Towards data-driven predictive maintenance for industrial robots
- Urko Zurutuza Ortega Doktorvater
- Luka Eciolaza Echeverría Co-Doktorvater
Universität der Verteidigung: Mondragon Unibertsitatea
Fecha de defensa: 14 von April von 2021
- Basilio Sierra Araujo Präsident/in
- Ekhi Zugasti Uriguen Sekretär
- Olga Fink Vocal
- Eva Portillo Pérez Vocal
- Satur Aitor Arnaiz Irigaray Vocal
Art: Dissertation
Zusammenfassung
La automatización de la industria en general y el uso de robots industriales en líneas de montaje en particular ha aumentado considerablemente en las últimas dos décadas. Aunque los robots industriales hayan recibido una atención significativa por parte del mundo académico, existe una cierta falta de contribuciones en cuanto al mantenimiento predictivo de estos complejos sistemas. En la era de la cuarta revolución industrial, las mejoras en tecnologías de sensorización, el análisis de datos y las infraestructuras ciber-físicas permiten abordar este problema con soluciones basadas en el análisis de datos. Este trabajo de investigación se centrará en el estudio y desarrollo de técnicas de análisis de datos para avanzar en el mantenimiento predictivo de los robots industriales. La tesis presenta cuatro contribuciones principales: El diagnóstico del estado de salud de un robot industrial mediante técnicas de visión, la viabilidad de utilizar sensores de par motor para diagnosticar las condiciones de los robots industriales en entornos reales, la optimización de la posición de espera de los robots con algoritmos genéticos y el diseño e implementación de una arquitectura de red práctica para la adquisición de datos de robots en escenarios industriales reales.