基于汽車生產案例的工業協作機器人安全性應用風險研究

摘 要：工業協作機器人的應用被認為是解決所有安全自動化問題的簡單方法，但越來越多的協作機器人是在沒有進行深入分析的情況下安裝的。因此，以汽車電機印刷電路板（PCB）的生產為案例，分析工業協作機器人在生產制造過程中的有限空間下進行汽車電機印刷電路板（PCB）的聯合生產和單元測試的可能性，并采用風險評估的手段針對協同機器人的安全性、效率、靈活性等方面進行綜合評估，發現采用協作機器人的生產模式不僅無法提升生產效率，而且存在一定的生產安全風險。工業協作機器人的應用一定要經過嚴密的設計和安全性分析，即使在特別安全的環境下，也要對員工進行專業的培訓。

關鍵詞：工業物聯網；信息物理系統；工業機器人；協作機器人；安全風險評估；數據建模

中圖分類號：TP242.2 文獻標識碼：A 文章編號：2095-1302（2024）07-0-02

0 引 言

工業物聯網（IIoT）和信息物理系統（CPS）是推進智能制造和企業數字化轉型的關鍵核心技術，而工業機器人在實現這一目標方面發揮著重要作用[1]。特別是，工業協作機器人的應用已經改變了生產線和柔性制造/組裝單元的整個概念，成為生產的有機組成部分，并且發揮著核心作

用[2]。在協作機器人架構設計中必須引入新的安全標準[3]，以詳細說明這些機器人的應用和設計特點。協作機器人（Co-Robots， CoRs或CoBots）允許人類和機器人同時安全地參與到公共工作空間中，它可能不僅涉及機械手，還涉及能夠完成自主導航的移動機器人[4-6]。本文以汽車電機的印刷電路板（PCB）的生產為案例，分析工業協作機器人在生產制造過程中的有限空間下進行汽車電機印刷電路板（PCB）的聯合生產和單元測試的可能性，并采用風險評估的手段針對協同機器人的安全性、效率、靈活性等方面進行綜合評估。

1 案例建模

本部分針對生產單元的工作過程構建相應的數據模型。該單元的目的是執行汽車電機印刷電路板（PCB）的生產活動，如圖1所示。該過程分為測試階段和生產階段，包括手工生產（即非協作機器人生產模式）與協作機器人兩種生產模式。在非協作機器人生產模式中分為兩個階段。第一階段，PCB的最終組裝。根據生產的需要，可以在三種不同的產品上進行組裝，且這些產品可以以兩種不同的方式組裝。將兩個或三個（取決于型號）機械部件（通量冷凝器（FC））連接到PCB上的準備位置（兩個相對或三個相鄰），每個位置用兩個M5螺釘連接。這些零件是相同的，可以提供一個共同的分配器。第二階段，兩種不同的電子測試在兩臺獨立的機器上進行。測試機器的周期范圍是固定的（t=60～65 s），僅根據所需的工藝和產品略有變化。

生產過程中所有PCB都具有定位孔，可用于簡單的機械抓取（抓取孔標記為G1、G2），整體的精度（直徑和位置）能夠滿足任務要求；并且它們都被放置在安全的地方，可以簡單實現對抓取力的限制和對機器人運動加速度的限制，以保護產品的脆弱部位。真空夾持也被認為具有幾乎相同的可接受的效果，可以通過相同的機械方法，使用改進的抓取爪來抓取FC的位置。在組裝和測試單元之間也有一個臨時存儲單元，以規定等待時間。所有零件必須按照螺絲刀單元、T1（試驗機1）和T2的工藝順序進行。以某公司的PCB生產過程為例，該公司在布局安排和機器人運動尚未確定的情況下，堅持使用最初概念中規定的精確設備。但這項任務并不是單元中流程（測試和組裝）的自動化，而是用更高水平的自動化來改進整個流程，使用相同的設備，使單元內的物料流動自動化。在任務中將測試機器的排列改變為交替模式，以平衡機器人運動的路徑長度。在Process Simulation編程環境中對單元進行重新定位和布局調整后進行設計（如圖2所示）。通過分析發現，在協作方式的選擇、機器人的選擇以及機器人在單元中所扮演的角色等方面仍有許多問題。這對電池的安全性、初始成本、周期時間、可靠性、成本回報等許多重要方面都有影響。

