데이터 분석 기반 협동 로봇 관절의 이상 동작 검출 기법
A Data Analytic Approach for Anomaly Detection of Joint of a Collaborative Robot
초록/요약
자동화 시스템에서 협동 로봇의 고장으로 인해 시스템 가동이 중단되면, 부품 교체 등의 유지보수 비용뿐만 아니라 시스템 가동 휴지로 인한 손실 기회비용도 함께 발생한다. 따라서 협동 로봇의 치명적인 고장을 방지하고 적절한 시기에 협동 로봇의 유지보수를 수행할 수 있는 전략이 요구된다. 이러한 유지보수 전략으로 Condition-based Maintenance (CBM) 방식은 기기로부터 생성되는 데이터를 이용하여 기기의 상태를 모니터링하고 이상 감지 혹은 예측된 경우에만 유지보수를 수행하기 때문에, 유지보수 간격을 최적화하고 정상적인 운영이 중단될 가능성을 감소시킨다. 특히 데이터 중심 방법은 데이터의 특성을 이용하여 정상과 고장을 구분하기 때문에, 물리적인 고장 메커니즘에 관한 해석을 반영한 손상 모델 없이도 기기의 상태와 고장을 예측할 수 있다. 또한 정상과 고장을 분류할 양질의 데이터만 있다면 모델 중심 방법보다 유연하고 범용적으로 적용할 수 있다. 하지만 데이터 중심의 상태 분석을 위한 기존의 통계 방법들은 협동 로봇 동작의 다양성이 고려되어 있지 않고, 동작에 의해 발생하는 자연스러운 관절의 떨림 등에 의해 동작 이상성을 잘못 판단할 우려가 있다. 따라서 본 논문에서는 협동 로봇의 센서 데이터 분석을 기반으로 로봇 관절의 이상 동작을 검출하는 기법을 제안한다. 제안하는 기법은 협동 로봇의 차량용 매트 Gluing 작업을 재현한 테스트 환경을 구축하고 실험·평가하였다. 38가지 동작에서 수집한 관절각, 전류, 온도 데이터를 분석하고 각 데이터의 특성이 반영된 기법을 적용하여 이상 동작을 검출하였다. 온도 기반 이상 동작이 발생한 이후 관절각 기반 이상 동작이 100% 발생하는 연관성을 확인하였으며, 실제 오동작이 감지되었을 때 관절각·온도 기반 이상 동작이 검출될 확률은 관절 평균 86.24%, 71.65%로 높은 상관성을 보였다.
more초록/요약
If an automated system is shut down due to a failure of a collaborative robot, not only maintenance costs such as part replacement, but also the opportunity cost of loss due to system shutdown occurs. Therefore, a strategy is required to prevent fatal failure of the collaborative robot and to perform maintenance of the collaborative robot at an appropriate time. With this maintenance strategy, the Condition-based Maintenance (CBM) monitors the condition of the device using data generated from the device. Because maintenance is performed only when anomalies are detected or predicted, maintenance intervals are optimized and the likelihood of normal operation disruption is reduced. In particular, since the data-driven approach uses the characteristics of the data to distinguish between normal and failure, it is possible to predict the condition and failure of the device without a damage model reflecting the interpretation of the physical failure mechanism. In addition, if there is good quality data to classify normal and faulty, it can be applied more flexibly and universally than the model-driven approach. However, traditional statistical methods for data-driven state analysis do not take into account the diversity of collaborative robot motions, and there is a risk of misjudgment of anomalies due to natural joint tremors caused by motion. Therefore, in this paper, a method for detecting anomaly of robot joints based on the analysis of sensor data of collaborative robots was proposed. The proposed method was evaluated after establishing a test environment that reproduces the vehicle mat gluing work of the collaborative robot. The angle, current, and temperature data collected from 38 motions were analyzed, and anomaly was detected by applying a technique reflecting the characteristics of each data. The association was confirmed that 100% of the joint angle-based anomaly occurred after the temperature-based anomaly occurred. The probability of detecting angle and temperature-based anomaly when the actual malfunction was detected was 86.24% and 71.65% on average, showing high correlation.
more목차
제1장 서론 1
제2장 관련 연구 5
제1절 산업용 기기의 유지보수 방법 5
제2절 산업용 로봇의 CBM을 위한 데이터 중심 고장 검출 기법 7
제3절 통계적 분석 기반 고장 검출 기법 8
제3장 데이터 분석 기반 이상 동작 검출 기법 10
제1절 협동 로봇 이상 동작의 정의 10
제2절 협동 로봇 관절의 이상 동작 13
1 관절각 이상성 13
2 전류 이상성 14
3 온도 이상성 15
제3절 협동 로봇 이상성 검출을 위한 특징 추출 17
제4절 협동 로봇 동작 데이터 수집 및 전처리 19
제5절 RMS 기반 이상 동작 검출 기법 24
제4장 실험 및 평가 28
제1절 테스트 환경 구축 및 실험 28
1 실험 환경 29
2 실험 및 데이터 수집 30
제2절 평가 34
1 관절각 기반 이상 동작 검출 결과 34
2 전류 기반 이상 동작 검출 결과 38
3 온도 기반 이상 동작 검출 결과 41
4 데이터 종류별 특이성을 반영한 검출 기법 검증 45
5 이상 동작 검출 기법 결과 요약 48
제5장 결론 49
참고문헌 50
