科技产业报订阅
活动+
 

机器人结合RPA 智能制造下一波方向

AI明显改善工业机器人效率,减低人力,但尚须配合行政体系的RPA,才能让自动化更进步。图为进行高温精密加工的FANUC机器人。法新社

物联网(IoT)与深度学习(deep learning)人工智能(AI),带动2010年代制造业与工业机器人应用的新发展,对少子高龄化导致年轻劳工日减的先进国家来说,引进新技术的工业机器人,大幅降低工厂人力需求,可以说是挽救其制造业根基的福音。

但,新设备虽减少人力需求,离无人工厂还有一段距离,机器人虽能自动生产,但产品设备的故障排除,难以预估的产品瑕疵检查,以及设计、原料、生产、物流、营销的集成,仍有不足,因此日本人工智能大厂PFN(Perferred Networks)表示,工业机器人、流程机器人(RPA)、与人工智能的结合,是下一波的发展目标。

引进深度学习人工智能的工业机器人,已带来明显的效率提升,PFN举日本工业机器人大厂发那科(FANUC)的产品为例,藉由人工智能分析精密机械的热膨胀,让机械加工随设备各部分温度自动调整,产品误差不仅减少30%,还大幅压低维修人员需求,让原需要2个工作天的维护时数,缩短为1工作小时。

但是,这种调整与节省目前仅限于生产线,原料未到的停机,与等待物流的仓储,在多数制造业厂商来说,是由行政会计人员、或相关部门的流程机器人负责,与生产线的工业机器人没有完美的集成。

而这问题不只是生产线与行政体系没有联机,因为生产完成的产品检查,以及设备故障在线排除,多数仍需人工处理,这部分时间无法自动化也难预估,也是自动化生产中非自动化的弱点。

工业物联网事业的技术重点之一,就是预测故障发生时间,提早排修,这个部分可学习资料增多而改善;但原料与产品检查变量比较多,完全由机器人车出来的零件还好,假如是需要自然原料的产业,如利用木料的建筑家具,木质需要资深木工判断,这就是一大问题。

因此,PFN认为,自动化工厂的下一步,影像检查用人工智能与设备,会是关键,因为不同生产线的检查要求不同,而且厂商也不希望人工智能学习很久才上线,如何以有限的学习资料达到必要的精度,则是对人工智能技术的另一个挑战。

  •     按赞加入DIGITIMES智能应用粉丝团