號資料庫1012中儲存的動作樣本資訊D3，以供訊號學習模組1013可再對下一筆動作訊號資料D2進行相似度判斷或異常判斷。

請參閱「第8圖」，圖中所示為本創作之另一實施例，如圖，監測系統101更包含有一訊號紀錄模組1017，其中，所述的訊號紀錄模組1017資訊連結於中央處理模組1011，其可將訊號學習模組1013異常判定之過程儲存成一訊號狀態紀錄檔案D7，請搭配參閱「第9圖」，如圖中所示，當動作訊號異常判別S3步驟完成後，可再執行一動作訊號紀錄步驟S6：當訊號學習模組1013偵測動作訊號資料D2未超過突波限制值時，訊號紀錄模組1017會將動作訊號資料D2紀錄於訊號狀態紀錄檔案D7，並儲存於訊號紀錄模組1017中，又，訊號紀錄模組1017亦可以將訊號狀態紀錄檔案D7傳送至資訊裝置30、亦或者傳送至將訊號狀態紀錄檔案D7輸出為一紙本資料。

由上所述可知，本創作之一種機械手臂動態監測系統，所述的機械手臂動態監測系統主要係由一監測系統及一感測器所組成，其中，感測器係設置於一機械手臂，當機械手臂作動時，所設置的感測器係可將一動作訊號傳 送至監測系統，又，監測系統的一訊號學習模組係可執行一深度學習演算法，擷取大量動作訊號後，產生一動作樣本資訊，使訊號學習模組可以動作樣本資訊對所測得的動作訊號進行相似度判定、及訊號異常判定，如動作訊號與動作樣本資訊為一高相似度結果且未超出一突波限制值時，則訊號學習模組判定機械手臂為一正常狀態，如動作訊號與動作樣本資訊為一高相似度結果但超出一突波限制值時，則訊號學習模組判定機械手臂為一異常狀態，如動作訊號與動作樣本資訊為一低相似度結果時，則監測系統會詢問使用者訊號是否為正常，若是則訊號學習模組會新建立一組動作樣本資訊、若否則訊號學習模組會發出一警示資訊；依此，本創作其據以實施後，確實可達到提供一種可透過累積大量動作訊號進行學習，達到對一受監測之機械手臂提供故障預知判斷的機械手臂動態監測系統之目的。

唯，以上所述者，僅為本創作之較佳之實施例而已，並非用以限定本創作實施之範圍；任何熟習此技藝者，在不脫離本創作之精神與範圍下所作之均等變化與修飾，皆應涵蓋於本創作之專利範圍內。

綜上所述，本創作之功效，係具有創作之「產業可利用性」、「新穎性」與「進步性」等專利要件；申請人爰依專利法之規定，向 鈞局提起新型專利之申請。

Claims (11)

1. 一種機械手臂動態監測系統，供以對一機械手臂之作動所產生的一動作訊號進行監測，其包含：一中央處理模組，供以運行該機械手臂動態監測系統；一動作訊號資料庫，與該中央處理模組資訊連結，該動作訊號資料庫儲存有至少一動作樣本資訊；一訊號學習模組，與該中央處理模組資訊連結，該訊號學習模組執行一深度學習演算法，該訊號學習模組以該動作樣本資訊進行一相似度判斷，另以一突波限制值進行一訊號異常判斷；一資料傳輸模組，與該中央處理模組資訊連結，供以發布一警示資訊；以及該訊號學習模組對該動作訊號經該相似度判斷分析後得出一高相似度結果，且未超過一突波限制值時，該訊號學習模組優化該動作訊號資料庫的該動作樣本資訊，當該動作訊號超出該突波限制值，則發布該警示資訊。
2. 如申請專利範圍第1項所述之機械手臂動態監測系統，其中，一資料建立及儲存模組與該中央處理模組資訊連結，該資料建立及儲存模組可將所接收到的該動作訊號，轉變為可供該訊號學習模組分析讀取訊號格式的一動作訊號資料。
3. 如申請專利範圍第1項所述之機械手臂動態監測系統，其中，該資料傳輸模組另與一資訊裝置完成資訊連 結，該資料傳輸模組可將一異常確認訊息發布至該資訊裝置。
4. 如申請專利範圍第3項所述之機械手臂動態監測系統，其中，一行為判讀模組與該中央處理模組資訊連結，該行為判讀模組發布該異常確認訊息，經一使用者確認該異常確認訊息，並由該資訊裝置回傳一確認結果，當該確認結果為一正常狀態，則該訊號學習模組建立另一組動作樣本資訊。
5. 如申請專利範圍第1項所述之機械手臂動態監測系統，其中，一訊號紀錄模組資訊連結於該中央處理模組，該訊號紀錄模組可產生及儲存一訊號狀態紀錄檔案。
6. 如申請專利範圍第1項所述之機械手臂動態監測系統，其中，一感測器設置於該機械手臂，該感測器可偵測該機械手臂動作後產生該動作訊號，並將該動作訊號傳送至該機械手臂動態監測系統。
7. 如申請專利範圍第6項所述之機械手臂動態監測系統，其中，該感測器為一多軸向加速度計、一陀螺儀、一應變規、一壓力感測、一溫度計、一電壓計和一電流計其中一種或其組合。
8. 如申請專利範圍第1項所述之機械手臂動態監測系統，其中，該訊號學習模組完成相似度判斷後產生一差異值，當該差異值於一相似度區間內，則判斷結果為該高相似度結果。
9. 如申請專利範圍第8項所述之機械手臂動態監測系 統，其中，該訊號學習模組係依據該高相似度結果的該動作訊號資料，調適儲存於該動作訊號資料庫的該動作樣本資訊的數據變化範圍。
10. 如申請專利範圍第1項所述之機械手臂動態監測系統，其中，該訊號學習模組完成相似度判斷後產生一差異值，當該差異值超出該相似度區間，則判斷結果為一低相似度結果。
11. 如申請專利範圍第4項所述之機械手臂動態監測系統，其中，當該確認結果為一異常狀態，該訊號學習模組將該動作訊號資料紀錄於該動作訊號資料庫，並將該警示資訊發布至該資訊裝置。