机器人应用设备监控和预测分析的制作方法

本申请要求2017年12月8日提交的并且题为“roboticapplicationequipmentmonitoringandpredictiveanalytics”的美国临时专利申请号62/596,193的提交日期的权益。

本发明涉及机器人设备和部件的实时监控、优化和预测分析，以避免停机和防止质量问题。

背景技术：

现代制造设施经常利用各种机器人使生产处理自动化。机器人可以以单元布置，其中几个机器人各自执行相同的处理。例如，可以将几个机器人全部配置为在工件上执行相同的焊接处理。可选地，可以在装配线上使用几个机器人，其中每个机器人执行生产序列的唯一步骤。

虽然机器人在最大化效率方面是有效的，但它们也不是没有缺点。与它们的人类同行不同的是，机器人在遇到问题时通常无法进行交流。例如，机器人的轴承或编码器可能在一段时间之后发生故障，而没有基于可变操作条件(例如行进距离、温度和负载条件)的警告。

在标准操作条件下，可以定期安排维护时段。然而，当操作条件不如标准严峻时，定期安排的间隔可能过多，导致部件过早替换，并且不必要地增加维护成本。

可选地，在操作条件比标准更严峻的情况下，定期安排的时间间隔可能不够。在这种情况下，机器人在安排的维护时段之前可能会遇到意外的问题。由于各种原因，在大批量生产设施的情况下，意外故障尤其成问题。

首先，为了最小化成本，生产设施通常尽量减少内部库存的备用零件数量。因此，必须经常订购替换零件。在机器人的情况下，许多替换零件可能有很长的准备时间，导致机器人保持不可操作的时间段延长。

此外，生产计划通常是提前几天或几周制定的，其中生产设施中的每个机器人预期将输出预定的工作量。由于不可操作的机器人下游的制造处理可能缺乏预期的工件，单个机器人的意外停机可能对整个生产设施产生负面影响。结果，生产可能会落后于计划。

一些已知的机器人系统采用可编程逻辑控制器(plc)来学习和监控应用机器人设备的输出命令。数据记录宏被插入整个机器人路径程序，以给plc发送信号以执行某些动作，例如学习命令或回报失败状态。然而，这些类型的机器人系统有许多缺点。例如，在进程被认为是稳定的的整个机器人路径程序中添加记录宏是劳动密集型的。此外，每个站点都需要自定义plc和pc软件来学习和监控处理，这通常会影响多个区。此外，不能使用对机器人内部参数的访问，plc内存有限，并且没有机器人优化能力。

因此，本领域存在一种用于主动地确定机器人的必要维护和优化的系统和方法的需求，以便调度和最小化停机时间，延长机器人的机械寿命，并降低维护成本。

技术实现要素：

下面的讨论公开并描述了一种用于分析由位于工厂中的机器人系统提供的数据的系统和方法。该方法包括操作机器人系统中的多个机器人，并在多个机器人被操作时收集与每个机器人的操作参数有关的第一级数据。该方法还包括将所收集的第一级数据从机器人发送到位于工厂中的第一数据收集设备，并使用第一级分析软件分析第一数据收集设备中的所收集的第一级数据。该方法还包括将经分析的第一级数据从第一数据收集设备发送到位于工厂中的第二数据收集设备，并使用第二级分析软件分析在第二数据收集设备中收集的经分析的第一级数据。该方法还包括将经分析的第二级数据从第二收集设备发送出工厂到网络云中的第三数据收集设备，并使用第三级分析软件分析在云中的第三数据收集设备中收集的经分析的第二级数据。工厂外部的门户网站可用于获得对经分析的第三级数据的访问。

