СХОВИЩЕ ДАНИХ ЦИФРОВИХ ДВІЙНИКІВ ДЛЯ КІНЕМАТИКИ ПРОМИСЛОВИХ РОБОТІВ
DOI:
https://doi.org/10.32782/tnv-tech.2024.4.10Ключові слова:
Цифровий Двійник, база даних, робототехніка, кінематика, метод Денавіта-Хартенберга.Анотація
У відповідь на зростаючий попит на ефективні та автоматизовані виробничі процеси, Цифрові Двійники стали надзвичайно важливим інструментом для оптимізації промислових операцій та завчасного виявлення проблем з обладнанням. Важливим компонентом Цифрового Двійника є сховище історичних даних про роботу обладнання. Адже зібрані дані можуть бути використані для аналізу, моделювання та оптимізації. Це дослідження зосереджене на розробці універсальної структури бази даних для зберігання даних про положення різних промислових роботів, включаючи циліндричних, SCARA, шарнірних та декартових/портальних роботів. Запропонована база даних використовує метод Денавіта-Гартенберга, який використовується для представлення кінематики роботів. Така структура дозволяє застосовувати цю розробку в промислових умовах, де використовуються роботи з різним ступенем свободи і різними кінематичними ланцюгами. Поєднання методу Денавіта-Гартенберга з технологією реляційних баз даних забезпечує гнучке і масштабоване рішення для управління різноманітними і складними даними, пов'язаними з конфігураціями роботів. Дизайн бази даних підтримує створення Цифрових Двійників для промислових роботів, що полегшує оперативний моніторинг, прогнозування технічного обслуговування, визначення моделей зносу, виявлення ненормальної поведінки та прогнозування потенційних відмов обладнання. Такий підхід мінімізує час простою та подовжує термін експлуатації роботизованих систем, що в кінцевому підсумку сприяє сталому виробництву та відповідає концепції Індустрії 4.0. В цьому дослідженні представлено каркас бази даних саме для зберігання даних про положення вузлів обладнання. Створені сутності дозволяють зберігати дані про положення кожного вузла робота. При зміні положення вузла в базі даних зберігаються тільки ті параметри Денавіта-Гартенберга, які змінились. Це дозволяє оптимізувати використання пам’яті не втрачаючи при цьому зібрані дані. Структура бази даних може бути розширена додаванням даних з датчиків встановлених на роботі, периферійних пристроїв, або ж даних згенерованих Цифровим Двійником. В подальших дослідженнях буде перевірено ефективність використання структури бази даних.
Посилання
Dihan, Md. S., Akash, A. I., Tasneem, Z., Das, P., Das, S. K., Islam, Md. R., Islam, Md. M., Badal, F. R., Ali, Md. F., Ahamed, Md. H., Abhi, S. H., Sarker, S. K., & Hasan, Md. M. (2024). Digital twin: Data exploration, architecture, implementation and future. In Heliyon (Vol. 10, Issue 5, p. e26503). Elsevier BV. https://doi.org/10.1016/j.heliyon.2024.e26503
Huynh, B. H., Akhtar, H., & Sett, M. K. (2019). A Universal Methodology to Create Digital Twins for Serial and Parallel Manipulators. In 2019 IEEE International Conference on Systems, Man and Cybernetics (SMC). IEEE. https://doi.org/10.1109/smc.2019.8914195
Yildiz, E., & Møller, C. (2021). Building a virtual factory: an integrated design approach to building smart factories. In Journal of Global Operations and Strategic Sourcing (Vol. 14, Issue 4, pp. 608–635). Emerald. https://doi.org/10.1108/jgoss-11-2019-0061
Wilson, M. (2015). Industrial Robots. In Implementation of Robot Systems (pp. 19–38). Elsevier. https://doi.org/10.1016/b978-0-12-404733-4.00002-3
Sun, J., Zhou, W., Yan, L., Huang, D., & Lin, L. (2018). Extrusion-based food printing for digitalized food design and nutrition control. In Journal of Food Engineering (Vol. 220, pp. 1–11). Elsevier BV. https://doi.org/10.1016/j.jfoodeng.2017.02.028
