GryNowościRTV

Coraz inteligentniejsze roboty Forda przyspieszają linię montażową

Ford dodaje sztuczną inteligencję do swoich zrobotyzowanych linii montażowych.
Powiększać / Ford dodaje sztuczną inteligencję do swoich zrobotyzowanych linii montażowych.

W 1913 roku Henry Ford zrewolucjonizował produkcję samochodów, wprowadzając pierwszą ruchomą linię montażową, innowację, która sprawiła, że ​​łączenie nowych pojazdów było szybsze i bardziej wydajne. Jakieś sto lat później Ford używa teraz sztucznej inteligencji, aby przyspieszyć działanie dzisiejszych linii produkcyjnych.

W zakładzie Forda Transmission w Livonia w stanie Michigan stacja, na której roboty pomagają w montażu przemienników momentu obrotowego, obejmuje teraz system wykorzystujący sztuczną inteligencję do uczenia się z poprzednich prób, jak najskuteczniej umieszczać elementy na miejscu. W dużej klatce bezpieczeństwa ramiona robota krążą wokół, chwytając z przenośnika okrągłe kawałki metalu, każdy o średnicy talerza obiadowego, i łącząc je razem.

Ford korzysta z technologii opracowanej przez startup o nazwie Symbio Robotics, który analizuje ostatnie kilkaset prób określenia, które podejścia i ruchy okazały się najlepsze. Komputer siedzący tuż za klatką pokazuje technologię Symbio wykrywającą i kontrolującą ramiona. Toyota i Nissan używają tej samej technologii, aby poprawić wydajność swoich linii produkcyjnych.

Technologia ta pozwala tej części linii montażowej działać 15 procent szybciej, co stanowi znaczną poprawę w produkcji samochodów, w której niskie marże zysku w dużym stopniu zależą od wydajności produkcji.

„Osobiście uważam, że będzie to przyszłość” – mówi Lon Van Geloven, kierownik produkcji w zakładzie Livonia. Mówi, że Ford planuje zbadać, czy zastosować tę technologię w innych fabrykach. Van Geloven twierdzi, że technologia ta może być używana wszędzie tam, gdzie komputer może uczyć się na podstawie wyczucia, jak rzeczy do siebie pasują. „Jest wiele takich aplikacji” – mówi.

Sztuczna inteligencja jest często postrzegana jako technologia przełomowa i transformacyjna, ale konfiguracja momentu obrotowego Livonia ilustruje, w jaki sposób sztuczna inteligencja może wkradać się do procesów przemysłowych w stopniowy i często niezauważalny sposób.

Produkcja samochodowa jest już w dużym stopniu zautomatyzowana, ale roboty, które pomagają w montażu, spawaniu i malowaniu pojazdów, to zasadniczo potężne, precyzyjne automaty, które w nieskończoność powtarzają to samo zadanie, ale nie mają żadnej zdolności rozumienia otoczenia ani reagowania na nie.

Dodanie większej automatyzacji jest trudne. Prace, które pozostają poza zasięgiem maszyn, obejmują takie zadania, jak podawanie elastycznego okablowania przez deskę rozdzielczą i karoserię samochodu. W 2018 roku Elon Musk obwinił opóźnienia w produkcji Tesli Model 3 o decyzję polegającą w większym stopniu na automatyzacji produkcji.

Naukowcy i start-upy badają sposoby, w jakie sztuczna inteligencja może zapewnić robotom większe możliwości, na przykład umożliwiając im dostrzeganie i chwytanie nawet nieznanych obiektów poruszających się po przenośnikach taśmowych. Przykład Forda pokazuje, jak często można ulepszyć istniejące maszyny, wprowadzając proste funkcje wykrywania i uczenia się.

„To bardzo cenne” – mówi Cheryl Xu, profesor z North Carolina State University, która pracuje nad technologiami produkcyjnymi. Dodaje, że jej uczniowie badają sposoby, w jakie uczenie maszynowe może poprawić wydajność zautomatyzowanych systemów.

Według Xu jednym z kluczowych wyzwań jest to, że każdy proces produkcyjny jest wyjątkowy i będzie wymagał automatyzacji, która będzie wykorzystywana w określony sposób. Jak zauważa, niektóre metody uczenia maszynowego mogą być nieprzewidywalne, a zwiększone wykorzystanie sztucznej inteligencji wprowadza nowe wyzwania w zakresie cyberbezpieczeństwa.

Potencjał sztucznej inteligencji do dostrajania procesów przemysłowych jest ogromny – mówi Timothy Chan, profesor inżynierii mechanicznej i przemysłowej na Uniwersytecie w Toronto. Mówi, że sztuczna inteligencja jest coraz częściej wykorzystywana do kontroli jakości w produkcji, ponieważ algorytmy widzenia komputerowego można szkolić w celu wykrywania wad produktów lub problemów na liniach produkcyjnych. Podobna technologia może pomóc w egzekwowaniu zasad bezpieczeństwa, na przykład wykrywając, kiedy ktoś nie nosi odpowiedniego sprzętu ochronnego.

Chan twierdzi, że kluczowym wyzwaniem dla producentów jest integracja nowej technologii z przepływem pracy bez zakłócania produktywności. Mówi również, że może to być trudne, jeśli siła robocza nie jest przyzwyczajona do pracy z zaawansowanymi systemami komputerowymi.

To nie wydaje się być problemem w Liwonii. Van Geloven, kierownik produkcji Forda, uważa, że ​​gadżety konsumenckie, takie jak smartfony i konsole do gier, sprawiły, że pracownicy są bardziej obeznani z technologią. Mówiąc o wszystkich przypadkach, w których sztuczna inteligencja przyjmuje prace fizyczne, zauważa, że ​​nie stanowi to problemu, gdy sztuczna inteligencja jest używana do poprawy wydajności istniejącej automatyzacji. „Siła robocza jest tak naprawdę bardzo ważna” – mówi.

Ta historia pojawiła się pierwotnie na wired.com.

Zostaw komentarz

Maciek Luboński
Z wykształcenia jestem kucharzem , ale to nie przeszkadza mi pisać dla Was tekstów z wielu ciekawych dziedzin , których sam jestem fanem.Piszę dużo i często nie na tak jak trzeba , ale co z tego skoro tak naprawdę liczy się pasja.

Najlepsze recenzje

Video

gallery

Facebook