Robottidatan analysointi optimointia varten

Abstract

Tämän opinnäytetyön tavoitteena oli selvittää, millaista dataa teollisuusrobotilta saadaan 3D-tulostustilanteessa, nähdäänkö saadusta datasta joitain optimoinnin kannalta mielenkiintoisia trendejä sekä voidaanko dataa ja siitä saatua tietoa hyödyntää tulostusprosessin ja -jäljen optimoinnissa. Työ tehtiin Tampereen ammattikorkeakoulussa, Tietotekniikan ja Robotiikan osaston yhteisprojektissa.

Datan analysointi suoritettiin Python-ohjelmointikielellä hyödyntäen Pythonin eri data-analytiikkakirjastoja.

Opinnäytetyön aikana ilmeni, että tulostusprosessin yhteydessä dataan oli päätynyt datapisteitä, jotka joko eivät liittyneet koko tulostusprosessiin tai olivat jollain muulla tavalla virheellisiä. Suurin osa data-analytiikkaan käytetystä ajasta kuluikin datasetin siistimiseen, parsimiseen ja oikean datasetin etsimiseen virheellisen datan joukosta. Osa mittauksista oli myös tässä yhteydessä kadonnut kokonaan.

Datasetistä ei löytynyt suoraan mitään erityisiä trendejä, joita voisi käyttää tulostusprosessin optimointiin. Mikäli tutkimusta jatketaan vielä tämän opinnäytetyön jälkeen, on syytä tehdä tarkempi suunnitelma datan keruusta, varmistaa että datankeruumoduuli toimii oikein, sekä määritellä tarkemmin, mikä on tulostamisen kannalta ”riittävän hyvä” tulostusjälki.

The purpose of this Bachelor’s thesis was to clarify what sort of data can be acquired during 3D printing with an industrial robot. Another goal of this thesis was to find out if any specific trends can be seen from the data and whether that knowledge could help in the optimization of 3D printing printout. The thesis was done in Tampere University of Applied Sciences in a co-op project between IT engineering and Robotics.

The data analysis was performed with Python utilizing Python’s different libraries for data analysis.

During the 3D printing process some unwanted data had appeared in the data set. This data had either nothing to do with the printing process or it was otherwise faulty. Most of the time spent in data analysis was thus used for cleaning and parsing data and finding out where the actual data from the printing process is. In this phase some of the actual measurements had disappeared completely.

The dataset showed no specific trends that could be utilized to optimize the printing process. If the project continues after this thesis, the data collection module should be checked and a better plan for gathering data must be created. Also, a clearer definition of “proper enough” printout quality must be resolved.