焊接手臂

焊接手臂

塗裝手臂

塗裝手臂

搬運手臂

搬運手臂

晶圓手臂

晶圓手臂

Services

機械手臂智慧監測

解決方案|機械手臂智慧監測

機械手臂是自動化的重要組成部分,其發展趨勢預計會繼續向更高效、更智能和更輕巧的方向發展。 進而節省成本、減緩缺工、加速流程、釋放專業能量、提升勞動品質,實現智能化佈局。

導入理由
幫助廠區加速智能化佈局

智慧製造的重要設備-機械手臂

全球生產機械手臂的市場正在迅速發展,主要由於工業自動化的普及和智慧製造的興起、技術要求提高、降低成本及各行業需求的增加推動下,機械手臂市場成長迅速並得到廣泛的應用。機械手臂是自動化的重要組成部分,其發展趨勢預計會繼續向更高效、更智能和更輕巧的方向發展。 進而節省成本、減緩缺工、加速流程、釋放專業能量、提升勞動品質,實現智能化佈局。

智慧製造的重要設備-機械手臂

自動焊接手臂監測

導入理由
電焊異常,危害後續結構

影響焊接品質的原因有很多,過快的焊接速度可能使金屬無法充分融化和連接,而過慢可能導致過度加熱和變形。錯誤的電流和電壓設定可能導致焊接不均勻,並且可能增加焊點虛焊或缺陷的風險。這些缺陷會影響焊接質量和零件裝配精度,可能需要重新調整或返工,嚴重的話還會降低焊接接頭的強度和耐久性,可能導致零件在使用過程中失效,影響車輛的安全性和可靠性。

在焊接過程中常見會發生的問題:

・咬邊:焊槍角度位置不對等。
・撞槍:部件組裝發生偏差或焊槍的TCP不準確。
・斷焊:焊接細縫不連續。
・焊偏:焊接位置不對或焊槍尋找時發生問題等。
・未熔合:焊接金屬與母材或層間未完全熔合。
・穿燒:焊接過程中過度加熱,導致母材穿孔。

在焊接過程中常見會發生的問題

執行痛點
工作環境不佳導致缺工?

電焊工作除了需要熟練的技術外,工作內容通常重複性高、人工進料動作單調,此外,工作環境常在高溫、高噪音、煙霧和有害氣體的環境下進行。因此,產生作業人員不易聘任。

如何執行
自動化流程導入,降低人力資源

透過VMS®-ML 機器學習智能監控系統自動化監測進行製程管理,根據設備作動過程的訊號了解產品的電焊品質,標準化流程及產品品質,可有效降低人力資源及工廠運營成本,實現工業零組件生產中的科學化管理。

自動化監測進行製程管理

執行痛點
人工檢驗方式,造成品質不一?

人工檢驗方式在大批量生產中,會降低整體生產效率。而檢驗員長時間進行高強度的觀察和操作,也容易導致疲勞和注意力下降,進而影響檢測結果的準確性。一些焊接缺陷,如內部裂紋或微小氣孔,可能無法通過外觀檢查發現,影響最終產品的質量和可靠性。

如何執行
數據化替代人工,確保產品一致性

利用VMS®-ML 機器學習智能監控系統數據來記錄和追蹤,可以有效減少人工檢驗的不足,提高檢測的一致性和可追溯性,保障最終產品的質量和可靠性。

數據化替代人工,確保產品一致性

執行痛點
手臂動作複雜,監測困難?

