Contexte
Le client a travaillé au lancement d’une « box 4.0 » qui servira à collecter les données des robots sur les lignes de production des clients. Le client souhaitait mieux comprendre l’utilisation de ses robots, et alimenter son futur service de maintenance prédictive.
De plus, pour chaque nouveau modèle de robot, le client soumettait un ou plusieurs robots à des tests d’endurance afin de recueillir des informations sur les éventuelles défaillances d’un modèle. C’est sur la base de ces données que le client souhaitait évaluer DiagFit. Les données fournies correspondaient à des enregistrements hebdomadaires (position, force, etc.) et horaires (température) sur différents modèles de robots 4 axes et 6 axes. Les données avaient un comportement cyclique.
Besoin
Le client souhaitait :
- Produire un modèle prédictif pour un type de robot : 4 axes (initialement)
- Se concentrer plus spécifiquement sur la capacité prédictive de deux types de pannes (rupture de harnais et panne de réducteur)
- Être conseillé sur les données minimales à transmettre et à stocker et voir si le modèle généré pouvait être utilisé avec un autre type de robot
Solution
Un modèle a été construit avec DiagFit
Résultats
Le modèle généré a montré un potentiel de détection des changements d’état, a pu être testé sur des anomalies réelles (les données étaient suffisantes) et s’est montré 100% efficace.
