Hybrid Model-Data Fault Diagnosis for Wafer Handler Robots: Tilt and Broken Belt Cases

要約

この研究では、あるクラスのウェーハハンドラー (WH) ロボット向けの障害検出、分離、推定 (FDIE) のためのモデルベースとデータベースのハイブリッド方式を提案します。
提案されたハイブリッド方式は次の要素から構成されます。1) センシング データと作動データからシステム状態と故障によって引き起こされる信号を同時に推定する線形フィルター。
2) サポート ベクター マシン (SVM) の形式のデータ駆動型分類器。フィルターによって生成された推定値を使用して障害の種類を検出し、分離します。
我々は、半導体産業で使用される WH ロボットの 2 つの重大な故障タイプ、つまり WH ロボットの下側アームのベルト切れ (突然の故障) とロボット アームの傾き (初期故障) に対するこのスキームの有効性を実証します。
これらの障害によって引き起こされるロボットの運動ダイナミクスの明示的なモデルを導き出し、現実的なシミュレーションベースのケーススタディで診断スキームをテストします。
これらのケーススタディの結果は、提案されたハイブリッド FDIE スキームが純粋なデータ駆動型の方法と比較して優れたパフォーマンスを達成することを示しています。

要約(オリジナル)

This work proposes a hybrid model- and data-based scheme for fault detection, isolation, and estimation (FDIE) for a class of wafer handler (WH) robots. The proposed hybrid scheme consists of: 1) a linear filter that simultaneously estimates system states and fault-induced signals from sensing and actuation data; and 2) a data-driven classifier, in the form of a support vector machine (SVM), that detects and isolates the fault type using estimates generated by the filter. We demonstrate the effectiveness of the scheme for two critical fault types for WH robots used in the semiconductor industry: broken-belt in the lower arm of the WH robot (an abrupt fault) and tilt in the robot arms (an incipient fault). We derive explicit models of the robot motion dynamics induced by these faults and test the diagnostics scheme in a realistic simulation-based case study. These case study results demonstrate that the proposed hybrid FDIE scheme achieves superior performance compared to purely data-driven methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google