Човекът и машината – нови възможности за колаборация

• Броят на свързаните с IoT устройства се е увеличил до 20,35 милиарда през 2017 г. от 15,41 милиарда през 2015 г.
  
  
• Пазарът на колаборативни роботи е много конкурентен, което кара компаниите да се фокусират върху иновациите
  
  
• Човеко-машинният интерфейс се използва в различни предприятия в комбинация с PLC контролери за управление на производствените линии

Необходимостта от постоянен технологичен напредък през последните години породи изключително конкурентна среда на развитие на индустриалната автоматизация. Днес новото предизвикателство пред нея е да се увеличи производителността и да се усъвършенстват възможностите за съвместна работа на персонал и автоматизирано оборудване, без да се прави компромис с качеството. Решения като изкуствен интелект, HMI и IIoT и внедряването им във високотехнологично оборудване предоставят едни от най-обещаващите концепции за справяне с това предизвикателство.

Пазарни тенденции в сферата на интелигентната производствена автоматизация

През 2020 г. глобалният пазар на човеко-машинен интерфейс (HMI) се оценява на 3,71 милиарда щатски долара, като се очаква да достигне стойност от 7,24 милиарда щатски долара до 2026 г. при общ годишен темп на растеж от 10,3% за прогнозния период 2021 – 2026 г. Функции като алармени предупреждения, съобщения, свързани с безопасността, и подобрена вътрешна комуникация ще осигурят предимство на дадено съоръжение по отношение на сигурността, операциите и производството. Очакванията са, че новото поколение HMI ще изиграе важна роля в намаляването на експлоатационните разходи, като замести традиционните бутони, индикаторни светлини и селектори и ще намали броя на допълнителните дисплеи и кабели и по-нататъшно подобряване на мониторинга на машините.

Два основни фактора ускориха напредъка в технологиите за съвместна работа на човек и робот: пандемията от COVID-19 и разрастването на IoT. Пандемията предизвика допълнителен недостиг на работна ръка поради увеличаване на болнични престои и необходимостта от ограничаване на присъствието на персонал в общи помещения. Бързото разрастване на IoT технологиите и навлизането на 5G, от друга страна, бяха други два фактора, които значително повлияха на разширяването на обхвата на възможностите на коботите и ускориха адаптирането на роботизацията в производствата.

Глобалният пазар на колаборативни роботи за 2020 г. се оценява на 668,3 милиона щатски долара, като се очаква да достигне 1,876 млрд. щатски долара до 2026 г., отбелязвайки общ годишен темп на растеж от 18,37% през 2021 – 2026 г.

Колаборативните роботи или коботите се използват в пряко сътрудничество с хора за изпълнение на различни задачи. Очаква се намаляващите разходи и високата възвръщаемост на инвестициите да повлияят положително на пазара. Пазарът на колаборативни роботи е доста конкурентен и компаниите се фокусират върху иновациите, за да останат конкурентоспособни.

Освен това в ход са значими придобивания и сътрудничество между големи компании и стартиращи фирми.

Решенията за автоматизация могат да намалят драстично разходите за доставки. Това дава стимул на иновациите в роботиката, позволяващи на предприятията в различни индустрии да работят автономно с увеличен капацитет и възможности.

Продължителното обучение и адаптиране, както и недостигът на работна ръка, са важни фактори, движещи внедряването. Все повече и повече предприятия за логистика, дистрибуция и управление на складови бази инвестират в автоматизирани решения. Тъй като технологията се подобрява и приложенията стават по-широкообхватни и по-гъвкави, роботиката се възприема от по-значителен брой производствени операции.

