Industrial robots are employed for a variety of applications in several industry sectors, such as automotive, electronics, and metal mining, where they are generally considered crucial for the process. For this reason, they must be able to follow pre-programmed paths and accurately position the end-effector throughout their service life. However, the robot’s performance may decrease overtime due to age and wear; therefore, it is important to characterize and evaluate their performance using standard criteria over their useful life, such as specified in the International Organization for Standardization (ISO) standard 9383:2012.

Traditionally, performance is measured using the physical robot, but in the context of Industry 4.0, Digital Twin (DT) can be used to estimate equipment’s condition, optimize production systems, diagnose faults and enable predictive maintenance. Consequently, the main objective of this thesis is to investigate how physics-based simulation models can support the quantitative assessment of the performance of industrial manipulators. For this, a combination of two frameworks was implemented: a methodology for developing advanced physics-based models in predictive maintenance and the ISO standard for assessing the performance of industrial robots. Based on publicly available data, a simulation model of the ABB IRB 1600 1.45m robot was developed and tuned for use in subsequent performance assessment experiments.

The experiments were conducted based on three response variables: positioning pose accuracy, positioning path accuracy and path velocity accuracy. The effects of controller type, trajectory, friction, load, and speed were analyzed, showing that the Feedforward-Feedback (FF) controller had a significantly better performance compared to the Proportional–Integral–Derivative (PID) controller and that friction and speed seem to have the greatest impact on the performance indicators of the robot. Finally, the simulation model showed great potential to enhance the sustainability of the system by reducing unexpected failures, allowing for testing of sustainable designs and improved selection of suitable components for new industrial robots, increasing energy efficiency and decreasing uncertainty for the operators.

Industrirobotar används för en mängd olika applikationer inom flera industrisektorer, såsom fordons-, elektronik- och metallbrytning där de i allmänhet anses vara avgörande för processen. Av denna anledning måste de kunna följa förprogrammerade vägar och placera verktyg exakt under hela deras livslängd. Robotars prestanda kan dock minska med tiden på grund av ålder och slitage; Därför är det viktigt att karakterisera och utvärdera deras prestanda med hjälp av standardkriterierunder deras livslängd, såsom specificeras i International Organization for Standardization (ISO) standard 9383:2012.

Traditionellt mäts prestanda med hjälp av den fysiska roboten, men i samband med Industri 4.0 kan en Digital Twin (DT) användas för att uppskatta utrustningens skick, optimera produktionssystem, diagnostisera fel och möjliggöra prediktivt underhåll. Följaktligen är huvudsyftet med denna avhandling att undersöka hur fysikbaserade simuleringsmodeller kan stödja den kvantitativa bedömningen av industriella robotars prestanda. För detta implementerades en kombination av två ramverk: en metod för att utveckla avancerade fysikbaserade modeller inomprediktivt underhåll och ISO-standarden för bedömning av industrirobotars prestanda. Baserat på offentligt tillgängliga data utvecklades och justerades en simuleringsmodell av ABB IRB 16001,45m-roboten för användning i efterföljande prestandabedömningsexperiment.

Experimenten utfördes baserat på tre svarsvariabler: positioneringsställningsnoggrannhet, positioneringsbanans noggrannhet och banhastighets noggrannhet. Effekterna av styrenhetens typ, bana, friktion, belastning och hastighet analyserades, vilket visade att Feedforward-Feedback (FF)-styrenheten hade en signifikant bättre prestanda jämfört med Proportional–Integral–Derivative (PID)-styrenheten samt att friktion och hastighet verkar ha störst inverkan på robotens prestandaindikatorer. Slutligen visade simuleringsmodellen stor potential att förbättra systemets hållbarhet genom att minska oväntade fel, möjliggöra testning av hållbara konstruktioner samt optimera valet av lämpliga komponenter för nya industrirobotar, öka energieffektiviteten och minska osäkerheten för operatörerna.