Spole?ně s KUKA do budoucnosti Pr?myslu 4.0

Pojem Pr?mysl 4.0 existuje ji? několik let. To platí i pro p?íslušné technologie – nap?íklad internet věcí, cloud computing nebo umělá inteligence (Artificial Intelligence, AI) – nebyly vynalezeny teprve v?era. Nicméně témě? ka?dý den dochází k významným technickým pokrok?m. P?itom vynikají zejména t?i trendy.

Umělá inteligence (AI) je ji? dnes jednou z hnacích sil digitální transformace – a v budoucnu se bude její význam stále zvyšovat. Díky AI budou stroje schopny provádět nap?íklad prediktivní údr?bu. A roboty vyu?ívané v chytré továrně se proměňují v autonomní asistenty, kte?í se mohou samostatně u?it, jednat logicky a komunikovat mezi sebou.

Machine Learning (strojové u?ení) se také dostává do továrny jako jedna z nejd?le?itějších oblastí umělé inteligence pro spole?nost KUKA a brzy se stane nedílnou sou?ástí chytré továrny. U?ící stroje mohou „rozumět“ vzorc?m a vztah?m p?í?ina-následek, které samy vytvá?ejí. „U?í se" a reagují na to v reálném ?ase nezávislým zdokonalováním svých algoritm?.

Princip Smíšené reality (Mixed Reality) není o nic méně revolu?ní. Kombinuje techniky virtuální reality (Virtual Reality - VR) a rozší?ené reality (Augmented Reality - AR). Virtuální realita znamená, ?e u?ivatel je zcela od?íznut od reálného světa a nachází se ve virtuálním prost?edí, které je viditelné p?es brýle. U rozší?ené reality naopak reálné prost?edí z?stává viditelné, ale je p?ekryto digitálním obsahem (virtuální p?edměty, informace). Díky technologii smíšené reality lze nyní virtuální obsah kombinovat s reálným světem. Na rozdíl od rozší?ené reality se obsah jednoduše nepromítá ve smíšené realitě, ale objevuje se pomocí mobilních za?ízení nebo displej? namontovaných na hlavě (HMD), jako je nap?. Microsoft Hololens jako hologram, který je realisticky integrován do fyzického světa. Ten lze p?esouvat a měnit, jako by se jednalo o skute?ný objekt.

Budoucnost tedy ji? za?ala. Jaké je ale praktické vyu?ití těchto technologií v pr?myslu? Podívejte se na některé z inova?ních projekt? spole?nosti KUKA.

S na?ím simula?ním softwarem KUKA.Sim lze roboty programovat mimo vyrobní prost?edí. Software umo?ňuje u?ivatel?m interakci s digitálním dvoj?etem, tedy p?esnym virtuálním obrazem pozděj?ího vyrobního procesu. A? u? p?i navrhování procesu nebo vizualizaci materiálovych tok? a kritickych míst nebo kódu PLC: 3D simulace vytvo?ená Kuka.Sim pokryvá v?echny procesy plánování. Virtuální a reálné ?ízení pracuje s identickymi daty: To, co je plánováno virtuálně, se později p?esně stejnym zp?sobem odehraje i v reálném světě. To umo?ňuje maximální spolehlivost plánování vyrobních proces? s malym úsilím a nízkymi náklady.

Dal?í informace o KUKA.Sim.

Pokud by bylo mo?né p?edvídat ?ivotnost jednotlivych komponent robota, bylo by také mo?né vyhnout se nákladnym poruchám a p?eru?ení vyroby. A p?esně o to jde v p?ípadě vyzkumného projektu ?Umělá inteligence k p?edpovídání provozní bezpe?nosti a ?ivotnosti pr?myslovych robot?“ (KIVI) financovaného Bavorskym státním ministerstvem hospodá?ství, energetiky a technologie (StMWi). Cílem je pr?bě?ně sledovat stav pr?myslovych robot? a umo?nit prediktivní údr?bu (Condition Monitoring a Predictive Maintenance/sledování stavu a prediktivní údr?ba). K tomu ú?elu nejprve několik senzor? odesílá provozní vibra?ní chování jednotlivych komponent robota. Následně p?ijde na ?adu umělá inteligence, která se pou?ije k vyhodnocení p?íslu?nych údaj?: Rozpoznává vzorce ve vyvoji stav? opot?ebení a u?í se z nich modely chování. Vysledkem je prototyp AI toolbox, ktery je ji? dnes ve fázi evaluace. Jakmile bude mo?né jej komer?ně vyu?ít, budou vyrobní spole?nosti schopné zvy?it dostupnost svych za?ízení a zefektivnit vyrobní proces – co? v kone?ném d?sledku také pomáhá ?et?it zdroje.

Výchozím bodem všech optimaliza?ních proces? pr?myslových robot? jsou data. Jejich generování a sběr ovšem zabere spoustu ?asu a stojí spoustu peněz. V dnešní době lze pro úsporu peněz shroma??ovat data také jednoduchou simulací interakcí robot?. Problém: Ani vysoce pokro?ilé simulace zatím nedoká?ou dokonale zobrazit realitu. Dějové sekvence nau?ené v nich nelze snadno p?enést do reálných robot?. Tento problém je ?asto ozna?ován jako „Reality Gap".

A právě v tomto bodu vstupuje do hry náš projekt „TransLearn": Chceme p?eklenout Reality Gap tím, ?e identifikujeme chyby v simulaci. Cílem je plynule p?enést simulované výsledky do reálných robot?.

To znamená mnoho výhod: V simulaci lze roboty programovat rychleji a lépe, co? sni?uje náklady na programování. Kromě toho se roboty mohou u?it lépe a nezávisleji, pokud k tomu dojde jak v simulaci, tak v reálném za?ízení. Díky takto optimalizovanému procesu u?ení se pr?myslové roboty v budoucnu ji? nebudou muset pracně programovat, ale pouze instruovat. Tímto zp?sobem se také samostatně u?í, jak zkrátit dobu cyklu nebo spot?ebovat méně elektrické energie.

Spole?nosti s moderními výrobními procesy musí být schopny rychle reagovat na měnící se po?adavky nebo změněné podmínky. Zejména výrobní proces proto ?asto vy?aduje ur?ité úpravy – procesu samotného, výrobních zdroj?, ale také vyráběného produktu. Takové „kontinuální in?enýrství“ by proto mělo být mo?né kdykoli. V podobě BaSys 4 ji? byl vyvinut základní systém pro výrobní za?ízení, díky kterému lze výrobní procesy efektivně upravovat. Prost?ednictvím projektu BaSys 4.2 financovaného spolkovým ministerstvem školství a výzkumu (BMBF) nyní pracujeme na implementaci dalších prvk? infrastruktury Pr?myslu 4.0 na základě koncept? a standard? platformy Pr?myslu 4.0. Soust?edíme se na t?i tematické oblasti „middleware“, „schopnosti“ a „virtualizace“. Chceme tak dále rozvíjet standardizované modely schopností a realizovat jejich pou?ití v automatických kontrolách schopností.

Cílem jsou adapta?ní výrobní za?ízení, která doká?í inteligentně a srozumitelně reagovat na měnící se po?adavky.