Разширяване на капацитета на предприятията

Колаборативните роботи са проектирани да работят съвместно с хора и са с вградени функции за безопасност. Интегрираните сензори засичат външни сили и карат робота да спре движението си, ако силата е твърде голяма. Роботите играят решаваща роля в индустриалната автоматизация, като много основни операции се управляват от тях. Те могат да поемат и извършват сложни, повтарящи се задачи с висока точност и повторяемост дори в опасна среда. Именно поради тази причина те се използват във все повече производства. Според проучване на UiPath, над 88% от организациите вярват, че автоматизацията ще ускори човешките постижения и ще бъде ефективна като допълваща дейностите на персонала.

Индустриалните роботи, използвани в автомобилната индустрия например, са по-ефективни и се използват рентабилно поради своята скорост, точност, прецизност и гъвкавост. Сложността на производството на леки автомобили се е увеличила през последните десет години. Това е довело до използването на роботите за решения за автоматизация за значителна част от производствените процеси в наши дни.

Днес коботите се отличават с прости, интуитивни операции и възможност да бъдат въведени в експлоатация за седмици, а не за месеци. Колаборативните ръце могат лесно да бъдат преконфигурирани и програмирани за нова задача за изключително кратко време. По този начин на коботите лесно се преразпределят различни задачи, без да се променят производствени параметри. Колаборативните роботи намаляват производствените разходи и повишават производителността, като поддържат непрекъснатостта на процесите. Тази гъвкавост помага за постигане на бърза възвръщаемост на инвестициите, като коботите рутинно осигуряват изплащане в рамките на шест до дванадесет месеца.

Същевременно същественото значение на потребителските интерфейси става все по-отчетливо през последните години. Една от емблематичните характеристики, чието усъвършенстване радикално повлия на курса на развитие в сферата на потребителския интерфейс, бе интуитивността му. Интуитивните потребителски интерфейси са променили изцяло възприемането на определени типове продукти. Успехът на продуктите с интуитивен интерфейс ясно показва, че стандартните продукти с добър потребителски ориентиран графичен интерфейс значително допринасят за отличаването на продукта, улесняването на използването му и последователното изживяване на потребителите. Много индустриални корпорации са стигнали до същото заключение и започват да се фокусират повече върху качеството на потребителските интерфейси в своите продукти. Очаква се по-високите нива на функционалност и взаимодействия, вградени в HMI, и нарастващите нужди на потребителите, като мултитъчскрийн и висококачествени дисплеи, да стимулират растежа на пазара.

Също така човеко-машинният интерфейс се използва в различни направления на производствените предприятия в комбинация с PLC контролери в основата на производствените линии. Интегрирането на HMI в производството значително подобри операциите. HMI дава възможност за мониторинг, контрол и събиране на данни и интегрирането им за цялата производствена база, така че всякакви промени на параметрите да могат да бъдат осъществявани от оператора без забавяне. Например при производството на метални заготовки HMI може да контролира метода и скоростта, с които материалът се нарязва и щанцова. HMI предлага подобрен контрол на запасите от суровини и навременно попълване, така че да се оптимизира времето за доставки и транспортиране.
IoT е друга доминираща тенденция в индустриалните системи, свързани чрез интернет. Според Световната банка броят на свързаните с IoT устройства се е увеличил до 20,35 милиарда през 2017 г. от 15,41 милиарда през 2015 г. и се очаква да достигне 51,11 милиарда устройства до 2023 г. Необходимостта HMI да обезпечава все по-сложни функционалности нараства заедно с нуждата да се управлява този нарастващ брой свързани устройства. Преходът към Industry 4.0 и Индустриалния интернет на нещата (IIoT) направи тези услуги по-достъпни, пример за това е тенденцията към приложения, превръщащи всеки смартфон в мобилен HMI терминал, а други технологии, като например смарт часовниците дори още повече увеличиха достъпността на HMI и улесниха използването му.

Избухването на COVID-19 повлия значително на глобалните разходи на индустрията, тъй като неоперативният статус на различни сектори ги изправи пред огромни загуби, което се отрази на инвестициите им.

