Av Anders Billesø Beck, Vice President Strategy & Innovation, Universal Robots
Artificiell intelligens (AI) är inte på något sätt ett nytt fenomen. I årtionden har vi talat om AI som en teknik med potential att radikalt förändra vårt samhälle och påverka mänsklighetens framtid – vissa har varit optimistiska, andra dystopiska i sin syn på AI.
Men med framväxten av teknik som ChatGPT ser det alltmer ut som om framtiden är nu och det är svårt att tänka sig en tid då AI har varit ett hetare ämne än nu.
En av de viktigaste anledningarna till att AI nu diskuteras på arbetsplatser över hela världen är att datorbearbetningen har tagit enorma kliv framåt under de senaste åren. Vi har nu den processorkraft som krävs för att hantera de enorma mängder information och data som krävs för AI-teknik, något vi helt enkelt inte hade tidigare.
Denna hårdvaruutveckling har banat väg för ett AI-genombrott, inklusive nya mjukvaruprogram som ChatGPT. Men medan chatbotar fortfarande befinner sig i ett tidigt skede av att förändra hur vi kommunicerar och samlar information på internet, gör AI-tekniken redan skillnad i verkligheten på en annan arena – tillverkningsindustrin.
Här är fyra exempel på hur AI påverkar industriell automation idag och hur det kan gynna tillverkare över hela världen genom att göra det enklare än någonsin att automatisera komplexa och varierande uppgifter, även i ostrukturerade miljöer.
Människoliknande uppfattningsförmåga
Människor kan titta på oordnade föremål – till exempel delar i en papperskorg – och omedelbart se skillnaden och förstå vilka av dem som kan hanteras utan att störa andra föremål. Automationsingenjörer vet att detta inte alltid är fallet för robotar, för att uttrycka det milt. Därför har sopsortering av ostrukturerade föremål traditionellt ansetts vara ett mycket svårt problem att lösa. Men detta håller på att förändras med AI.
Ta till exempel Apera AI:s "4D Vision"-teknik, som utmanar status quo genom att ge samarbetande robotar (cobotar) "människoliknande uppfattningsförmåga" – ett påstående som först låter överdrivet men som bekräftas på flera nivåer och möjliggör snabbare och mer effektiv robotprestanda, särskilt vid sopsorteringstillämpningar.
Med hjälp av skannrar och kameror kan "4D Vision" identifiera de "mest plockbara" objekten och informera coboten om den snabbaste och säkraste vägen för att hantera dem. Coboten förses med uppskattning av läge och banplaneringsdata som säkerställer att roboten tar en säker, kollisionsfri väg för att uppnå sitt mål.
Hantering av variationer utan föregående undervisning eller programmering
Den gängse uppfattningen om AI är att det är en teknik som kan "tänka" själv och fatta beslut utan föregående undervisning eller instruktioner. Även om detta inte alltid är fallet är dessa fördelar exakt vad du får med robobrain.vision-kitet från Robominds som är utformat för logistikbranschen för till exempel orderplockning eller palleteringsuppgifter. Här kan du se den in action.
Förenklat kan man säga att de flesta automationslösningar inom tillverkningsindustrin är programmerade för att hantera ett specifikt objekt med bestämda mått. Naturligtvis kan dessa lösningar programmeras för att hantera ytterligare variationer, men de är beroende av att människor talar om för roboten vilka objekt den ska hantera och vad den ska göra med dem.
Med den här typen av kamerabaserad AI-teknik kan roboten plocka upp olika föremål oavsett form eller storlek. Och genom att inte behöva lägga tid på att lära ut eller programmera roboten får kunderna ännu större flexibilitet och kan ändra vilka föremål som hanteras utan att behöva lägga tid på omprogrammering.
Flytta delar med precision
MIRAI från Micropsi Industries är ett annat exempel på hur AI gör det möjligt för robotar att hantera variationer i position, form eller rörelse.
I stället för att vara beroende av att specifika mätningar är förprogrammerade kan den generera robotrörelser i realtid. Det innebär att roboten kan utföra till exempel monterings-, grepp-, skruv- eller testuppgifter, även om maskinernas eller objektens position varierar från tid till annan.
Inbolts AI-baserade Inbrain är en annan teknik som använder AI för att hantera variationer och rörliga delar. Den bearbetar stora mängder 3D-data med hög frekvens och identifierar arbetsstyckets position och orientering, vilket anpassar robotbanan i realtid, vilket gör den idealisk för montering, hantering, efterbearbetning och testning. Här kan du se den in action.
AI kan också användas för att ge robotar beröringssinne. Med AI-programvaran från AICA kan roboten lära sig exakta uppgifter som att montera kugghjul, även om uppgiften varierar från gång till gång.
Det blir bara bättre och bättre
En annan viktig fördel med AI inom industriell automation är att den ständigt förbättras, automatiskt. Ju mer din robot arbetar, desto mer data samlar AI-applikationen in, och med hjälp av dessa data kan den underliggande algoritmen kontinuerligt optimera, justera och förbättra robotens prestanda.
Denna nivå av självlärande innebär att din automationslösning kommer att förbättras för varje dag som går - utan att du som kund behöver lägga tid och pengar på uppdateringar eller uppgraderingar av din lösning.
AI ger flexibilitet och enkelhet på en helt ny nivå
Fördelarna med den nya synergin mellan AI och cobotar är uppenbara. Tillverkare som vill använda cobot-automatisering för att lösa sina affärsutmaningar – oavsett om det handlar om arbetskraftsbrist, att förbättra medarbetarnas välbefinnande eller att höja kvaliteten eller produktiviteten – kan nu lösa extremt komplexa uppgifter, även i ostrukturerade miljöer. Samtidigt ger AI-produkter tillverkarna en helt ny nivå av flexibilitet och enkelhet, samtidigt som de höjer kvaliteten och tillförlitligheten.
Det är tydligt att AI redan har en inverkan på industriell automation, men det bästa är att vi bara har börjat skrapa på ytan. Framtiden kanske är här, men det bästa har vi ännu framför oss.
