ENGINEERINGNET.BE - Echter, de autonomie van dit soort robots is beperkt, omdat ze telkens dezelfde serie bewegingen uitvoeren en zich niet (kunnen) aanpassen aan veranderingen in de omgeving.
Een oplossing die de afgelopen jaren met grote sprongen vooruit is gegaan, is het gebruik van AI-algoritmen. Deze algoritmen op basis van kunstmatige intelligentie kunnen tegenwoordig zonder problemen functioneren op het vlak van bijna menselijke visuele perceptie, taalverwerking en sequentievoorspelling.
Door AI-algoritmen te combineren met robots, krijg je AI-gestuurde robots die onafhankelijker zijn dan traditionele robots en op een slimme manier reageren op wat er in hun omgeving gebeurt.
Wat betekent deze ontwikkeling voor bedrijven uit de industriële sector? En in welke toepassingen komen AI-gestuurde robots het beste tot hun recht?
Een positieve impact op de productiviteit, kosten en veiligheid
Kort samengevat zijn er drie belangrijke voordelen die AI-gestuurde robots met zich meebrengen. Zo maken ze het mogelijk meerdere eenvoudige taken te automatiseren die – door een gebrek aan perceptie en manipulatietechnologie met het juiste performanceniveau – eerder niet konden worden uitgevoerd door traditionele robots. En zoals ook bij traditionele robots al het geval is, heeft dat een verder positief effect op de productiviteit en efficiëntie, continue productie (24/7), de kosten en de veiligheid voor het personeel en van de apparatuur.
Daarnaast zijn AI-gestuurde robots ook in te zetten voor operationeel beheer, waardoor ook hier een kostenverlaging is te realiseren. Op AI gebaseerde voorspellend-onderhoud-algoritmen kunnen bijvoorbeeld mogelijke defecten voorspellen op basis van de analyse van historische interne sensor gegevens. Door op tijd aan de onderhoudsbel te trekken – nog voordat een defect daadwerkelijk plaatsvindt – verlengen deze algoritmen de levensduur van apparatuur en verminderen ze ongeplande robot downtime.
Ook kan AI zorgen voor een verbetering van de productiekwaliteit. In het bijzonder op deep learning gebaseerde computervisie-algoritmen kunnen snel defecten en afwijkingen identificeren op basis van beeldinformatie. Wanneer deze technologie wordt toegepast in de productielijn, zorgen de algoritmen voor snellere én nauwkeurigere kwaliteitscontrole.
AI-gestuurde robots op de juiste plek
Er zijn verschillende toepassingen waarin AI-gestuurde robots het beste tot hun recht komen. Een daarvan is het al eerder genoemde kwaliteitscontrole. De laatste tien jaar zijn deep learningalgoritmen voor computervisie met grote sprongen vooruit gegaan; inmiddels zijn ze net zo goed als mensen in bijvoorbeeld beeldherkenning en -segmentatie. Uit deze technologische vooruitgang zijn meer gespecialiseerde algoritmen voortgekomen voor het opsporen van defecten en afwijkingen in producten op basis van beeldinformatie. Deze algoritmen, die worden getraind met behulp van voorbeelden van intacte en defecte producten, kunnen defecten opsporen met behulp van beelden. Dankzij hun snelheid en nauwkeurigheid worden ze steeds vaker gebruikt voor kwaliteitscontrole in de productie- en voedselindustrie. Daar identificeren en verwijderen ze bijvoorbeeld producten die niet aan de kwaliteitseisen voldoen.
Ook in bin picking kan AI veel waarde toevoegen, met name in de productie-industrie en fulfillment-centers. Dankzij op deep learning gebaseerde computervisie zijn grijpalgoritmen in staat te bepalen hoe een onderdeel het best kan worden vastgepakt met een robotarm. Deze algoritmen, die offline worden getraind met honderden tot duizenden onderdeelsoorten, kunnen een uitgebreide reeks onderdeelvormen en -materialen generaliseren. In de productielijn voorziet deze technologie AI-gestuurde robotarmen van het vermogen om een willekeurig onderdeel binnen hun beeld op te pakken, zonder dat er verdere details over bekend hoeven te zijn.
Als laatste zijn AI-gestuurde robots zeer geschikt voor ‘programming-by-demonstration’. Hierbij demonstreert een gebruiker aan een robot hoe deze een taak moet uitvoeren, in plaats van de opdrachten te programmeren via een computertaal. Hoewel complexe taken in arbitraire omgevingen nog een uitdaging vormen, kunnen eenvoudige taken, zoals het manipuleren of assembleren van onderdelen in een standaard omgeving, een-op-een worden gereproduceerd door een robot nadat een mens de taak heeft voorgedaan. Wanneer dit soort robots worden geïntegreerd in een productie- of inspectielijn, vormen ze een krachtige tool die in staat is tot nauwkeurige en autonome, visie-gestuurde manipulatie.
En de werkgelegenheid dan?
De implementatie van AI in de productie-industrie is nog niet zo wijdverbreid als het gebruik van traditionelere robots. Veel bedrijven hebben nog hun twijfels over deze nieuwe technologie. Hoofdreden daarvoor is dat AI om flinke investeringen vraagt, met name in computing-resources, perceptiehardware en datamanagement.
Daarnaast is de technologie nog relatief jong, en zijn de risico’s ervan moeilijk te beoordelen. Ook is de ROI niet eenvoudig in te schatten. Toch zal de toename van productiviteit in de wereldeconomie er uiteindelijk voor zorgen dat bedrijven op grote schaal AI implementeren en een plekje geven in industriële omgevingen.
Daardoor valt niet te ontkennen dat AI-gestuurde robots, net als traditionele robots, bepaalde, met name eenvoudige, herhalende taken van een job gaan overnemen. Maar in plaats van wegvallen van banen, zullen functies veranderen.
Zo krijgen ze bijvoorbeeld nieuwe verantwoordelijkheden rondom het trainen en overzien van de robotvloot. Menselijke behendigheid, kritisch denkvermogen, besluitvorming en creativiteit kunnen namelijk nooit helemaal worden vervangen door machines.
Christian Janse, Ares Sales Development Manager Benelux, Universal Robots
