喷涂机器人全球专利信息分析-上

喷涂机器人又叫喷漆机器人 (spray painting robot) 或者涂装机器人, 是指在经过编程系统编程后, 伺服电机驱动机械臂的各个关节进行运动, 通过末端执行器自动喷出涂料或者是其他加工材料的工业机器人, 喷涂机器人主要由机器人本体、计算机和相应的控制系统组成[1], 不仅可以替代人工, 减少喷漆过程中产生的有毒有害挥发性有机化合物 (volatile organic compounds, VOC) 对工人身体的损害, 也能最大化的提高涂装效率, 同时由于喷涂机器人采用轨迹再现等方式运动, 能够保证喷涂工艺的一致性, 从而提升产品质量[2]。鉴于喷涂工业机器人有环保、高效和柔性等优点, 目前已被广泛应用于汽车、仪表、电子产品、家具、搪瓷等领域的生产工艺中, 未来, 航空航天领域将是喷涂机器人的应用热点[3]。

相对于焊接、搬运等机器人的自主研发和生产, 喷涂机器人的国产化相对较晚、核心技术缺乏, 国内企业长期以国外进口设备为主, 尤其是喷涂机器人的核心装备100%依赖进口[4], 但是在我国喷涂生产线的产业应用工艺上, 国外喷涂机器人仍存在不足。在不远的将来, 自动喷涂将会完全替代人工示教喷涂[5], 在喷涂机器人离线编程技术、轨迹优化方法以及数字化喷涂等方向, 国内企业还有赶超国外厂商的空间。

本文以专利信息分析方法[6], [7]为手段, 结合技术生命周期法对全球喷涂机器人领域的专利信息进行定量研究, 发掘技术热点, 预测技术生命周期, 帮助国内企业了解该技术当下所处的发展状态及未来的竞争趋势, 为我国喷涂机器人的发展提供参考。

1 专利数据来源及处理

本文的专利数据来源于Patsnap专利检索数据库, 检索专利时间截止是2019年4月15日, 本文选取申请日在2018年12月30日之前专利数据进行分析。由于从专利申请到专利公开一般需要1～3年时间, 近3年申请的专利大部分还处在受理状态, 所以近几年的专利数据为不完全数据。采用人工阅读、关键词筛选以及IPC限定的方法进行数据清洗, 选取符合条件的专利文献作为样本, 对于中国申请和中国公开产生多个文本的, 仅保留最终的一个文本, 最终得到3855篇专利文献。

2 喷涂机器人全球专利申请趋势分析

如图1所示, 喷涂机器人全球专利申请量整体来看呈上升趋势。20世纪70年代至80年代, 随着第二代多轴机器人的研制工作取得很大进展, 欧美等国的汽车涂装线已经可以较为全面地实现车身喷涂, 1976年也出现了第一件喷涂机器人专利, 但是在其后的近20年内, 专利申请量增加缓慢, 每年的专利数量均未超过50件且有的年份出现了下滑, 喷涂机器人技术仍然处于萌芽阶段。从20世纪末开始, 绿色环保、安全与智能成为汽车产业发展的趋势, 也带动了喷涂自动化的需求, 使用喷涂机器人可以大大降低生产成本、提升汽车外观性能, 汽车整车、保险杠的自动喷涂率几乎达到了100%[2]。从图1也可以看出, 1999年到2005年, 喷涂机器人专利申请呈明显的上升趋势, 2005年申请量首次超过百件。2005年至2008专利申请量持续下降, 2008年降至最低, 这一阶段世界汽车产业处于供应链整合阶段, 整个产业的利润不断降低, 加上2008年全球经济危机的冲击, 全球汽车产业陷入低迷状态, 对喷涂机器人技术的发展也带来了负面的影响。2008年之后伴随着全球经济的复苏, 专利申请量回升, 2011年以后, 随着智能制造带来的装备升级革命, 喷涂机器人的应用领域扩展至除汽车以外的3C、家具等多个行业, 专利申请量进入快速增长期, 尤其是2014年以后, 各国汽车产业销量普遍增长, 面对各国政府严格的排放法规和市场需求, 新能源汽车的发展也进入快车道, 这一阶段专利申请量急速增长。

 图1 喷涂机器人全球专利申请态势图

3 喷涂机器人IPC技术领域分析

如图2, 喷涂机器人全球专利申请IPC排行中, 排在第一位的是B05B13/04, 含义为用喷射的方法在物体或其他工件的表面涂布液体或其他流体的机器或设备, 操作时移动喷头, 专利申请数量为1385件;排在第二名的IPC分类为B05B13/02, 含义是支撑工件的装置;喷头的配置或安装;进给工件装置的改进或配置;排在第三位的是B05B12/00, 含义是在喷射系统中控制排出量的装置或特殊适用的方法。上述IPC主要集中在装置及设备结构, 较少涉及编程系统方面。

 图2 喷涂机器人全球专利IPC分布

4 基于Logistic模型的喷涂机器人技术生命周期预测

技术系统的进化要经历萌芽期、成长期、成熟期和饱和期四个阶段, 这些阶段组成了产品的技术生命周期[8]。通过专利信息分析获取定量数据, 进而判断技术生命周期是一种最常用的方法[9]。

 图3 技术生命周期[10]

如图3所示, 技术生命周期的成长曲线形似S形状, 故又称为S曲线。S曲线包括对称型S曲线, 即Logistic曲线和非对对称型S曲线, 即Gompertz两种模型, 其中Logistic模型应用范围更广, 适用于研究对象的发展受已生长量和待生长量双重影响时的研究[11]。

Logistic模型的方程式如下:

式中, y为专利累积个数;α为S曲线斜率, 也就是S曲线的成长率;β为成长曲线中的转折点 (midpoint) 的时间点;l则代表成长的饱和水平, 即饱和点 (saturation) , 其定义为[lx10%,lx90%], 也是成长期与成熟期所需的时间长度t。

Loglet lab软件将Logistic模型转换为三项参数, 即饱和点 (Saturation) 、生长时间 (Growth time) 、和转折点 (Midpoint) , 用以计算其萌芽期、成长期、成熟期及衰退期发生的时间点[8]。三项参数的含义分别是: (1) 饱和点 (Saturation) :预估专利累积数量的最高值; (2) 生长时间 (Growth time) :技术成长期与成熟期所需花费的时间; (3) 转折点 (Midpoint) :该点之前技术效用增长率不断增加, 该点之后增长率逐渐减小。

本文采用Loglet lab 3.0导入1973-2016年喷涂机器人专利申请累积数量矩阵, 自动模拟得出如表1所示的三项参数值, 即喷涂机器人领域专利累积申请量为4867件, 成长时间为35.91年, 技术从成长期进入成熟期的时间点为2016年。

 表1 喷涂机器人技术logistic成长模型摘要表

将Loglet lab软件模拟的专利累积量导入Origin软件得到如图4所示的喷涂机器人专利技术Logistic曲线图, 根据表1中的三项参数可以推算出喷涂机器人技术的萌芽期、成长期、成熟期及衰退期的起止时间:对喷涂机器人技术的研究始于1976年, 1997年转入成长期, 从2016年开始技术效用增长率逐渐减小, 2033年转入衰退期。因此可知目前喷涂机器人刚刚进入成熟期, 随着进入该领域的申请主体增多, 技术逐渐高度产业化, 未来专利申请量增长将会放缓。

 图4 喷涂机器人专利技术生命曲线