吴桐：为工业机器人赋能，走出红海，寻找绿洲 工业机器人, eCD, 羿戓制造, 智能制造, 数据

eaoogle_WSN

1 预测性维护目前我国的工业机器人保有量近100万台。每年的装机量都在10万台以上，相当多的机器人已运行在10年以上。在大规模生产的汽车制造厂，一个机器人发生故障的成本以百万美元计。一些大公司，至少那些有能力这样做的公司，把机器人的备件放在生产线上，这样他们就可以在几分钟内把机器人换掉，而不必承担与耗时的维修工作相关的成本。虽然这种灾难性的失败并不常见，但随着时间的推移，较小的延误所带来的累积效应也会给公司带来很多损失。因此，如何在早期发现设备故障及潜在风险，对于提高生产线的效率、减少故障时间、避免大面积的停线维修、减少损失至关重要。




据羿戓制造所了解，近年来快速发展的预测性维护理论与技术，特别适用于工业机器人这种寿命长、使用频度高、联线使用的关键设备的维护。例如：提供机器人监控、分析和预防性维护的工具软件监控运行特定程序的机器人，根据温度、扭矩和每个关节上的电流等因素创建数字签名，启动异常检测引擎。机器人用电量的增加可能表明，尽管没有磨损的外部迹象，但轴承或减速器正在磨损。识别这种异常现象的能力可以避免代价高昂的停机时间，提高用户的设备运维能力，产生明显的效益。
里程碑：eCD标准型达到4位数。
eCD基础型：5172
eCD标准型：1052
注：
eCD共4个等级，基础型、标准型、系统型、生态型。


2 在线性能保持与工艺优化
除了保证在役机器人健康的长期使用，性能保持和补偿是另一个重要的事情。在长期使用过程中，机器人可能不出现故障，但是精度会有所下降。通过现场实时数据获取并实现动态精度补偿正成为一项重要技术。能够快速部署的、可方便移动的、环境鲁棒性强、相对现在的激光跟踪仪价格更低廉的现场设备是会有很大市场的。




如何优化机器人使用的逻辑和工艺规划，是用户最关心的，也是可以直接给用户带来效益的地方。比如工作循环周期的缩短、工艺优化、路径优化、操作习惯的改善等。
机器人操作日志是重要的数据资源，以往都是在出现故障报警后，查看日志寻找原因。通过日志的自动分析技术，可以快速分析问题，帮助确定故障原因，并优化操作人员的操作，减少开关机时间。
国外已有机器人软件平台提供商提供数据分析、仪表盘和数据可视化服务等基础功能。


3 拓宽智能场景
工业机器人一直以来都是用来替代人的体力劳动，在生产过程中代替重复性的重体力劳动。如何为这些机器人增加一些智能化因素，提高工业机器人的智能化水平，从而使机器人在生产中发挥更大的效能，进而替代一部分人的精细化和智能化操作，是工业机器人向智能机器人转变的重要任务之一。机器人3D视觉、力觉传感、协作机器人、移动复合机器人都可以认为是在这个方向上的努力。一个有趣的例子是，有的厂家在普通的AGV上加上视觉系统，这样它在每次的固定路线行走时，可以顺便监控一下线路边上的几个液体罐的液面和温度。
4 与人工智能深度融合
机器人作为智能制造系统的关键智能装备，仅限于单机的智能化显然是远远不够的。首先，机器人要成为互通互联、工业物联网中的重要节点。机器人控制器基于开放的操作系统、通用开发语言，有较高的实时性，互通互联比PLC更具有优势，理应成为车间控制层的中心。
全球在役机器人有几百万（或许更多），覆盖所有工业领域，承载着许多关键工艺实现，固化了许多高级技师的多年积累的工艺经验。如何把这些数据聚集起来，把数据、技能转化成知识，再把知识实例化成技能用于指导更多的机器人，是工业机器人与人工智能的重要结合点。这里迁移学习技术将发挥重要作用，大量的面向细分领域、具体工艺的应用案例的过程数据将成为迁移学习的重要应用场景。迁移学习的特点是，具有举一反三的能力。如果机器人抓了塑料箱子，就会抓塑料桶（形状变化）；抓了玻璃杯子，就会抓塑料杯子（材质变化）；那么，不同的新场景中，就有了一种适应的能力，机器人自动示教就会上升到一个新的高度。
机器人数据的接入，云化机器人是必然的趋势。随着数据的丰富，基于机器人的数字孪生成为可能，增值效应的产生，使这项技术有客户价值的驱动。哪些应用需要大数据，哪些应用只需要关键“小数据”，是一个值得研究的课题。基于数据的各类应用必将成为机器人增值服务的热点。
总体上我们认为，为工业机器人赋能，至少在以上四个方面可以找到落脚点。概括起来就是：
●利用预测性维护技术，保证机器人的安全可靠运行；
●采用数据监测技术，实时补偿和调整机器人参数，并优化应用工艺，提高效率；
●通过智能化技术，扩大机器人的应用范围，提供更多的服务；
●加强机器人与人工智能的结合，软件定义机器人，以价值驱动的数据服务大有可为。