One priority aspect of Industry 4.0 is the cooperation between production and maintenance planning since this permits obtaining efficient maintenance allowing companies to implement a cost-effective production system. In this regard, prevention in maintenance has received a lot of interest from research and industries, given that, may bring huge technical and economical advantages. Condition Monitoring (CM) has a key role in obtaining reliable preventive maintenance systems because, by monitoring components, is possible to assess physical conditions, analysis and possible subsequent maintenance actions. However, solutions for the application of effective CM in Robotics or complex Machines are still under investigation since, in such complex systems, defining a strategy to automatically detect and diagnose failures is not straightforward. This is because every system has its own peculiarities and working logic, thus defining an architecture to supervise components’ health requires a deep understanding of the process. Therefore it is not easy to define a general approach which can be reused and adapted to different case studies. In fact, most of the proposed solutions in the literature suffer from the possibility of being generalized and applied to a different scenario. For this reason, the focus of this Thesis will be on approaching the theme of CM in Robotics and Machines by studying electric motors signals behaviour in order to understand how to identify faulty features in the case of malfunctions or failures in components beyond the motor itself. In fact, considering that most industrial systems are mainly composed of electric motors and transmission systems, the basic idea is to study the behaviour of the motor signals most rich in information to detect and diagnose failures, testing then its effectiveness in different real case studies. More in detail, this Thesis aims to investigate the behaviour of Current and Torque signals for Fault Detection and Diagnosis (FDD) in Robots and Machines working under non-stationary conditions (varying speed and load). In particular, Currents have been used to assess belt-drive systems health in a Cartesian Robot (CR) and in an industrial packaging machine while a novel FDD methodology using Motor load Torque (MlT) estimation for applications with speed variations and unknown load conditions has been proposed to monitor relatively short-drive trains. Both solutions have been developed with the idea of being adaptable to different applications which are necessary to evaluate transmission system health. Lastly, to conclude have been pointed out difficulities in defining CM in collaborative manipulators used for dynamics tasks and has been proposed a general CM architecture which can be considered valid for different case scenarios. This last solution is helpful in overcoming current limits regarding the definition of algorithms for automatic FDD in collaborative robots (cobots) working on flexible manufacturing.
Un concetto fondamentale nell' Industria 4.0 è la cooperazione tra la produzione e la pianificazione della manutenzione poiché ciò consente di ottenere una manutenzione efficiente che consente alle aziende di implementare un sistema di produzione economicamente vantaggioso. A tal proposito, la prevenzione nella manutenzione ha riscosso molto interesse da parte della ricerca e delle industrie, dato che può portare enormi vantaggi tecnici ed economici. Il Condition Monitoring (CM) ha un ruolo chiave nell'ottenere sistemi affidabili di manutenzione preventiva perché, monitorando i componenti, è possibile valutare le condizioni fisiche, analizzare e decidere possibili successive azioni di manutenzione. Tuttavia, il CM per la Robotica o Macchinari complessi sono ancora in fase di studio studio poiché, in sistemi così complessi, definire una strategia per rilevare e diagnosticare automaticamente i guasti non è semplice. Questo perché ogni sistema ha le sue peculiarità e logiche di funzionamento, quindi definire un'architettura per supervisionare lo stato di salute dei componenti richiede una profonda comprensione del processo. Pertanto non è facile definire un approccio generale che possa essere riutilizzato e adattato a diversi casi di studio. Infatti, la maggior parte delle soluzioni proposte in letteratura soffre della possibilità di essere generalizzata ed applicata in un contesto diverso. Per questo motivo, il focus di questa Tesi è quello di affrontare il tema della CM per la Robotica e Macchine industriali studiando il comportamento dei segnali dei motori elettrici per capire come identificare le caratteristiche difettose in caso di malfunzionamenti o guasti in componenti oltre il motore stesso. Infatti, considerando che la maggior parte dei sistemi industriali è composta principalmente da motori elettrici e sistemi di trasmissione, l'idea di base è quella di studiare il comportamento dei segnali del motore più ricchi di informazioni per