Oparta na oprogramowaniu sztuczna inteligencja (AI) może być wykorzystywana do nadawania robotom zdolności, które pozwalają im na elastyczne poruszanie się między produkcją małoseryjną a automatyzacją na dużą skalę.
Automatyzacja przemysłowa nadal umożliwia producentom poprawę elastyczności w dostosowywaniu procesów produkcyjnych do szybko zmieniających się rynków, zwiększanie innowacyjności, bardziej efektywną kosztowo produkcję i skrócić czas dostawy produktów. Automatyzacja uwalnia również pracowników od konieczności wykonywania powtarzalnych zadań, które są monotonne, a czasem nawet niebezpieczne.
Do tej pory automatyzacja była przede wszystkim procesem opartym na sprzęcie, z wykorzystaniem specjalnie skonstruowanych maszyn, które mogą zapewnić znaczne oszczędności produkcyjne w przypadku zastosowań wysokonakładowych o długim cyklu życia produktu. Jednak konwencjonalna automatyzacja staje się obecnie coraz mniej odpowiednim rozwiązaniem. Ręczne programowanie, rekonfiguracja i konserwacja sprzętowych systemów sterowania jest czasochłonna. Na przykład w przypadku produkcji niskonakładowej o dużej różnorodności wdrażanie robotów przemysłowych jest często nieopłacalne. Dotyczy to w coraz większym stopniu rynków, na których rośnie popyt na wysokiej jakości, indywidualne produkty. Ponieważ liczba etapów produkcji różni się w zależności od produktu, konwencjonalne roboty w niektórych branżach osiągnęły już swój limit i trend ten będzie się utrzymywał.
Luka w elastyczności utrudnia nowoczesną automatyzację
Nowoczesną automatyzację utrudnia tak zwana “luka elastyczności”. Im większa elastyczność wymagana jest w procesie produkcyjnym, tym bardziej złożona jest automatyzacja wymagana do jej dostosowania. Gdy ta złożoność jest zaimplementowana w sprzęcie, koszt może być uzasadniony jedynie wysokimi wolumenami i długim cyklem życia produktu. Ponadto tego typu automatyzacja nie jest łatwa do zmiany przeznaczenia, ponieważ produkty ewoluują w szybszych cyklach.
Gdy wolumeny nie są wystarczająco wysokie lub produkt ma zbyt wiele wariantów, ludzie mogą przejąć te zadania produkcyjne, dla których roboty są zbyt nieelastyczne lub zbyt drogie, aby je uzasadnić. Na produkcję wpłynął jednak trwający globalny niedobór siły roboczej. Nawet tam, gdzie ręczne procesy produkcyjne uwzględniają odchylenia, brak dostępnych pracowników chętnych do wykonywania powtarzalnych i monotonnych zadań wstrzymuje linie produkcyjne.
Ponieważ coraz więcej produkcji wpada w lukę elastyczności – zakres między opłacalną produkcją małoseryjną a automatyzacją na dużą skalę – producenci potrzebują nowego podejścia, aby zaspokoić popyt na produkty.
Oparta na oprogramowaniu sztuczna inteligencja może zmniejszyć lukę w elastyczności automatyzacji
Producenci mogą przezwyciężyć lukę w elastyczności automatyzacji dzięki sztucznej inteligencji (AI) opartej na oprogramowaniu. Zamiast polegać na konkretnym, specjalnie zaprojektowanym sprzęcie, producenci potrzebują sposobu na przeniesienie elastyczności człowieka do procesów opartych na robotach. Dzięki sztucznej inteligencji producenci mogą ulepszyć istniejące roboty, aby radziły sobie ze zmiennością w czasie rzeczywistym. W ten sposób procesy mogą być planowane, optymalizowane i automatyzowane z zachowaniem zwinności i wydajności.
