Automotive productie revolutioneren met geavanceerde robotica

De robotrevolutie wordt al decennia verwacht, maar is nog steeds niet aangekomen. Elk jaar kopen automakers en hun leveranciers duizenden robots, een aantal dat nog steeds ver minder is dan wat voorspeld werd. Robots worden simpelweg niet zo breed gebruikt als ze zouden kunnen, vanwege diverse barrières die veel langer bestonden dan verwacht. Deze barrières voor adoptie kunnen uiteindelijk gemiste kansen worden om de productiecapaciteit van het land te vergroten en de supply chains te verbeteren.

Met de pandemie die tekortkomingen in beschikbaarheid van goederen verergerde en een licht schijnde op hoe gemakkelijk kritieke supply chains verstoren kunnen worden, is er nooit een betere tijd geweest om te focussen op technologieën en oplossingen die helpen de domestic capabilities van het land te versterken. Recente uitvoerende orders tonen aan dat dit een focus zal zijn van het Biden-bestuur, dus nu is de tijd om te handelen.

Barrières voor adoptie

Er zijn, in het algemeen gesproken, drie barrières voor bredere adoptie van robotische automatisering in de auto-industrie. Ten eerste en voornaamste blijft de kosten te hoog. Kosten omvatten niet alleen de aankoop van de robots zelf, maar ook diverse andere significante gerelateerde kosten. Typische robotische werkcellen vereisen uitgebreide engineering-coördinatie. Het simpelweg deployen van één of meer robots in een werkcel is een dure taak. Vervolgens, zodra de werkcel geëngineerd is, moeten de robots geprogrammeerd worden. Robotprogrammering is de pijn van veel ingenieurs – en van de fabrikanten die ze moeten betalen om dit te doen. De hoge kosten van het deployen van robotica kunnen niet afgeschreven worden door iemand die kleine productievolumes of laagwaardige producten produceert en hebben zich zelfs als moeilijk bewezen voor leveranciers om op schaal uit te rollen. Recente bevindingen van de International Federation of Robotics tonen aan dat gemiddeld 75 procent van de levensduur bedrijfskosten voor industriële robots afkomstig zijn van programmeren. Bij elke taakwijziging moet de applicatie herprogrammeerd worden.

Een tweede barrière voor adoptie is onflexibiliteit. Eenmaal je je werkcel geëngineerd en je robots geprogrammeerd hebt, sta je vast – zolang je niets verandert in wat je doet. Elke verandering – of het nu een nieuwe robot is of een variatie in het productieproces – vereist herprogrammering (minimaal), en waarschijnlijk begint een proces van re-engineering en revalidatie van de werkcel om robotplaatsing te veranderen. Deze onflexibiliteit maakt robotica onhaalbaar voor iedereen die een verscheidenheid aan producten met kleine volumes produceert.

De derde barrière is de slechte marginale voordelen van het toevoegen van robots aan werkcellen. Een enkele robot programmeren is een uitdaging; meerdere robots programmeren om in een gedeelde ruimte te werken, zonder botsingen, is een buitengewoon moeilijke taak die maanden aan engineering-tijd consumeert. Feitelijk is multi-robot programmeren zo moeilijk dat ingenieurs vereenvoudigingen maken om programmeringstijd te verkorten ten koste van aanzienlijk verminderde efficiëntie.

De meest voorkomende vereenvoudiging is het gebruik van "interferentie-zones," die verbieden dat meer dan één robot in een ruimte is die door meer dan één robot bereikt kan worden, zelfs als in de praktijk meerdere robots dergelijke ruimtes vaak zonder botsing kunnen delen. Vanwege het gebruik van interferentie-zones is het niet ongebruikelijk te vinden dat een werkcel met vier robots prestaties levert die minder dan twee keer die van één robot is. Deze lage efficiëntie van multi-robot werkcellen drukt het gebruik van robots naar beneden, zelfs in bedrijven die ze zich kunnen veroorloven.

Als we het potentieel van robotica willen ontgrendelen, moeten we de barrières voor adoptie verlagen. We willen dat iedereen in de automotive-sector groter gebruik kan maken van robotica. Omdat de kosten van robots en engineering-tijd onwaarschijnlijk zullen dalen, zijn de sleutelhefbomen in ons beheer de tijd en kosten van deployment en programmeren.

Om onze doelen te bereiken, hebben we robots nodig die aanpasbaar zijn aan hun huidige situatie, waardoor ze in relatief ongestructureerde werkcellen kunnen opereren. Aanpasbaarheid hangt af van twee capabilities: betrouwbare visie en snelle bewegingsplanning:

• Betrouwbare visie – stelt robots in staat hun omgeving te observeren en te reageren. Democratisering vereist dat visie niet alleen betrouwbaar is, maar ook relatief goedkoop. Gelukkig bestaan veel goede, goedkope opties voor visie, en ze worden steeds beter en goedkoper.
• Bewegingsplanning – het proces van berekenen en coördineren hoe een robot van zijn huidige houding naar de gewenste houding komt zonder botsing – moet snel genoeg zijn om aan te passen aan dynamische omgevingen, met name voor omgevingen die mensen omvatten. Bewegingsplanning prestaties hebben historisch niet volstaan voor general-purpose toepassingen, wat leidde tot robots die of langzaam reageren, of zonder visie opereren (bijv. in een werkcel die hoog geëngineerd is, zodat de robots nooit hoeven te reageren). Recente vooruitgang in academie en industrie suggereert echter dat de bewegingsplanning bottleneck snel zal vallen.

Democratisering vereist ook robots die snel geprogrammeerd kunnen worden terwijl ze nog steeds hoge prestaties leveren. Op dit moment kunnen we of hoge prestaties bereiken, of te verklaren (maar nog steeds lange) programmeringstijden, en de industrie heeft consistent het laatste gekozen. De enige oplossing voor het verminderen van programmeringstijd en het verbeteren van prestaties is grotere automatisering van de programmering zelf.

Ingenieurs vragen om te redeneren over de trajecten van meerdere armen terwijl ze al hun bewegingen choreografiëren, is geen pad naar succes. De automotive-industrie heeft nieuwe softwaretools nodig die het grootste deel of al die inspanning van de ingenieurs wegnemen, zodat ze simpelweg de taken specificeren die ze willen dat de robots uitvoeren, en de software genereert de robotprogramma's. Deze vooruitgang zou elke robotprogrammeurs productiviteit verbeteren op veel dezelfde manier dat algemene (niet-robot) programmeren in een high-level taal zoals Java of Python veel grotere programmeursproductiviteit mogelijk maakt dan programmeren in assembly-taal. De sleutel in beide gevallen is het bieden van een hoger niveau van abstractie aan de programmeur en het gebruiken van softwaretools om deze makkelijker te schrijven code automatisch om te zetten in wat er op het lagere niveau nodig is.

De robotica-industrie heeft haar potentieel in de automotive productiesector en supply chain verreikt, maar met innovaties in slechts een paar sleutelgebieden zou veel meer waarde gerealiseerd kunnen worden. Het democratiseren van robotica zou veel automotive-bedrijven in staat stellen extra robots te introduceren en er enorm van te profiteren. Bovendien kunnen we de waardepropositie vergroten door kosten te verlagen en het marginale voordeel van het toevoegen van robots aan werkcellen te verbeteren. Het eindresultaat zou een grote toename in domestic productiecapaciteit zijn en een kans om meer betrouwbare domestic supply chains te creëren, wat helpt het land beter voor te bereiden op toekomstige pandemie-niveau storingen in materialen of arbeid.