附图说明

从以下详细描述中，特别是当参考本文中描述的附图考虑时，对于本领域技术人员，本发明的上述以及其它优点将变得显而易见。

图1是根据本公开的第一实施方式的系统的示意图；

图2是根据本公开的第二实施方式的系统的示意图；

图3是根据本公开的第三实施方式的系统的示意图；

图4是示出根据本公开的一个实施方式的用于诊断机器人状态的方法的流程图；

图5是利用本公开的实施方式的用于机器人操作分析和控制的工厂网络数据流系统的示意框图；

图6是示出图5所示的系统中的数据分析处理的流程图；以及

图7是利用本公开的实施方式的用于机器人操作分析和控制的零停机时间(zdt)收集体系结构的框图。

具体实施方式

下面的详细描述和附图描述并示出了本发明的各种实施方式。说明书和附图用于使本领域技术人员能够制造和使用本发明，而不旨在以任何方式限制本发明的范围。

如图1至3所示，用于最小化停机时间的系统10包括至少一个机器人12。在图示的实施方式中，系统10包括多个机器人12。例如，机器人12中的每一个包括多轴机器人臂14，多轴机器人臂14被配置为对工件执行动作，例如切割、焊接或操纵。

机器人12包括至少一个可编程控制器16，可编程控制器16具有用于存储多种类型的数据的存储器存储设备。如本文中所使用的，“控制器”被定义为包括被配置为执行存储在存储器存储设备上的指令形式的软件或软件程序的计算机处理器。存储设备可以是任何合适的存储器类型或其组合。如本文中还使用的，“存储设备”被定义为包括非暂时性和有形的计算机可读存储介质，软件或软件程序以及数据集、表、算法和其他信息可以存储在其上。为了执行软件或软件程序，控制器16可以与存储器存储设备电通信。

控制器16可以包括用户界面20，用于允许用户将数据或程序输入到控制器16中，或者用于访问存储在控制器16中的数据。用户界面20可以包括用于向用户显示信息的显示器。

控制器16可以是机器人控制器16，其中在这种情况下，控制器16耦接到机器人12以主动地执行各种动作。应当理解，本发明不限于机器人控制器16。作为非限制性示例，控制器16可以是被动控制器16，例如监控机器人12的预定条件的监控设备。

机器人12上的多个传感器22基于预定条件从机器人臂14收集动态数据。传感器22例如可以包括用于测量机器人臂关节行进距离和方向的里程表、用于测量关节工作温度的温度计，以及用于测量关节上的操作负载的负载传感器。传感器22与控制器16通信，其中控制器16实时地从传感器22收集动态数据。

系统10还可以包括与可编程控制器16实时通信的第一数据收集设备24。如图1和图3所示，第一数据收集设备24可以是位于控制器16外部的物理盘，其中第一数据收集设备24经由功能网络26与多个控制器16通信。在系统10的可选实施方式中，如图2所示，第一数据收集设备24可以是并入每个机器人12的控制器16的存储器存储设备中的逻辑或虚拟盘。

功能网络26可以是可编程控制器16的局域网或广域网，或者可以是控制器16和第一数据收集设备24之间的直接链路。此外，功能网络26可以包括无线通信能力，例如wi-fi、蓝牙或蜂窝数据网络。

第一数据收集设备24包括具有多个优先级化的段的多段排队机制。例如，排队机制可以具有高优先级段和低优先级段。该排队机制包括数据保持策略，并且被配置成基于事件、优先级、持续时间、大小、传输速率、数据转换中的至少一个来缓冲数据，以优化吞吐量或数据存储要求。

第一数据收集设备24被配置为分析从控制器16接收的动态数据，并确定何时需要维护或优化系统10的特定机器人12。维护可以包括基于由第一数据收集设备24识别的异常或故障来修复或替换机器人12的特定部件。优化可以涉及改变控制器16的参数以最大化机器人12的效率。

至少一个第二数据收集设备28(可选)可以经由功能网络26与第一数据收集设备24通信。第二数据收集设备28可以是被配置为处理从第一数据收集设备24接收的动态数据的网络服务器。如图1和图2所示，第二数据收集设备28可以是经由功能网络26连接到第一数据收集设备24的独立的网络服务器。第二数据收集设备28可以位于与第一数据收集设备24相同的房间或建筑物中，或者可以位于完全不同的建筑物中，该建筑物可以位于或者可以不位于与第一数据收集设备24相同的地理附近。