電焊手臂動作多樣且機構組成複雜,要執行監測時,除了在部署安裝感測器上造成困難外,各式手臂機台更有不同的製造廠商,機台數據資料皆由第三方設備商管理,造成機台交握上的困難。

如何執行
無需機台交握,安裝即可執行監測

利用VMS®-ML 機器學習智能監控系統不需做機台交握、非侵入式量測方式,真正實現PLUG & IN。

只需一顆依據製程關鍵監測指標相關的物理量感測器,如:電焊手臂使用電流鉤錶,標定電流點位,即可開始監測焊接手臂的電流、電壓來掌控焊接製程中最大的變因。

無需機台交握,安裝即可執行監測

VMS®-ML 機器學習智能監控系統

針對各式機械設備的動態監測,使用者透過簡單建立健康規範,系統學習動作依照所累積的數據統計進而做出分析判斷,產業進而可訂立預知保養計畫並有助於設計者優化產線設計流程。

VMS®-ML 機器學習智能監控系統
VMS®-ML 機器學習智能監控系統

VMS®-ML 機器學習智能監控系統

產線AI化 杜絕不良品

執行案例
汽車鈑金 熔接品質

問題:如果熔接不充分或存在缺陷,導致連接在應力下斷裂或變形,危害結構的穩定性和耐久性。

解決:比對電流訊號, 自動判定熔接品質
鈑金熔接由自動焊接手臂將各類部件焊接組裝成車身。本計劃導入VMS-ML 安裝至工作站,根據電焊手臂特性使用電流鉤錶,標定電流點位。系統快速學習正確的製程流程規範,並且自動識別追蹤訊號。透過比對電流訊號,系統自動判定熔接品質是否良好。

效益結果:
系統能夠及時抓取異常訊號,及時攔截並告警提示,避免了人為錯誤的判斷。幫助使用者了解產線狀態並即時處理,提高產線產品品質。

比對電流訊號, 自動判定熔接品質

自動塗噴手臂監測

導入理由
動作異常,塗層厚薄不均

自動化塗噴機械手臂(Automated Spray Painting Robotic Arm)是現代工業自動化的核心設備之一,廣泛應用於汽車製造、家電生產、航空航天及其他行業。當自動化塗噴機械手臂發生動作異常時,可能會導致塗層厚度不均勻,進而影響產品品質與生產良率。

在塗裝過程中常見會發生的問題:

塗裝表面出現斑駁、氣泡、流掛或厚薄不均的情況,影響最終產品的外觀與耐久性。或是手臂運動精度不足,機器手臂運動軌跡偏移或速度異常,導致塗層厚度無法達到預期。

在塗裝過程中常見會發生的問題

執行痛點
手臂異常的時間點難以掌握?

程涉及多個動作參數,異常可能是累積性問題,難以即時發現。若缺乏即時監測與數據分析,異常發生後才被察覺,可能已影響塗層品質。

如何執行
了解異常時間點,確保動作順暢

塗噴機器手臂如果運動軌跡偏移,將導致塗層厚度無法達到預期,因此藉由每次動作規範進行監測動作,了解手臂運作狀態,避免異常抖動造成的塗層不均。透過感測數據分析與異常預警系統,提高設備異常偵測能力,確保穩定運行。

了解異常時間點,確保動作順暢

VMS®-ML 機器學習智能監控系統

透過VMS®-ML 機器學習智能監控系統學習正確動作行為作為規範,並為各別動作進行監測與診斷,了解設備在哪一個動作出現異常或不穩定的狀態,提早進行預知保養。藉由收集健康歷程趨勢,作為數據化保養計畫參考依據。

VMS®-ML 機器學習智能監控系統
VMS®-ML 機器學習智能監控系統

VMS®-ML 機器學習智能監控系統

了解設備在哪一個動作出現異常

執行案例
提高工作安全,確保塗料均勻

問題:自動化塗噴機械手臂,主要作用是執行高效率、高精度的塗料噴塗工作,如果遇到手臂動作異常,可能導致噴塗過程中的塗層不勻或漏噴。

解決:比對手臂運作軌跡, 確保塗層品質一致
將感測器安裝於手臂底座,藉由學習正確的手臂運作軌跡,確保塗層品質一致。

效益結果:
VMS-ML 系統能替代人工品管方式,減少工人在噴塗過程中接觸有害化學物質,提高工作安全性、精確控制塗料用量,減少浪費並降低排放、確保塗料均勻覆蓋每個角落,避免漏噴或過噴現象。

