科技產業報訂閱
Advantechline
 

機器人結合RPA 智慧製造下一波方向

AI明顯改善工業機器人效率,減低人力,但尚須配合行政體系的RPA,才能讓自動化更進步。圖為進行高溫精密加工的FANUC機器人。法新社

物聯網(IoT)與深度學習(deep learning)人工智慧(AI),帶動2010年代製造業與工業機器人應用的新發展,對少子高齡化導致年輕勞工日減的先進國家來說,引進新技術的工業機器人,大幅降低工廠人力需求,可以說是挽救其製造業根基的福音。

但,新設備雖減少人力需求,離無人工廠還有一段距離,機器人雖能自動生產,但產品設備的故障排除,難以預估的產品瑕疵檢查,以及設計、原料、生產、物流、行銷的整合,仍有不足,因此日本人工智慧大廠PFN(Perferred Networks)表示,工業機器人、流程機器人(RPA)、與人工智慧的結合,是下一波的發展目標。

引進深度學習人工智慧的工業機器人,已帶來明顯的效率提升,PFN舉日本工業機器人大廠發那科(FANUC)的產品為例,藉由人工智慧分析精密機械的熱膨脹,讓機械加工隨設備各部分溫度自動調整,產品誤差不僅減少30%,還大幅壓低維修人員需求,讓原需要2個工作天的維護時數,縮短為1工作小時。

但是,這種調整與節省目前僅限於生產線,原料未到的停機,與等待物流的倉儲,在多數製造業廠商來說,是由行政會計人員、或相關部門的流程機器人負責,與生產線的工業機器人沒有完美的整合。

而這問題不只是生產線與行政體系沒有連線,因為生產完成的產品檢查,以及設備故障線上排除,多數仍需人工處理,這部分時間無法自動化也難預估,也是自動化生產中非自動化的弱點。

工業物聯網事業的技術重點之一,就是預測故障發生時間,提早排修,這個部分可學習資料增多而改善;但原料與產品檢查變數比較多,完全由機器人車出來的零件還好,假如是需要自然原料的產業,如利用木料的建築家具,木質需要資深木工判斷,這就是一大問題。

因此,PFN認為,自動化工廠的下一步,影像檢查用人工智慧與設備,會是關鍵,因為不同生產線的檢查要求不同,而且廠商也不希望人工智慧學習很久才上線,如何以有限的學習資料達到必要的精度,則是對人工智慧技術的另一個挑戰。

  •     按讚加入DIGITIMES智慧應用粉絲團