如图3所示，第二数据收集设备28可以可选地形成在第一数据收集设备24的本地，其中，来自数据收集单元30的一体形成的第一数据收集设备24和第二数据收集设备28经由功能网络26与多个控制器16中的每一个通信。

系统10还包括经由功能网络26与第一数据收集设备24和第二数据收集设备28中的至少一个通信的接收器32。在所示实施方式中，接收者32包括智能设备(例如蜂窝电话或平板电脑)和网络终端(例如个人计算机)。然而，接收者32可以是例如能够从第二数据收集设备28接收经分析的动态数据的任何设备，例如第二服务器、应用软件、web浏览器、电子邮件和教导设备的机器人。可选地，接收者32可以是直接从第二数据收集设备28接收打印输出的人。

在使用中，如图4所示，每个机器人12的传感器22测量操作期间的动态数据(步骤40)，包括关节行进距离、部件操作负载、部件工作温度、部件高速紧急停止、关节反向行进状态以及与机器人的操作相关的其他动态数据。

然后，由传感器22测量的动态数据由控制器16收集(步骤42)，并传送到第一数据收集设备24或由第一数据收集设备24提取。

基于优先级在第一数据收集设备24的至少一个段中缓冲动态数据(步骤44)，其中在较高优先级段中缓冲较高优先级的动态数据，并在较低优先级段中缓冲较低优先级的动态数据。应当理解，排队机制可以包括任意数量的优先级化的段，其中可以缓冲相应的动态数据。

基于排队机制的保留策略，动态数据保留在排队机制的优先级化的段中。该保留策略基于触发事件、优先级、持续时间、大小、传输速率、数据转换中的至少一个来保留动态数据并对动态数据进行优先级排序，以优化吞吐量或数据存储要求。

一旦发生触发事件，动态数据就从第一数据收集设备24传送到第二数据收集设备28。触发事件可以从控制器16或外部触发设备接收。可选地，该事件可以由第一数据收集设备24内部触发。在一个实施方式中，当触发事件发生时，存储在第一数据收集设备24中的全部动态数据可以被传送到第二数据收集设备28。可选地，在触发事件发生时，第一数据收集设备24可以中断较低优先级动态数据的传输，并且启动向第二数据收集设备28的较高优先级动态数据的传输。

然后，分析由第二数据收集设备28接收的动态数据(步骤46)，以确定是否需要维护或优化机器人12。维护或优化的确定(步骤48)是基于对每种类型的动态数据的考虑。例如，第二数据收集设备28可以在确定是否需要维护或优化多个机器人12中的任何一个时评估行进距离、温度、高速紧急停止、关节反向行进状态和其他动态数据。更具体地，在机器人12的操作条件被分别确定为不如标准操作条件严峻或比其更严峻的情况下，维护时段之间的间隔可以增加或减少。例如，高温、高速紧急停止和关节反向行进状态的发生可被考虑为维护时段之间的缩短间隔。可选地，可以通过第一数据收集设备24来分析动态数据。

如果第二数据收集设备28不确定是否需要维护或优化，则数据收集和分析处理可以重复地继续(从步骤48分支到“否”)。可选地，在第二数据收集设备28确定需要维护或优化机器人12中的任何一个(从步骤48分支到“是”)的情况下，第二数据收集设备28可以生成包括经分析的动态数据的呈现的报告(步骤50)。该报告包括与检测故障前状况和最小化系统10停机时间相关的信息，包括运动和机械健康、处理健康、系统健康和维护通知。

报告可包括与系统10中的特定机器人12有关的具体信息。报告可以包括标识需要替换的机器人12的特定部件(例如轴承、编码器或控制器)的维护或优化通知。报告还可以提供与快要需要维护或优化的机器人12有关的预测，允许接收者32基于预期停机时间来优化未来的生产计划。

当报告包括维护或优化通知时，通知被提供给至少一个接收者32，以便可以启动维护动作(步骤52)。通知由接收者32接收并显示给用户，使得用户可以启动维护动作，例如创建工作订单或调度机器人12的停机时间。

可选地，第二数据收集设备28可以被配置为自动启动维护动作。当第二数据收集设备28确定机器人12中的任何一个需要维护时，第二数据收集设备28可以在没有来自用户的输入的情况下为机器人12生成工作订单、订购替换组件或调度停机时间。