rilevare e diagnosticare guasti, testandone poi l'efficacia in diversi casi studio reali. Più in dettaglio, questa tesi si propone di indagare il comportamento dei segnali di corrente e coppia per il rilevamento e la diagnosi dei guasti nei robot e macchinari che lavorano in condizioni non stazionarie (velocità e carico variabili). In particolare, le correnti sono state utilizzate per valutare la salute dei sistemi di trasmissione a cinghia in un robot cartesiano e in una macchina per l'imballaggio industriale, mentre una nuova metodologia per il rilevamento e la diagnosi dei guasti che utilizza la stima della coppia di carico del motore per applicazioni con variazioni di velocità e condizioni di carico sconosciute è stato proposta per monitorare sistemi di trasmissione relativamente breve. Entrambe le soluzioni sono state sviluppate con l'idea di essere adattabili a diverse applicazioni con il fine di valutare lo stato di salute del sistema di trasmissione. Infine, per concludere, sono state evidenziate le difficoltà nella definizione di architetture per la CM nei manipolatori collaborativi utilizzati per compiti dinamici ed è stata proposta soluzione che può essere considerata valida per diversi scenari. Quest'ultima soluzione è utile per superare i limiti attuali relativi alla definizione di algoritmi per il rilevamento automatico dei guasti nei robot collaborativi che lavorano nella produzione flessibile.
On Condition Maintenance for Robotics and Machines in Industry 4.0 scenarios / Nabissi, Giacomo. - (2023 Mar 16).
On Condition Maintenance for Robotics and Machines in Industry 4.0 scenarios
NABISSI, GIACOMO
2023-03-16
Abstract
One priority aspect of Industry 4.0 is the cooperation between production and maintenance planning since this permits obtaining efficient maintenance allowing companies to implement a cost-effective production system. In this regard, prevention in maintenance has received a lot of interest from research and industries, given that, may bring huge technical and economical advantages. Condition Monitoring (CM) has a key role in obtaining reliable preventive maintenance systems because, by monitoring components, is possible to assess physical conditions, analysis and possible subsequent maintenance actions. However, solutions for the application of effective CM in Robotics or complex Machines are still under investigation since, in such complex systems, defining a strategy to automatically detect and diagnose failures is not straightforward. This is because every system has its own peculiarities and working logic, thus defining an architecture to supervise components’ health requires a deep understanding of the process. Therefore it is not easy to define a general approach which can be reused and adapted to different case studies. In fact, most of the proposed solutions in the literature suffer from the possibility of being generalized and applied to a different scenario. For this reason, the focus of this Thesis will be on approaching the theme of CM in Robotics and Machines by studying electric motors signals behaviour in order to understand how to identify faulty features in the case of malfunctions or failures in components beyond the motor itself. In fact, considering that most industrial systems are mainly composed of electric motors and transmission systems, the basic idea is to study the behaviour of the motor signals most rich in information to detect and diagnose failures, testing then its effectiveness in different real case studies. More in detail, this Thesis aims to investigate the behaviour of Current and Torque signals for Fault Detection and Diagnosis (FDD) in Robots and Machines working under non-stationary conditions (varying speed and load). In particular, Currents have been used to assess belt-drive systems health in a Cartesian Robot (CR) and in an industrial packaging machine while a novel FDD methodology using Motor load Torque (MlT) estimation for applications with speed variations and unknown load conditions has been proposed to monitor relatively short-drive trains. Both solutions have been developed with the idea of being adaptable to different applications which are necessary to evaluate transmission system health. Lastly, to conclude have been pointed out difficulities in defining CM in collaborative manipulators used for dynamics tasks and has been proposed a general CM architecture which can be considered valid for different case scenarios. This last solution is helpful in overcoming current limits regarding the definition of algorithms for automatic FDD in collaborative robots (cobots) working on flexible manufacturing.File | Dimensione | Formato | |
---|---|---|---|
Tesi_Nabissi.pdf
Open Access dal 17/09/2024
Descrizione: Tesi_Nabissi
Tipologia:
Tesi di dottorato
Licenza d'uso:
Creative commons
Dimensione
31.2 MB
Formato
Adobe PDF
|
31.2 MB | Adobe PDF | Visualizza/Apri |
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.