Lum, M. J. H., Friedman, D. C. W., Sankaranarayanan, G., King, H., Fodero, K., Leuschke, R., Hannaford, B., Rosen, J., & Sinanan, M. N. (2009). The RAVEN: Design and Validation of a Telesurgery System. In The International Journal of Robotics Research (Vol. 28, Issue 9, pp. 1183–1197). SAGE Publications. https://doi.org/10.1177/0278364909101795
Urhal, P., Weightman, A., Diver, C., & Bartolo, P. (2019). Robot assisted additive manufacturing: A review. In Robotics and Computer-Integrated Manufacturing (Vol. 59, pp. 335–345). Elsevier BV. https://doi.org/10.1016/j.rcim.2019.05.005
Zhang, X., Li, M., Lim, J. H., Weng, Y., Tay, Y. W. D., Pham, H., & Pham, Q.-C. (2018). Large-scale 3D printing by a team of mobile robots. In Automation in Construction (Vol. 95, pp. 98–106). Elsevier BV. https://doi.org/10.1016/j.autcon.2018.08.004
He, Y., Mai, X., Cui, C., Gao, J., Yang, Z., Zhang, K., Chen, X., Chen, Y., & Tang, H. (2019). Dynamic Modeling, Simulation, and Experimental Verification of a Wafer Handling SCARA Robot With Decoupling Servo Control. In IEEE Access (Vol. 7, pp. 47143–47153). Institute of Electrical and Electronics Engineers (IEEE). https://doi.org/10.1109/access.2019.2909657
Izquierdo, R. C., Cukla, A. R., Lorini, F. J., & Perondi, E. A. (2023). Optimal Two-Step Collision-Free Trajectory Planning for Cylindrical Robot using Particle Swarm Optimization. In Journal of Intelligent & Robotic Systems (Vol. 108, Issue 3). Springer Science and Business Media LLC. https://doi.org/10.1007/s10846-023-01903-5
Kaur, M., Yanumula, V. K., & Sondhi, S. (2024). Trajectory planning and inverse kinematics solution of Kuka robot using COA along with pick and place application. In Intelligent Service Robotics (Vol. 17, Issue 2, pp. 289–302). Springer Science and Business Media LLC. https://doi.org/10.1007/s11370-023-00501-6
Filiposka, M., Djuric, A. M., & ElMaraghy, W. (2015). Kinematic Analysis of a 6DOF Gantry Machine. In SAE Technical Paper Series. SAE 2015 World Congress & Exhibition. SAE International. https://doi.org/10.4271/2015-01-0497
Zhenhua, W., Hui, X., Guodong, C., Rongchuan, S., & Sun, L. (2014). A distance error based industrial robot kinematic calibration method. In Industrial Robot: An International Journal (Vol. 41, Issue 5, pp. 439–446). Emerald. https://doi.org/10.1108/ir-04-2014-0319
Wu, L., Crawford, R., & Roberts, J. (2017). An Analytic Approach to Converting POE Parameters Into D–H Parameters for Serial-Link Robots. In IEEE Robotics and Automation Letters (Vol. 2, Issue 4, pp. 2174–2179). Institute of Electrical and Electronics Engineers (IEEE). https://doi.org/10.1109/lra.2017.2723470
Chen, Q., Zhu, S., & Zhang, X. (2015). Improved Inverse Kinematics Algorithm Using Screw Theory for a Six-DOF Robot Manipulator. In International Journal of Advanced Robotic Systems (Vol. 12, Issue 10, p. 140). SAGE Publications. https://doi.org/10.5772/60834
Cohen, A., & Shoham, M. (2020). Hyper Dual Quaternions representation of rigid bodies kinematics. In Mechanism and Machine Theory (Vol. 150, p. 103861). Elsevier BV. https://doi.org/10.1016/j.mechmachtheory.2020.103861
Correia, J. B., Abel, M., & Becker, K. (2023). Data management in digital twins: a systematic literature review. In Knowledge and Information Systems (Vol. 65, Issue 8, pp. 3165–3196). Springer Science and Business Media LLC. https://doi.org/10.1007/s10115-023-01870-1
de Oliveira, V. F., Pessoa, M. A. de O., Junqueira, F., & Miyagi, P. E. (2021). SQL and NoSQL Databases in the Context of Industry 4.0. In Machines (Vol. 10, Issue 1, p. 20). MDPI AG. https://doi.org/10.3390/machines10010020
Dapkute, A., Siozinys, V., Jonaitis, M., Kaminickas, M., & Siozinys, M. (2024). Digital Twin Data Management: Framework and Performance Metrics of Cloud-Based ETL System. In Machines (Vol. 12, Issue 2, p. 130). MDPI AG. https://doi.org/10.3390/machines12020130