本文中公开的系统10通过最小化停机时间来有利地提高制造设施的效率。例如，通过收集、存储和分析与每个机器人12的操作条件相关的动态数据，可以针对每个单独的机器人12具体地调整维护时段之间的间隔。

在机器人12经受更严峻操作条件的情况下，维护时段之间的间隔可以从标准间隔减少，并且可以防止意外故障。通过基于动态数据来调度维护时段，可以基于替换部件的可用性来调度机器人12的停机时间，并且可以预先调整生产计划以适应减少的生产能力。

可选地，当机器人12经受不太严峻的操作条件时，维护时段之间的间隔可以延长到标准间隔之外，消除了不必要的部件替换，并最小化维护成本。

本发明还提出了关于机器人设备和处理控制部件的实时监控、优化和预测分析的其它机器人系统和方法，以避免由质量问题引起的停机。本发明的这些系统和方法对于改进使用plc来学习和监控应用设备的输出命令的机器人系统具有特定的应用，其中本发明的系统和方法克服了这些类型的系统的许多缺点。注意，以下在涂料处理设备的上下文中描述系统和方法，但是，如本领域技术人员将理解的，这些系统和方法可以与任何合适的机器人处理设备一起使用。

一种方法包括自动触发以当处理稳定时启动机器人处理控制相关数据的记录，该自动触发完全在控制器软件内确定，其中所记录的信息被发送到外部设备进行分析。采用深度学习技术。可以使用优化技术来提高生产量、材料使用和质量。

控制器软件采用处理部件控制数据，当处理控制参数改变时，自动将机器人处理部件控制数据发送到外部设备。所有处理控制参数，例如流体流量、钟罩速度和成形空气流速、静电高压要求、命令、传感器反馈、设定点、设定点状态、电机扭矩、压力传感器、轴承空气状态和调节器命令都在传输的数据中。

位于工厂中的外部设备的软件接收控制器消息，并基于消息类型调用分析软件，或将消息传递给第二数据收集设备或直接传递给云计算机。当调用分析时，将与分析软件一起使用的消息数据存储在本地数据库中。

对消息中包含的处理控制参数以及先前存储在数据库中的数据进行分析。如果分析检测到异常情况，则向受影响的机器人控制器发送指示异常状态的消息。报告的异常情况的一些示例可以是流速超出了公差范围；未达到设定点；静电异常；处理电机扭矩异常；压力异常；或调节器异常。该分析会向受影响的机器人控制器回报状态，机器人控制器将转而通知用户即将发生的问题，并在工作站中保留作业，以便保持质量。然后，将结果信息发送到第二数据收集设备或直接发送到云计算机，在此处可以执行额外的分析。

图5是体现参考上述系统和方法的各种特征的工厂网络数据流系统60的示意性框图。系统60包括设置在工厂64内的多个机器人62，其中机器人62可以执行任何合适的任务，例如给车辆喷漆或焊接。机器人62与位于工厂64中的plc66接口，其中plc66用于响应由上述分析确定的动作。基于从机器人62发送的消息内容，系统60的配置是自动的，从而可以基于系统类型执行适当的分析，并且可以启动自学习操作条件和分析。如上所述，机器人62采用各种传感器，这些传感器向工厂处理控制参数监控和预测分析软件处理器68提供关于健康、操作状态、特定处理等的数据、消息和信息。数据可以包括，例如处理控制参数状态、反馈消息、命令、机器人臂关节行进距离和方向、关节工作温度、关节上的负载、部件操作负载、部件工作温度、部件高速紧急停止、关节反向行进状态以及与机器人62的操作相关的其他动态数据。

