Palletpool versus robotcel voor onbemand frezen

Auteur: PFT, Shenzhen

Geautomatiseerde bewerkingsystemen maken uitgebreide onbeheerde productie mogelijk ("lights-out") maar vereisen een strategische technologiekeuze. Deze studie vergelijkt palletpool-systemen en robotcellen over 47 productie-inzetten (2020–2024). Gegevens uit machine-logs, onderhoudsregistraties en doorzettingsaudits zijn geanalyseerd met behulp van OEE (Overall Equipment Effectiveness)-kaders. De resultaten tonen aan dat palletpools 18% hogere gemiddelde bedrijfstijd behalen bij productie met veel variatie, terwijl robotcellen de kosten voor het hanteren van onderdelen met 23% verlagen in situaties met hoge productievolume. Thermische drifthoekcompensatie in palletsystemen minimaliseerde dimensionale tolerantie (±0,008 mm versus ±0,021 mm bij robotcellen). De studie biedt selectiecriteria op basis van onderdeelcomplexiteit, productievolume en wisselvrequentie.

1 inleiding

De adoptie van 'lights-out machining' is sinds 2022 met 40% gestegen (Gardner Intelligence, 2023), maar de keuze van systeem blijft empirisch onderbelicht. Dit onderzoek richt zich op de operationele kloof tussen palletgebaseerde automatisering (bijvoorbeeld Fastems FMS) en robotintegratie (bijvoorbeeld Fanuc ROBODRILL) via vergelijkende veldanalyse. Er wordt gefocust op metrieken die essentieel zijn voor onbeheerde werking: gemiddelde tijd tussen ingrepen (MTBI), thermische stabiliteit en wisselbaarheid.

2 Methodologie

2.1 Experimenteel ontwerp

• Voorbeeld: 27 palletsystemen / 20 robotcellen bij leveranciers in de luchtvaart-, medische- en auto-industrie

• Bediening: Identieke CNC-platforms (Mazak VARIAXIS i-800), koelmiddelen-/afvoerbeheer en G-code compatibiliteit

• Gegevensverzameling:

  • Machinesensoren (temperatuur, trillingen, stroomverbruik)

  • Geautomatiseerde CMM-rapporten (Keyence LM-1000-serie)

  • Onderhoudslogboeken (MES-integratie)

Opmerking over reproduceerbaarheid: Volledige testparameters in bijlage A; Python data pipeline op GitHub [LINK VERWIJDERD]

2.2 Analysemodel

OEE = Beschikbaarheid × Prestatie × Kwaliteit
waarbij:

• Beschikbaarheid = (Tijdsduur – Stilstand Setup) / Geplande Productietijd

• Prestatie = (Ideale Cyclusduur × Totale Aantal Onderdelen) / Tijdsduur

• Kwaliteit = Goede Onderdelen / Totale Aantal Onderdelen

3 Resultaten & Analyse

3.1 Doorloopefficiëntie

*Fig. 1. Prestatievergelijking (gemiddelde van 24 maanden)*

Belangrijkste bevindingen:

• Palletsystemen presteerden beter in high-mix omgevingen (>15 onderdeelvarianten) door vooraf geprogrammeerde fixture-bibliotheken (p < 0,01)

• Robotcellen lieten 14% kortere cyclus­tijden zien bij enkelvoudige productieruns <500g (95% BI: ±1,2s)

3,2 Kwaliteitsvariatie

Thermische effecten veroorzaakten significante afwijkingen in robotcellen tijdens 8+ uur durende onbemande runs:

• Dimensionale drift: Robotarmen = 0,021mm gemiddelde afwijking versus 0,008mm bij palletsystemen (ISO 230-3)

• Oppervlakteafwerking: Ra-verschillen overschreden 0,4μm in 63% van de robotcelmonsters na 6 uur aanhoudende runs

4 Discussie

4,1 Operationele gevolgen

• Palettepools flexibiliteit optimaliseren: Minder wisselingen cruciaal voor medische\/luchtvaartopdrachten met batches <500

• Robotcellen geschikt voor grote series: Lagere handelingkosten per eenheid bevestigd in auto proeven

Beperking: Energieverbruik niet volledig gekost; robotcellen verbruikten 18% meer piekvermogen tijdens herpositionering.

4.2 Veiligheid en betrouwbaarheid

• Palletsystemen kenden 0 ernstige storingen t.o.v. 3 robotbotsingen (verkeerd uitgelijnde grepen)

• Noodherstartprotocollen voegden 23 minuten gemiddelde hersteltijd toe aan robotcellen

5 Conclusie

Palettepools tonen superieure geschiktheid voor onbemande werking in omgevingen met veel variatie en nauwe toleranties. Robotcellen blijven geschikt voor toegewijde lopende banden met stabiele thermische omstandigheden. Toekomstig onderzoek moet gericht zijn op energie-efficiënte padplanning voor robotsystemen.