earticle

영어

This paper applies statistical analysis methods in the time domain to the fault diagnosis of wafer transfer robots, and proposes a methodology to discern the critical characteristics of vibration and torque signals. Subsequently, principal component analysis (PCA) is applied to diminish the data's dimensionality, followed by the development of a fault diagnosis algorithm utilizing Euclidean distance and Hotelling's T-square statistics. The algorithm establishes decision boundaries to categorize failure states based on the observed data. Our findings indicate that data classification incorporating velocity parameters enhances diagnostic accuracy. This approach serves to enhance the precision and efficacy of fault diagnosis.

한국어

본 논문에서는 웨이퍼 이송 로봇의 고장 진단에 시간 영역에서의 통계적 분석 방법을 적용하고, 진동 및 토크 신호의 중요 특성을 파악하는 방법을 제안한다. 이를 기반으로 데이터의 차원을 축소하기 위해 주성분 분석을 사용하 고, 유클리드 거리와 Hotelling의 T-제곱 통계량을 활용하여 고장 진단 알고리즘을 개발했다. 이 알고리즘은 관측된 데이터에 대해 고장 상태를 분류하는 결정 경계를 형성한다. 속도 파라미터를 고려한 데이터 분류는 진단 정확도를 향상시킴을 확인했다. 이러한 접근 방식은 고장 진단의 정확성과 효율성을 개선하는 데 기여한다.