工業(yè)制造

老齡化導(dǎo)致勞動(dòng)人口的減少以及產(chǎn)品制造所需要的高技能、知識(shí)型人才不足等問題正困擾著制造業(yè)現(xiàn)場。另一方面，消費(fèi)者的需求迅速變化，更趨于多樣化。為了應(yīng)對這些需求，工廠需要快速切換生產(chǎn)品種和數(shù)量，并做到在世界任一地點(diǎn)都能夠快速啟動(dòng)生產(chǎn)。制造業(yè)所面臨的環(huán)境日趨復(fù)雜，產(chǎn)品制造企業(yè)正在進(jìn)行一場前所未有的、針對“超級生產(chǎn)力”、“超級靈活性”等高難度課題的挑戰(zhàn)。

在制造業(yè)領(lǐng)域，越來越多的工廠使用機(jī)器人來完成產(chǎn)品搬運(yùn)和拾取作業(yè)。另外，通過對溫度、速度等與生產(chǎn)設(shè)備有關(guān)的所有數(shù)據(jù)進(jìn)行傳感，IoT也越來越廣泛地被引入制造業(yè)的現(xiàn)場，從而使那些未經(jīng)長期訓(xùn)練的員工也能夠很好地完成原本只能由經(jīng)驗(yàn)豐富的員工去完成的機(jī)械維護(hù)作業(yè)。而AI技術(shù)的發(fā)展也在推動(dòng)人們不斷去發(fā)現(xiàn)那些超越人類現(xiàn)有認(rèn)知的制造方法。

將自動(dòng)搬運(yùn)機(jī)器人應(yīng)用到生產(chǎn)線上，可以快速、靈活地變更生產(chǎn)的品種和數(shù)量。但另一方面，機(jī)器人的引入會(huì)使生產(chǎn)啟動(dòng)前的設(shè)備準(zhǔn)備時(shí)間大大延長。歐姆龍正致力于建設(shè)“靈活性生產(chǎn)線”，努力把這一安裝調(diào)試時(shí)間壓縮到最短。

要讓機(jī)器人與其他自動(dòng)設(shè)備合作，需要不斷地進(jìn)行調(diào)整作業(yè)，還需要為機(jī)器人按照特定位置定制工具。就目前而言，要想讓機(jī)器人擁有和人類一樣的靈活性，還離不開專用的工具。

歐姆龍讓生產(chǎn)線上的自動(dòng)設(shè)備、機(jī)器人以及安全傳感器實(shí)現(xiàn)自主協(xié)作，從而顯著減少安裝調(diào)試和產(chǎn)品切換所需要的調(diào)整作業(yè)。

另外，歐姆龍還將實(shí)現(xiàn)機(jī)器人本身的高速化，讓一臺(tái)機(jī)器人能夠從事多種工作，具備與人類一樣的靈活性，以便抓取、組裝產(chǎn)品。這樣，一臺(tái)機(jī)器人可以覆蓋的作業(yè)范圍擴(kuò)大了，在生產(chǎn)時(shí)，就無須像以前一樣根據(jù)生產(chǎn)品種準(zhǔn)備相應(yīng)種類的專用工具。

而要快速啟動(dòng)生產(chǎn)需要解決的另外一個(gè)課題就是如何減少為了讓自動(dòng)設(shè)備與機(jī)器人適當(dāng)動(dòng)作所需要的編程工時(shí)。通過充分利用“knowledge”，歐姆龍努力解決這一課題。

將機(jī)械在已有生產(chǎn)線上學(xué)習(xí)到的動(dòng)作模式以及何時(shí)、如何變更設(shè)置等知識(shí)作為“Knowledge”存儲(chǔ)于機(jī)械中，之后在構(gòu)建相同的生產(chǎn)線時(shí)就可以讓機(jī)械自己編程，從而大幅減少人工作業(yè)。這樣，把以前積累的工廠中的知識(shí)加以充分利用，就可以根據(jù)需求迅速啟動(dòng)生產(chǎn)。

生產(chǎn)快速啟動(dòng)之后，還有一個(gè)無法回避的問題就是“不良品”、“機(jī)器故障”等“事故”的發(fā)生。事故主要可以分為人為操作失誤等人為事故和因機(jī)械而起的機(jī)械事故?！吧a(chǎn)線零事故”所描繪的制造業(yè)的未來就是要讓機(jī)械自己進(jìn)行思考，在事故發(fā)生前就能察覺事故隱患，防患于未然。

為了實(shí)現(xiàn)“生產(chǎn)線零事故”，歐姆龍正在加強(qiáng)“4M傳感”，它能夠?qū)ιa(chǎn)中必要的人（Man）、機(jī)械（Machine）、材料（Material）、方法（Method）等4個(gè)"M"的變化情況進(jìn)行準(zhǔn)確感知。同時(shí)，歐姆龍還在強(qiáng)化能夠基于傳感信息來預(yù)測并防止事故發(fā)生的AI技術(shù)。

比如說，在“零人為事故”方面，它能夠根據(jù)生產(chǎn)線工人的動(dòng)作和身心狀態(tài)――如是否疲勞等――來及時(shí)預(yù)測可能發(fā)生的事故，并將原因及改善方法告知生產(chǎn)線管理者。在“零機(jī)械事故”方面，它能夠自動(dòng)推測可能誘發(fā)故障的零件以及該零件的壽命，通過在故障發(fā)生前的設(shè)備維護(hù)期間更換相關(guān)零件，來防止可導(dǎo)致長期停產(chǎn)的大型事故的發(fā)生。另外，它還可以通過提出零件更換和設(shè)置變更方案，把一些能夠立即解決的設(shè)備問題、相對較小的事故的發(fā)生概率控制在較小范圍內(nèi)。

近年來，利用大數(shù)據(jù)的深度學(xué)習(xí)技術(shù)急速發(fā)展。AI技術(shù)與能夠捕捉生產(chǎn)一線不可或缺的人（Man）、機(jī)器（Machine）、材料（Material）、方法（Method）變化的“4M感知”一樣，尤其重視以小數(shù)據(jù)為基礎(chǔ)的學(xué)習(xí)技術(shù)。因?yàn)樵跀?shù)據(jù)收集過程中，生產(chǎn)線上不一定會(huì)事故頻發(fā)，為預(yù)知事故發(fā)生，需要構(gòu)建即使只有少量異常數(shù)據(jù)也能進(jìn)行預(yù)知的高精度模型。歐姆龍不僅加強(qiáng)利用大數(shù)據(jù)的深度學(xué)習(xí)技術(shù)，對小數(shù)據(jù)學(xué)習(xí)技術(shù)也進(jìn)行了強(qiáng)化。

歐姆龍將借助“靈活性生產(chǎn)線”、“生產(chǎn)線零事故”這一未來時(shí)代的工業(yè)制造，為制造業(yè)企業(yè)所進(jìn)行的“超級生產(chǎn)力”、“超級靈活性”的挑戰(zhàn)不斷做出貢獻(xiàn)。