比對手臂運作軌跡, 確保塗層品質一致

巨型、搬運手臂監測

導入理由
手臂異常,造成損失

目前全球汽車製造中大約有70%以上的產線使用自動化機械手臂,其中利用大量且體積龐大的機械手臂進行搬運、組裝、清洗、焊接等工作,可以更高速、安全、準確、重複的處理各種不易人工處理的繁重工作。

當手臂發生故障時發生的問題:

但是,機器不會說話,若不能確保手臂品質,當手臂發生故障時,例如:撞機、機械原因損壞、電源供電不穩等。手臂與其他設備或工件發生碰撞,造成損壞或卡住,或是供電不穩定、斷電,將影響手臂正常運行。這些情況不但會使設備維修或更換的成本增加,導致生產中斷及經濟上的損失,甚至還有可能會有工安上的疑慮。

機械手臂常發生的異常行為

執行痛點
起停瞬間振幅很大,容易誤判?

大型機械手臂的運轉動作極為複雜,除了在起停瞬間振幅很大外,運轉中正常訊號及異常訊號常常會交錯在一起,若是以數值高低當作異常訊號門檻,就會導致誤判。

如何執行
建立規範,自動追蹤識別判分

透過VMS®-ML 機器學習智能監控系統自動追蹤識別技術,根據不同的製造模式套用不同的學習規範,實現真正量身定做的門檻監測。

並且在即時監測訊號中,自動偵測標定過的目標訊號。即使製造過程機械動作有發生異常或是有其他外在干擾,系統依然能夠正確判別數據訊號是否為同一組週期動作,並給予判分及結果。

建立規範,自動追蹤識別判分

執行痛點
大型手臂種類繁多,難以監測?

大型機械手臂在汽車製造上負責多種製程工作,不同的製程會有不同的監測需求,或是相同產線上有多種不同的機械手臂,而維護機台的工程師就需要熟悉各種監測軟體。

如何執行
依照需求搭配,一套可適用多台

利用VMS®-ML 機器學習智能監控系統是專為各種週期性生產設備所設計的監測系統。可依照需求搭配多通道版本,一套系統即可監測多台設備。

系統將透過演算法將重要的結果以最簡單的紅綠燈及分數的呈現。內層保留各式數據分數及特徵圖,及提供多組規範可供使用者自行設定套用。操作簡單且結果容易判讀。工程師透過簡單的教育訓練後,即可立即開始監測。

依照需求搭配,一套可適用多台

執行痛點
如何判斷預測性維護時機點?

大型機械手臂必須能長時間穩定運行,避免頻繁故障或停機,當手臂的運行應當不對操作員和其他設備構成威脅,配備必要的安全裝置和停機機制。正確的執行預測性維護是確保設備可靠性及穩定度的重要關鍵,而維護時機點判斷和異常處理是確保生產效率和質量的重要環節。

如何執行
下最精準的決策,優化人力配置

VMS®-ML 機器學習智能監控系統系統針對不同的動態訊號進行監測與特徵學習,經由數據與特徵判別的不斷累積比對等等,列出修機指引提供給用戶維修排程的依據。

並且將透過AI 預測設備的餘命,讓使用者有更多時間能夠提早準備維護工作。

下最精準的決策,優化人力配置

VMS®-ML 機器學習智能監控系統

正確的執行預測性維護是確保設備可靠性及穩定度的重要關鍵,而維護時機點判斷和異常處理是確保生產效率和質量的重要環節。針對各式機械設備的動態監測,系統學習動作依照所累積的數據統計進而做出分析判斷。

VMS®-ML 機器學習智能監控系統
VMS®-ML 機器學習智能監控系統

VMS®-ML 機器學習智能監控系統

產線AI化 杜絕不良品

晶圓搬送手臂監測

導入理由
極細微的動作都將影響晶圓品質

機械手臂在半導體晶圓製程中執行關鍵任務,如晶圓製程處理、產品運送等。極細微的動作都可能影響晶圓品質,因此,高價值產品之客戶非常注重每一個生產環節,應保護產品製造過程品質無虞,無論是在生產、搬運產品過程。

晶圓搬送手臂監測的困難:

若手臂異常,但仍可運行,被搬送的晶圓損壞風險極高。Slot 倉位空間小,若手臂姿態改變,導致輕微刮傷觸碰,系統可能無法精確檢知。目前市面上搬送相關設備較難檢知輕微異常。

晶圓搬送手臂監測的困難

執行痛點
機械手臂輕微抖動,難以判斷?

