Aitad是一家專注于嵌入式AI技術(shù)的公司。Aitad的創(chuàng)始人Viacheslav Gromov分享了如何應(yīng)用專門的知識(shí)來增強(qiáng)機(jī)器人的穩(wěn)定性。這種穩(wěn)定性可以節(jié)省大量資金...

Viacheslav Gromov，是德國Aitad公司的首席創(chuàng)始人，深知若機(jī)器的運(yùn)行費(fèi)用每小時(shí)為2,500歐元，那么機(jī)器人臂或其他工業(yè)機(jī)器人的任何故障都會(huì)迅速增加費(fèi)用。因此，預(yù)防因技術(shù)問題導(dǎo)致的運(yùn)行中斷是至關(guān)重要的，無論公司是僅使用一個(gè)機(jī)械臂還是多臺(tái)工業(yè)機(jī)器人。故障不僅會(huì)導(dǎo)致生產(chǎn)暫停，還會(huì)對倉儲(chǔ)成本帶來重大壓力。如果不這樣做，就需要持續(xù)保持大量關(guān)鍵備件的庫存。

格羅莫夫指出：“很難獲取關(guān)于生產(chǎn)機(jī)器人停機(jī)時(shí)間的官方數(shù)據(jù)。同時(shí)，這些數(shù)據(jù)的差異也很大，因此很難精確估算由此產(chǎn)生的損失。但在汽車行業(yè)，每家公司每年因停機(jī)而產(chǎn)生的損失可以高達(dá)數(shù)百萬美元。根據(jù)行業(yè)經(jīng)驗(yàn)，常見的故障部件包括連接部件、驅(qū)動(dòng)設(shè)備和液壓系統(tǒng)。由于自然磨損，隨著時(shí)間的流逝，機(jī)械臂的精度會(huì)降低。但這種情況是可以避免的?！?/p>

走出固定的機(jī)器人維護(hù)流程

Gromov表示，為了解決這個(gè)問題，機(jī)器人制造商已經(jīng)制定了更或少嚴(yán)格的維護(hù)流程。目前，修正或預(yù)防性維護(hù)是主流做法。但選擇性的修復(fù)性維護(hù)可能會(huì)加速機(jī)器人部件的磨損。他進(jìn)一步解釋，在現(xiàn)實(shí)中，機(jī)械臂往往只有在真正需要維修或維護(hù)時(shí)才會(huì)得到維修。或者進(jìn)行預(yù)防性維護(hù)而不考慮機(jī)器的實(shí)際狀態(tài)?！耙虼耍瑱C(jī)器人制造商開始采用狀態(tài)監(jiān)測系統(tǒng)。這涉及基于機(jī)器人的實(shí)際狀態(tài)來預(yù)測未來的維護(hù)需求?！钡A(yù)測仍然是一個(gè)模糊的概念。事實(shí)上，狀態(tài)監(jiān)控只是一種更精細(xì)的故障檢測手段。它提供了更多的預(yù)測性維護(hù)優(yōu)勢。

數(shù)據(jù)量大的確好，但如何有效傳輸？

Gromov指出，在實(shí)際操作中，正確地收集關(guān)于系統(tǒng)或機(jī)器人的數(shù)據(jù)并有效地評估它們并不簡單。許多機(jī)器人還是通過一系列傳感器來進(jìn)行監(jiān)控，但這些傳感器功能有限，只能收集部分?jǐn)?shù)據(jù)。盡管如此，他強(qiáng)調(diào)，當(dāng)涉及數(shù)據(jù)量時(shí)，“越多越好”這一說法是適用的，但也需要注意。收集和評估的數(shù)據(jù)越多，對未來機(jī)器狀況的預(yù)測就越精準(zhǔn)。但數(shù)據(jù)傳輸?shù)木W(wǎng)絡(luò)容量是一個(gè)難題。例如，詳細(xì)的振動(dòng)數(shù)據(jù)通常會(huì)產(chǎn)生大量的數(shù)據(jù)，這使得數(shù)據(jù)的傳輸變得極為困難?！艾F(xiàn)在，這種問題通?？梢酝ㄟ^所謂的邊緣計(jì)算來解決。算法將嘗試僅篩選出關(guān)鍵數(shù)據(jù)，然后傳輸?shù)娇刂破鬟M(jìn)行實(shí)際評估?！盇itad的創(chuàng)始人這樣解釋。但他也坦言，這需要強(qiáng)大且昂貴的計(jì)算能力，并會(huì)影響整個(gè)系統(tǒng)的效率。

嵌入式AI：一種更經(jīng)濟(jì)的機(jī)器人優(yōu)化技術(shù)

Gromov提到，如果想要盡量消除機(jī)器人的故障并降低成本，最佳做法是在源頭對傳感器數(shù)據(jù)進(jìn)行分析。這并不是遙不可及的未來，但隨著半導(dǎo)體技術(shù)的進(jìn)步，特別是在運(yùn)行“嵌入式”人工智能的特定流程中，這在過去幾年已經(jīng)變得可能。這種嵌入式AI傳感器只傳輸評估后的結(jié)果，大大減少了傳輸?shù)臄?shù)據(jù)量。同時(shí)，處理大數(shù)據(jù)的能力也得到了增強(qiáng)，從而可以進(jìn)行更深入、更準(zhǔn)確的評估。格羅莫夫補(bǔ)充：“如果你在機(jī)器人中使用嵌入式AI，你不僅可以了解到當(dāng)前的磨損狀況，還可以對部件甚至整個(gè)機(jī)器的預(yù)期使用壽命進(jìn)行精確預(yù)測。與在邊緣系統(tǒng)中使用的算法相比，嵌入式AI的優(yōu)勢在于，即使是復(fù)雜且難以預(yù)測的事件也可以被識(shí)別，并立即觸發(fā)適當(dāng)?shù)姆磻?yīng)。例如，非典型的振動(dòng)模式可能意味著變速器有問題。

嵌入式AI不僅能更深入地分析數(shù)據(jù)。由于其對資源的需求較低，因此其成本并不高。因此，你可以用更少的投資獲得更高的性能?！皞鹘y(tǒng)的預(yù)測維護(hù)系統(tǒng)可能會(huì)花費(fèi)數(shù)千美元，而嵌入式AI的成本可能低至數(shù)十美元?！边@也意味著更多的機(jī)器人可以享受到這種技術(shù)的好處，從而進(jìn)一步降低維護(hù)成本。