2 安全風險評估方法

安全風險評估是常見的工業網絡和工業場景的安全性評估方法。風險評估過程包括迭代過程風險分析、風險評估和風險降低，在風險大幅降低后，確定剩余風險[7-8]。

本文構建的協作機器人生產過程模型的具體實施步驟如下：第一步是識別在作業和其他活動中可能發生的所有危險。在機器人單元運行過程中，最典型的危險是機械性的，其他因素的影響如電、熱、振動、噪聲也是很重要的，本文只考慮機械危害。第二步是確定所有涉及工人和機器人之間身體接觸風險的相關案例。根據文獻[9]，可能的接觸分為準靜態（連續）和瞬態（短范圍）接觸。對于準靜態接觸，會產生對工作人員安全的峰值力和最大壓力值。在瞬態情況下，峰值力和最大壓力可能是靜態情況下的兩倍。如果在使用過程中，這些力（或壓力）超過規定的限制，則必須采用其他措施降低接觸的程度，包括被動和主動安全設計[10-11]，如增加接觸面的尺寸、消除尖銳的邊緣、平滑表面、使用可變形部件、在硬表面上填充或吸收能量以減少沖擊。主動方法包括降低移動部件的速度，使用分隔符或使用傳感器信號來預測和檢測可能的接觸。這些措施是在碰撞前系統基于控制的限制條件和基于工作空間監測的傳感器或在碰撞后系統基于機器人集成傳感器而實現的[9， 12]。然而，即使應用了這些方法，仍然存在對給定應用的風險評估執行不當的問題，機器人應用仍然可能給操作員帶來危險。因此，即使完全依據ISO/TS 15066標準也不能完全保證機器人的安全性，只有在設計正確的情況下才能保證盡可能安全應用機器人。此外，這種安全意味著受傷的風險（甚至是嚴重的）仍然存在。知道這一點對于工人和機器人在根據PFL（功率和力限制）操作的混合環境中協作進行小部件組裝是非常重要的。當協作機器人不斷地與很多人一起工作時，風險評估則是一項艱巨的任務。在本案例的分析中，工人手臂、上半身和頭部更可能受傷。

如果機器人進入工人的工作空間，機器人可能會與工人相撞；如果工人站在機器人和機器之間，工人可能會被擠壓。顯然，如果允許工人只進入他們通常工作的適當位置（零件堆棧、成品零件面板等），這種風險可以大大降低。但也可能發生導致壓扁損傷的準靜態接觸。例如，工人的手會夾在機器人夾持器和堅硬的表面（桌子、轉移板等）之間。目前，設計機器人僅用于簡單的半手動零件供應，但工人進入機器人的工作空間是不可避免的。雖然合適的調色板轉換器或輸送機可以防止這種情況，但由于存在供應、可用空間、適應性和調度等問題，公司一般不采用這些方法。對于機器人的清洗和拆卸，應該在斷電模式下正確執行。正常檢查電池內部的頻率不是基于電池的當前狀態（例如堆疊已滿），而是由外部生產條件決定的。為了不破壞工廠外部的物料流動，工人們必須根據整個生產線的調度來更換單元內兩個棧中的托盤。這意味著只允許短時間延遲或不允許延遲。

3 結 語

工業物聯網（IIoT）和信息物理系統（CPS）是推進智能制造和企業數字化轉型的關鍵核心技術，而工業機器人在實現這一目標方面發揮著重要作用。特別是，工業協作機器人的應用已經改變了生產線和柔性制造/組裝單元的整個概念，成為生產的有機組成部分，并且發揮著核心作用。

在沒有深入分析的情況下在工業生產過程中安裝越來越多的協作機器人不僅無法提升生產效率，而且存在一定的生產安全風險。本文以汽車電機印刷電路板（PCB）的生產為案例，分析工業協作機器人在生產制造過程中的有限空間下進行汽車電機印刷電路板（PCB）的聯合生產和單元測試的可能性。由于可以選擇的機器和方法種類繁多，應用程序設計階段的預先規劃變得更加復雜。因此，與其僅僅使用協作機器人來簡化方法，還不如更全面地尋找最優解。將所有的協作方法結合起來一起使用將會產生一個非常安全的機器人環境。但是，無論使用何種安全方法，都不會百分之百安全。在設計這些環境時應該始終經過詳細的建模分析，即使在最安全的情況下，工人也必須接受專業的培訓。

注：本文通訊作者為趙鄭斌。

參考文獻

[1]劉瑞，張偉靜.空間集聚能否提升中國制造業韌性—基于產業適應性結構調整的視角[J].當代財經，2021，42（11）：16-27.

[2]崔登祺，李夢瑋，趙鄭斌，等.工業機器人安全性問題分析研究

[J].工業控制計算機，2022，35（12）：99-104.

[3]劉心.智能控制技術在工業機器人控制領域中的應用[J].科技創新與應用，2020，10（15）：177-178.

[4]陳孫杰.工業機器人驅動系統現狀與展望[J].數字化用戶，2021，3（1）：28-31.

[5]南博.機器人技術在自動化控制領域中運用[J].內燃機與配件，2019，40（20）：231-232.

[6]莫云杰，林明，林永才.用于工業機器人控制的實時以太網的設計[J].計算機與數字工程，2020，48（11）：2750-2754.

[7]李超.基于深度強化學習的雙臂機器人控制研究[D]. 濟南：山東大學，2022.

[8] ENRíQUEZ J G，JIMéNEZ-RAMíREZ A，DOMíNGUEZ-MAYO F J，et al. Robotic process automation：a scientific and industrial systematic mapping study [J]. IEEE access ，2020，34（1）：3281-3283.

[9] CHECKOWAY S，MCCOY D，KANTOR B，et al. Comprehensive experimental analyses of automotive attack surfaces [J]. Proceedings of the 20th USENIX Security Symposium，2011，9（1）：321-324.

[10]賴紅清.先進裝備制造業數字化管理平臺的設計與實現—以佛山為例[J].商業經濟，2022，41（1）：38-41.

[11]高嘉材.六軸協作機器人的運動控制系統設計[D]. 太原：太原理工大學，2021.

[12] SHELHAMER E，LONG J，DARRELL T." Fully convolutional networks for semantic segmentation [J]. IEEE transactions on pattern analysis and machine intelligence，2017，39（4）：640-651.