处理器68分析来自机器人62的数据，并将包括受影响机器人62的分析结果的操作状态报告给工厂处理器(pc)70，工厂处理器(pc)70通过经由处理器68的通信提供用于受影响机器人62的操作状态的设置和显示的用户界面(ui)。处理器68基于对数据的分析向机器人62提供关于其操作状态和健康的反馈，其中反馈可以包括例如漆流量超出公差、尚未达到设定点、静电异常、处理电机扭矩异常、压力异常、调节器异常等。经分析的数据用于保持机器人62的不间断操作；识别并更新维护计划；预测即将发生的设备故障；并提供保持和提高产品质量的工具。如上所述，维护可以包括基于所识别的异常修理或替换机器人62上的特定部件，例如轴承、编码器、处理控制部件等。优化可以涉及改变机器人62的处理控制参数以最大化机器人62的效率。

数据收集器软件74内的数据分析和采集处理器72从软件处理器68接收数据，并对上述类型的已经分析的数据执行各种调节。注意，在一些情况下，不需要对来自机器人62的数据执行分析，其中处理器68将操作为从机器人62到数据收集器软件74的数据的通路。来自处理器72的经调节和分析的数据被保持或排队在数据收集器74中的缓冲器76中，其中，例如，较高优先级动态数据被缓冲在较高优先级段中，而较低优先级动态数据被缓冲在较低优先级段中。更具体地，缓冲器76中的排队机制可以包括任何数量的优先级化的段，其中可以缓冲相应的动态数据。基于优先级调度，缓冲器76选择性地将分析的数据提供给数据收集器软件74中的发送代理78，发送代理78选择性地且周期性地将经分析的和调节的数据通过防火墙80发送出工厂64到云计算机82，在云计算机82中可以对包括来自多个位置的数据的数据执行进一步的分析。

存储在云计算机82中的数据可以由门户网站84访问，该门户网站84可以从连接到web的任何pc或智能设备观看分析的数据结果、执行额外的趋势和分析、提供控制器状态、提供通知和报告、查看数据等。云计算机82提供了用于保持和分析来自工厂64的数据的多个优点，包括减少分析软件数据库存储器的影响、在一个位置改变所有工厂的分析、提供最小的机器人改变，以及提供发送到多个工程师的警报。

图6是示出如上所述的用于系统60中的数据流分析的处理的流程图90。在框92处，机器人62将上述处理设备控制信息和数据发送到分析软件处理器68以用于分析。在框94处，软件处理器68从pc70接收处理控制消息，对从机器人62接收的数据执行分析，并向pc70、机器人控制器62和数据收集器软件74发送响应和消息。在框96处，机器人62向plc66发送分析状态信息。在框98处，发送代理78将经分析的数据发送到云计算机82以用于存储和额外分析。

图7是具有类似元件并以类似于系统60的方式操作的zdt集合体系结构100的示意性框图。体系结构100包括均位于工厂108内的生产区102、一级收集器104和可选的二级收集器106，其中一级收集器104通常表示分析处理器68，并且包括下述多个处理元件，并且二级收集器106通常表示zdt数据收集器74。

生产区102包括由plc112以上述方式控制的多个机器人110。机器人110向一级收集器104中的数据收集器114提供数据和信息，数据收集器114存储数据和消息用于后续处理。数据收集器114将数据和消息提供给消息代理116，消息代理116对数据进行排队，并确定消息、数据和信息将在何处和何时被处理和发送。更具体地，消息代理116将在不同的时间点从多个机器人110接收数据和消息，其中消息需要被选择性地提供以用于处理和分析。消息代理116与边缘分析器处理器118和边缘应用处理器120通信，其中边缘分析器处理器118和边缘应用处理器120与机器人110交换信息、消息和数据，例如与本文中的讨论一致的机器人状态信息。边缘应用处理器120提供到uipc122的接口，以便允许用户监控机器人110的操作，其中边缘应用处理器120可以从数据库124获得经处理和分析的数据。边缘分析器处理器118处理和分析来自消息代理116的数据，并将其存储在数据库124中。经分析的数据通过边缘分析器处理器118、消息代理116和数据收集器114从数据库124传送到可选的二级收集器106中的数据收集器126，在数据收集器126中进一步分析并发送出工厂108到云计算机130中的三级收集器128，三级收集器128如上所述进一步分析数据。由一级收集器104提供的经分析的信息用于工厂108中，并且由数据收集器126收集的该信息中的一些或全部选择性地提供给云计算机130。如上所述，门户网站132能够访问来自云计算机130的数据。