Zamiast inwestować w coraz bardziej złożony i kosztowny sprzęt o krótszym cyklu życia, producenci mogą rozszerzyć możliwości i żywotność robotów za pomocą inteligentnego oprogramowania. Postępy w dziedzinie sztucznej inteligencji, zwłaszcza w dziedzinie uczenia maszynowego (ML), oferują firmom sposoby planowania i usprawniania procesów produkcyjnych. Przykładowo, uczenie maszynowe jest już wykorzystywane do znacznej poprawy monitorowania i konserwacji zakładów produkcyjnych.
Oprogramowanie wypełnia lukę elastyczności, łącząc robotykę ze sztuczną inteligencją, aby umożliwić automatyzację ręcznych stacji roboczych. Dzięki sterowaniu opartemu na sztucznej inteligencji połączonemu z kamerą, roboty zyskują koordynację ręka-oko i elastyczność podobną do ludzkiej. Te zrobotyzowane systemy mogą być szkolone przez człowieka, aby zrozumieć ogólne zadanie do wykonania. Korzystając ze sztucznej inteligencji, system może następnie uogólnić szkolenie w nowych sytuacjach i porównywalnych różnicach w procesie produkcyjnym, w tym w elementach o różnych kształtach lub pozycjach. Robot może teraz dostosować się do różnic, niezależnie dostosowując swoje ruchy w czasie rzeczywistym.
Robot połączony z kontrolerem AI może zostać przeszkolony w ciągu kilku godzin poprzez demonstrację przez człowieka. Liczne czynności, takie jak pobieranie pojedynczych części, ruchy podawania, łączenie i śledzenie mogą być realizowane za pomocą specjalnego kontrolera robota i jednej małej kamery zamontowanej na nadgarstku robota.
Robot jest uczony, co ma robić, demonstrując wymaganą czynność z typowymi odchyleniami. Podczas szkolenia wszystkie niezbędne dane są agregowane w celu zbudowania sieci neuronowej w chmurze, która może wykonać zadanie i warianty. Aby zapewnić niezawodność i bezpieczeństwo operacji, wszystkie działania w chmurze muszą spełniać najwyższe standardy bezpieczeństwa.
Dostawca z branży motoryzacyjnej automatyzuje odbiór detali dzięki kontroli AI
Niemiecka firma ZF, dostawca z branży motoryzacyjnej, stanęła przed wyzwaniem pogodzenia elastyczności i precyzji podczas automatyzacji podawania przedmiotu obrabianego na wielkoseryjnej stacji frezowania, gdzie produkowane są koła zębate.
W procesie roboczym metalowe pierścienie są wyjmowane ze skrzyni i umieszczane na przenośniku taśmowym, aby następnie trafić do produkcji kół zębatych. Kilka czynników utrudniało automatyzację tego procesu. Po pierwsze, etap produkcji jest zmienny, ponieważ pierścienie przesuwają się w dostarczonym pudełku z siatką i są losowo rozmieszczone. Umiejscowienie i kształt pudełka również mogą się różnić. Zmieniające się warunki oświetleniowe stanowiły dodatkowe wyzwanie, a powierzchnia pierścieni mogła być błyszcząca, metaliczna, czasami zabrudzona olejem, a nawet skorodowana, co uniemożliwiało klasyczną automatyzację.
Firma ZF wykorzystała kontroler AI i robota współpracującego (cobot) w zautomatyzowanym uchwycie przedmiotu obrabianego. Korzystając z własnego kontrolera, cobot ustawia się nad pierścieniami w skrzyni. Następnie system przejmuje kontrolę, przesuwając robota niezależnie do następnego pierścienia, aby ustawić chwytak w prawidłowej trójwymiarowej pozycji chwytania. Robot wznawia kontrolę, podnosząc pierścień i przenosząc go na przenośnik taśmowy w celu umieszczenia. Konfiguracja robota z dodaną sztuczną inteligencją zajęła zaledwie kilka dni.