Интелигентната автоматизация, IIoT и HMI радикално променят начина, по който служителите работят, интегрирайки се безпроблемно със съществуващи процеси, оформления и оборудване, като водят до подобряване на качеството в много приложения. Възможностите на колаборативните роботи правят работното място по-безопасно и позволяват на работниците да преследват своите задачи, без да се налагат специални ограничения и системи за обезопасяване.

Много производители пренебрегват внедряването на коботите, защото смятат, че то води със себе си редица предизвикателства, присъщи на традиционната автоматизация от старата школа – огромни парични разходи, производствени прекъсвания за настройка и въвеждане и сложно кодиране, изискващо специално обучен персонал. Подходът “всичко или нищо”, характерен за предишните поколения автоматизация, кара много мениджъри и собственици на предприятия да се съмняват, че коботите са достъпно решение за техните производства.

За щастие, това не може да бъде по-далеч от истината. Редица водещи производители на колаборативни роботи още в началото на десетилетието започнаха да представят свои модели колаборативни роботизирани ръце, предназначени за широкия пазар, които се различават от традиционните индустриални роботи с компактния си размер, намалено тегло и лекота на използване. Няма да излъжем, ако кажем, че днес индустриалната автоматизация от ново поколение вече е бърза, гъвкава и достъпна благодарение на разрастването на сектора на колаборативните роботи.

Канали за взаимодействие човек-машина

Коботите възприемат все повече и повече нови функции в производствата и логистиката, включително инспекция, палетизиране, поддръжка на машини, визуално насочване за избор, захващане и поставяне, шлифоване и заваряване. По тази причина непрекъснато се подобряват и възможностите за прецизиране и обезопасяване на роботите за по-пълноценно адаптиране към различни съвместни среди на работа.

Коботите от ново поколение притежават интегрирани сензори, благодарение на които могат да засекат външна сила в работното пространство и да спрат при риск от контакт с човек или обект. Тази технология позволява да работят по-безопасно заедно с хора без нужда от скъпи допълнителни обезопасяващи системи.

Интерактивното програмиране позволява на потребителите да обучат робота, използвайки ръчно насочване или от таблет чрез интуитивен интерфейс. Друга съществена тенденция е възможността лесно да се свързват с устройства на трети страни – хващачи, аксесоари и др.

Съществен напредък бележи и развойната дейност в сферата на машинното зрение, което вече е не просто допълнителна функция, а основен фактор в изграждането на една пълноценна работна зона, в която човек и машина работят съвместно.

Чрез алгоритми за 3D машинно зрение роботизираната система е в състояние да анализира изображения на произволно струпани обекти, да класифицира обектите и да прецени позицията на идентифицираните обекти за захващане. За да се улесни работата на робота в близост до хора, на базата на принципите на 3D зрението се разработват алгоритми за избягване на препятствия по време на изпълнение на задачата. Използват се камери за получаване на RGB изображения и изображения на групирани детайли в перспектива.

Подходът на дълбоката невронна мрежа (DNN) за разпознаване на обекти се проектира и комбинира със сегментиране на облака от точки за подобряване на 3D оценката на позицията на обекта, който трябва да бъде прихванат. Роботът избягва препятствията, за да гарантира безопасна работа по време на изпълнение на задачата. Практическите експерименти с помощта на роботизирани ръце показват, че предложеният метод ефективно постига избягване на препятствия при pick-and-place операции.

За правилното сътрудничество между оператор и робот е необходимо поне единият да комуникира с другия. Когато се установят ефективни канали за комуникация между хора и роботи, тогава става възможно операторите да се освободят от тежки задачи. Въпреки че комуникационните канали между работници и роботи все още са ограничени, разпознаването на жестове е метод, който ефективно се прилага като комуникационен канал между хора и роботи. Има четири основни технически компонента в модела на разпознаване на жестове при сътрудничество между човек и робот – сензорни технологии, идентификация на жестове, проследяване на жестове и класификация на жестове.