虽然出于说明本发明的目的已经示出了某些代表性的实施方式和细节，但是对于本领域技术人员来说显而易见的是，在不背离本公开的范围的情况下，可以进行各种改变，本公开的范围在所附权利要求中进一步描述。

(1)一种用于分析由位于工厂中的机器人系统提供的数据的方法，所述方法包括：操作由可编程逻辑控制器控制的所述机器人系统中的多个机器人；在所述多个机器人被操作时由机器人收集关于每个机器人的操作参数的第一级数据；

将所收集的第一级数据从所述机器人发送到位于所述工厂中的第一数据收集设备；

使用第一级分析软件分析所述第一数据收集设备中的所收集的第一级数据；

在所述第一数据收集设备中存储和缓冲所分析的第一级数据，在第一缓冲器中对所分析的第一级数据进行排队，以及确定将在何处和何时处理所分析的第一级数据并从所述第一缓冲器发送所分析的第一级数据；

将所分析的第一级数据从所述第一数据收集设备发送到位于所述工厂中的第二数据收集设备；

使用第二级分析软件分析在所述第二数据收集设备中收集的所分析的第一级数据；

在所述第二数据收集设备中存储并缓冲所分析的第二级数据，在第二缓冲器中对所分析的第二级数据进行排队，以及确定将在何处和何时处理所分析的第二级数据并从所述第二缓冲器发送所分析的第二级数据；

将所分析的第二级数据从所述第二收集设备发送出所述工厂到网络云中的第三数据收集设备；

使用第三级分析软件分析在所述云中的所述第三数据收集设备中收集的所分析的第二级数据；以及

通过所述工厂外部的门户网站访问所分析的第三级数据。

(2)根据(1)所述的方法，还包括基于对所述第一数据收集设备中的所收集的第一级数据的分析向所述机器人报告机器人状态。

(3)根据(1)所述的方法，其中，所述第一数据收集设备有时充当所述第一级数据到所述第二收集设备的通路，在所述通路中所述第一级数据变成所述第二级数据。

(4)一种用于分析由位于工厂中的机器人系统提供的数据的分析系统，所述分析系统包括：

用于操作所述机器人系统中的多个机器人的装置；

用于在所述多个机器人被操作时由机器人收集关于每个机器人的操作参数的第一级数据的装置；

用于将所收集的第一级数据从所述机器人发送到位于所述工厂中的第一数据收集设备的装置；

用于使用第一级分析软件分析所述第一数据收集设备中的所收集的第一级数据的装置；

用于将所分析的第一级数据从所述第一数据收集设备发送到位于所述工厂中的第二数据收集设备的装置；

用于使用第二级分析软件分析在所述第二数据收集设备中收集的所分析的第一级数据的装置；

用于将所分析的第二级数据从所述第二收集设备发送出所述工厂到网络云中的第三数据收集设备的装置；以及

用于使用第三级分析软件分析在所述云中的所述第三数据收集设备中收集的所分析的第二级数据的装置。

(5)根据(4)所述的分析系统，还包括用于通过所述工厂外部的门户网站访问所分析的第三级数据的装置。

(6)根据(4)所述的分析系统，还包括用于在所述第一数据收集设备中存储和缓冲所分析的第一级数据，对所分析的第一级数据进行排队，以及确定将在何处和何时处理并发送所分析的第一级数据的装置。

(7)根据(4)所述的分析系统，还包括用于在所述第二数据收集设备中存储和缓冲所分析的第二级数据，对所分析的第二级数据进行排队，以及确定将在何处和何时处理并发送所分析的第二级数据的装置。

(8)根据(4)所述的分析系统，还包括用于基于对所述第一数据收集设备中的所收集的第一级数据的分析向所述机器人报告机器人状态的装置。

(9)根据(4)所述的分析系统，其中，所述机器人由可编程逻辑控制器控制。

(10)根据(4)所述的分析系统，其中，用于分析所收集的第一级数据的装置有时充当所述第一级数据到所述第二收集设备的通路。