Niezawodne zarządzanie kontrolą jakości: sztuczna inteligencja sprawdza wycieki chłodziwa
Kolejną przesłanką sukcesu w produkcji jest stale wysoki poziom jakości produktu, dlatego tak ważne jest dokładne zarządzanie jakością. Z drugiej strony, równie ważne jest, aby zauważyć, że nadrzędnym celem automatyzacji jest zmniejszenie obciążenia pracą ludzi. Jak dowodzi przykład BSH Hausgeräte GmbH, możliwe jest znalezienie wykonalnego i intuicyjnego rozwiązania zapewniającego jakość przy jednoczesnym zmniejszeniu obciążenia pracą ludzi.
W tym przypadku hiszpański zakład produkcyjny dużego europejskiego producenta sprzętu AGD polegał na automatyzacji sprawdzania wycieków płynu chłodzącego w lodówkach. Tak zwane wąchanie lodówki jest monotonną, podatną na błędy czynnością. W tym zastosowaniu producenci lodówek używają ręcznych sond do wyszukiwania wycieków chłodziwa w połączeniach lutowanych sprężarek i miedzianych rur. Jeśli nieszczelność nie zostanie wykryta, szkodliwe substancje mogą wydostać się na zewnątrz, więc jest to ważny test bezpieczeństwa.
Aby upewnić się, że rury są szczelne, sonda jest zbliżana na milimetr do złącza lutowniczego, którego położenie może się różnić. System sterowania AI prowadzi robota do złącza w celu wykrycia ewentualnych nieszczelności. W ten sposób robot może wykonywać żmudne zadanie z powtarzalną precyzją i stałą jakością.
Sztuczna inteligencja oparta na oprogramowaniu umożliwia większą automatyzację produkcji
Zwiększenie zdolności robota do dostosowywania się do zmienności jest jednym z przykładów tego, jak sztuczna inteligencja może wypełnić lukę w elastyczności. Dzięki sztucznej inteligencji można poprawić i utrzymać wydajność, niezawodność i jakość produkcji. Korzyści płynące ze sztucznej inteligencji mogą jednak wykraczać poza automatyzację procesów produkcyjnych.
Na przykład dzięki AI/ML decydenci mogą mieć szybszy dostęp do informacji w czasie rzeczywistym na temat linii produkcyjnych, łańcuchów dostaw i operacji produktowych. Umożliwi im to lepszą ocenę przyszłego rozwoju produktów, nowych modeli biznesowych i ogólnych decyzji strategicznych.
Informacje te mogą być również wykorzystywane przez roboty do poprawy ich własnego działania. Na przykład konserwacja predykcyjna to technologia, w której sztuczna inteligencja może śledzić operacje robotów w hali produkcyjnej. Z czasem sztuczna inteligencja może przewidzieć, kiedy różne urządzenia będą wymagały konserwacji. Zamiast wyłączać produkcję w przypadku awarii sprzętu, taką konserwację można zaplanować tak, aby zminimalizować wpływ na produkcję.
Sztuczna inteligencja w automatyzacji jest kluczowym czynnikiem przyszłego sukcesu dla producentów ze wszystkich branż. Zamiast polegać na złożonych i drogich rozwiązaniach sprzętowych lub ręcznych stacjach roboczych, oprogramowanie AI może zwiększyć niezbędną zwinność zrobotyzowanego sprzętu, aby przezwyciężyć lukę w elastyczności. Sztuczna inteligencja nie tylko przyspiesza automatyzację i szkolenie robotów, ale
ale także zmienia sposób, w jaki programiści i projektanci mogą planować produkcję, aby była bardziej ekonomiczna, gdy produkty stają się bardziej złożone.
Firmy, które przyjmą oprogramowanie oparte na sztucznej inteligencji w celu rozszerzenia zautomatyzowanych procesów, będą miały możliwość dostosowania się do zmieniających się warunków rynkowych, zmian wymagań klientów i krótszego cyklu życia produktu.