晶圓搬送手臂出現輕微抖動時,異常難以察覺,但卻可能影響晶圓定位精度與生產良率。抖動原因可能包括馬達驅動異常、減速機磨損、控制參數偏移、振動干擾或軸承老化等。由於抖動幅度小,傳統監測手法可能無法即時偵測判斷。

如何執行
長時間 Cycle Run-日常運行監測

透過VMS®-ML 機器學習智能監控系統獨立設備、獨立建模監測,預防任何可能的設備單機差異,影響監測結果。並且精細地將每一次進倉位、出倉位的手臂搬送晶圓動作,實時監測、紀錄。

動作檢出率 100% ; 判別準確度 100%

動作檢出率 100% ; 判別準確度 100%

VMS®-ML 機器學習智能監控系統

系統能精細追蹤並即時紀錄每一次手臂進倉位、出倉位 的晶圓搬送動作,分析運行狀態,偵測異常跡象,並且對於手臂發生異常時能夠即時檢知、停機,預防晶圓片的刮傷。

VMS®-ML 機器學習智能監控系統
VMS®-ML 機器學習智能監控系統

VMS®-ML 機器學習智能監控系統

預防晶圓片的刮傷

執行流程
機械手臂智慧監測 解決方案流程

VMS®-ML 機器學習智能監控系統

STEP 1

VMS®-ML

OLVMS®-ML 針對機械手臂設備動態監測,快速建立學習規範進行監測,系統自動判分機制,即時掌握設備狀態。

VMS®-PH 動態設備分析儀

STEP 2

VMS®-PH

OLVMS®-ML監測系統出現異常告警時,利用VMS®-PH 可快速、精準的找出異常原因,縮短維修工時與停機時間。

ML-EDGE IIoT

STEP 3

ML-EDGE IIoT

ML-EDGE IIoT 分散式核心運算系統,同時監測大量週期性設備,並於IIoT進行統一管理,為設備建立專屬的戰情室。

新功能登場
修機指引與餘命預測

修機指引
餘命預測

除了設備品質狀態,使用者更想知道的是設備哪裡異常? 還能夠使用多久?

透過各式感測器搭配監測系統蒐集被測物的各式數據(數據量測),系統選定需要的數據資料(資料選定),排除各式雜訊後(數據前處理),開始對數據做特徵提取,並透過異常特徵蒐集成趨勢,了解設備損壞的位置及預測可能使用的壽命。

修機指引:了解手臂哪個軸向發生異常,縮短維修檢測工時。(可利用VMS-PH檢測異常原因)
餘命預測:藉由已知的預測時間,更清楚時間脈絡,依循設備壽命提早規劃維修保養。

導入效益
優化決策,痛點解決

避免產線閒置,增加運作時間

制定預知保養規劃能夠有效管理產線,避開計劃外的設備維護與等修叫料的時間,讓產線更有效執行生產任務,產線延長可利用時間高達 23%

效益:有效率的安排產線

避免產線閒置,增加運作時間

見微知著,避免因小失大

提前預知設備損壞發生,當監測到損壞前指標的發生,即時開始著手維修及待料計畫,避免設備無預警停機甚至嚴重損壞機率高達 95%

效益:減少折舊磨損機會

見微知著,避免因小失大

延長設備良品的使用時間

依據設備健康狀態進行維護,進而最大化延長設備使用壽命,並有效延長設備良品的使用時間,避免過度保養。增加設備使用效益約53%

效益:避免過度保養機台

延長設備良品的使用時間

影片說明
週期性設備監測觀念與餘命預測

Support
機械手臂相關