С непрекъснато нарастващото използване на колаборативни роботи в индустрията, необходимостта от постигане на безпроблемно взаимодействие човек-робот също се е увеличила, като се има предвид, че това е ключов фактор за постигане на по-гъвкави, ефективни и ефикасни производствени линии. Като един перспективен инструмент за подпомагане на операторите да разберат и взаимодействат с роботи, добавената реалност (AR) се използва в множество индустриални приложения при взаимодействие човек-робот и кооперативна работа.

Резултатите от проучвания, проведени през последните години, показват, че това все още е разширяваща се изследователска област, особено с появата на последните постижения по отношение на HMD устройства за добавена реалност. Освен това подходите, базирани на проектори и HMD дисплеи, имат обещаващо положително влияние върху аспектите, свързани с оператора, като производителност, осъзнаване на задачите и усещане за безопасност, въпреки че HMD дисплеите се нуждаят от допълнително развитие по отношение на ергономията. По-нататъшните изследвания трябва да се съсредоточат върху широкомащабна оценка на решенията за индустриална среда и установяване на стандарти и насоки за разработване на системи за подпомагане на AR.

Взаимодействието човек-машина има много различни аспекти. Машинното самообучение играе важна роля в поддържането на различни аспекти на комуникацията между роботи и хора, по-специално в основната интерпретация на сигнали – разпознаване на изображения от камерата, разбиране на реч от аудио сигнал, характеристики при манипулации чрез тактилни сензори и акселерометри. Друг важен аспект се отнася до генерирането на алгоритми за поведение, включително планиране и изпълнение.

В повечето случаи интерпретацията на сигнала се основава на класификация, която днес се извършва в много случаи чрез използване на доста сложни архитектури, базирани на deep learning (дълбоко самообучение). В много случаи са налични модели за класифициране на обекти и действия на хората. Тяхното разработване е отнело много време и усилия и се считат за общи модели, подходящи за много цели. Тъй като всички са многослойни модели, също така е възможно да се запазят първите, по-интензивни нива на данни и да се обучават модели за конкретни ситуации, например за разпознаване на дейности или обекти, които не са включени в оригиналния набор от данни.

Ключови моменти в прилагането на дълбоко самообучение при комуникацията човек-робот са необходимостта от обширни набори от данни, обхващащи всички аспекти на конкретното приложение, и необходимостта от огромна изчислителна мощност за изучаване на моделите. Докато вторият проблем може да бъде решен чрез офлайн обучение и с подкрепата на облачни изчисления и центрове за данни, първият е критичен и в много ситуации води до използване на инструменти и модели с малко възможности за адаптиране към конкретно приложение. В някои ситуации събирането на подходящи набори от данни просто не е възможно, така че възниква необходимост от различен подход за обучение.

За адаптиране на поведението на робота могат да се следват различни подходи за обучение и различни модели на интерактивност. Имитационното обучение изисква дадена задача да бъде изпълнена от друг (човек или друг робот), а описанията на ситуацията и предприетите действия се считат за изграждане на новия модел. Този подход се обобщава чрез контролирано самообучение, където правилното поведение за дадени ситуации се предоставя директно.

Друг обещаващ подход е обучението, при което оценката на работата на робота се използва за насърчаване на правилните действия и елиминиране на неправилните. Като се имат предвид проблемите с безопасността и производителността в реална среда и обикновено дългия период на обучение, необходим за идентифициране на сложни модели, достатъчно общи, за да бъдат използвани в желания диапазон от ситуации, обучението често се извършва чрез симулация, като съществува риск за това доколко реалистично може да бъде обучението в симулирана среда, която не включва реални хора, чието поведение е трудно да се симулира. Същите проблеми важат и за състезателното обучение, където две системи се учат една от друга, отново в симулирана среда. От друга страна, симулираната среда е единствената, в която е възможно да се извърши необходимият обем итерации. Също така комбинирането на различни подходи за обучение може да бъде полезно за някои аспекти и сложни приложения.