| Poslechněte si tento článek |
Automatizace v Věk konvergence IT-OT
Společnosti neustále hledají lepší způsoby, jak rozšířit své stávající provozní zatížení, optimalizovat výrobní procesy a snížit celkové emise oxidu uhličitého (CO2). Využití operačních technologií (OT) a informačních technologií (IT) pomohlo podnikům lépe kontrolovat jejich operace díky monitorování cenných aktiv, snížení počtu opakujících se a rutinních úkolů a zlepšení kontroly kvality. Nicméně IT a OT byly tradičně vyvíjeny odděleně bez možnosti využívat provozní a produkční data k přijímání informovanějších rozhodnutí pro optimalizaci pracovních postupů a dobře naplánované procesy výroby a údržby.
Vznik internetu věcí (IoT) v posledních letech stírá hranice mezi těmito dvěma systémy, což vede ke konvergentnějšímu řešení. Zařízení IoT patřící do IT domény mohou sbírat provozní a produkční data z terénu a předávat je do OT systémů.
Konvergence IT a OT umožní pracovníkům dělat více a jít dále se svými vylepšeními, čímž se dosáhne správné rovnováhy mezi náklady na podnikání a investicemi do strategických technologií. Tato konvergence navíc podnikům umožní urychlit jejich digitální transformaci a optimalizovat jejich stávající pracovní postupy, a to vše bez nutnosti rychlého rozšiřování.
Graphics Processing Units (GPU) se ukázaly jako ideální pro provádění zpracování dat na základě algoritmů Machine Learning (ML), které umožňují robotům provádět rozpoznávání objektů a fúzi senzorů. Další pokrok přinesl vývoj aplikací ASIC (Application-Specific Integrated Circuit), které vynikají ve specifických aplikacích ML, jako je zpracování videa a rozpoznávání řeči.
Automatizace robotiky
Jednou z technologií, které nejlépe reprezentují konvergenci IT-OT, je řízení provozu prostřednictvím robotické automatizace. Díky automatizovaným procesům mohou společnosti analyzovat data, získávat cenné poznatky a získat lepší přehled o výkonu svých produkčních míst, což jim pomáhá přijímat rozhodnutí na základě dat. Vývoj robotiky však byl tradičně velmi složitý a náročný. Vzhledem k tomu, že se očekává rychlý nárůst poptávky po robotech, lze současnou míru inovací urychlit vhodnou nabídkou hardwaru a softwaru.
Vzestup robotiky
Obecně platí, že nasazení robotů vedlo tato zařízení k hostování nových funkcí, jejichž cílem je zvýšit bezpečnost pracovníků, snížit namáhavé a nebezpečné úkoly pro lidské zaměstnance, urychlit e- obchodní plnění a dodávky a zvýšit flexibilitu a odolnost podniku. Tyto nové funkce vyžadují implementaci vysoce přesných senzorů, které splňují požadavky na funkční bezpečnost a prevenci rizik, kamery pro detekci, lokalizaci a navigaci a robotický middleware pro zavádění aplikací. Klíčové pokroky v robotickém hardwaru v posledních letech umožňují výrobcům robotických originálních zařízení (OEM) vyvíjet roboty, které dokážou vidět a vnímat své prostředí:
Zároveň si velkou pozornost zaslouží také pokroky v softwaru a službách:
Prostřednictvím těchto klíčových vylepšení mohou nyní roboti bezpečně a spolehlivě pracovat po boku člověka. Kromě průmyslových robotických ramen se v posledních letech objevilo více tvarových faktorů, jako jsou kolaborativní roboti (coboti), AGV, AMR, automatizované skladovací a vyhledávací systémy (ASRS) a bezpilotní vzdušná vozidla (UAV).
Společným jmenovatelem všech těchto robotů je jejich schopnost vnímat okolní prostředí a rozumět mu. Tato autonomie je umožněna prostřednictvím několika modelů ML nalezených v robotech, jako je detekce a segmentace objektů, lokalizace a předcházení kolizím, plánování pohybu pro navigaci a manipulaci, odhad pozice a integrace senzorů.
Edge ML umožňuje uživatelům robotiky pochopit horu dat, která shromažďují ze svých aktiv, a dělat mnohem lepší obchodní rozhodnutí na základě každodenního provozu, trendů používání a chování zákazníků.
Edge ML v robotice
Výrobci robotů OEM zabudovali do svých robotů edge ML, aby jim pomohli s prováděním kritických funkcí, včetně zpracování senzorů, odometrie, lokalizace a mapování, vidění a vnímání, a plánování trasy. Tyto modely ML hostované uvnitř robotů automaticky zpracovávají data shromážděná roboty a generují výstup, který určuje akce robotů. Edge ML má oproti svému cloudovému protějšku několik klíčových výhod:
Edge ML umožňuje uživatelům robotiky pochopit horu dat, která shromažďují ze svých aktiv, a dělat mnohem lepší obchodní rozhodnutí na základě každodenního provozu, trendů používání a chování zákazníků. K dosažení bezproblémového nasazení okrajového ML vyžadují výrobci robotiky správný typ procesorů, které by vyřešily obavy týkající se soukromí dat, energetické účinnosti a nízké latence a zároveň poskytovaly vysoký výpočetní výkon na zařízení. Výrobci OEM navíc spoléhají na softwarovou podporu edge ML od těchto dodavatelů procesorů, aby urychlili nasazení edge ML. Komplexní řešení edge ML od zavedených dodavatelů může snížit složitost a urychlit návrh a operace edge ML a zároveň poskytuje orchestraci pracovní zátěže, simulaci školení a testování a podporu přeškolování modelů.
To znamená, že nasazení edge ML v robotech zůstává složité. Vyšší výpočetní kapacita sama o sobě nestačí. Společnosti potřebují předem vyškolené modely, vývoj a optimalizaci aplikací a aplikace ML pro více praktické koncové uživatele.
Nástroje a služby urychlující vývoj robotiky
Pokročilá průmyslová robotika je nabitá mnoha funkcemi schopnými provádět řadu kriticky důležitých funkcí. Provádění a orchestrace těchto funkcí vyžaduje vysoce sofistikovaná, zhuštěná a škálovatelná řešení zpracování, která dokážou zpracovat více souběžných aplikací, pracovních zátěží a inferenčních kanálů AI bez neustálého spoléhání se na zdroje cloud computingu. Tato řešení by také měla podporovat vysokorychlostní rozhraní pro ovládání více senzorů, které jsou součástí moderních průmyslových robotů.
NVIDIA je jedním z klíčových dodavatelů procesorových platforem, kteří této oblasti věnují zvláštní pozornost. Na GTC 2022 uvedla NVIDIA na trh vývojářskou sadu Jetson AGX Orin a System-on-Module (SOM) založenou na architektuře GPU Ampere s až 2 048 paralelními jádry CUDA, až 64 jádry Tensor a více na 2 motory Deep Learning Accelerator (DLA). Toto řešení je navrženo tak, aby zvládlo stále se zvyšující pracovní zátěž a požadavky na více souběžných aplikací tím, že umožňuje až 275 tera operací za sekundu (TOPS) výpočetního výkonu, což je 8x více než u Jetson AGX Xavier, jeho předchůdce.
Pro urychlení doby uvedení na trh nabízí NVIDIA také Isaac Nova Orin, který obsahuje dva Jetson AGX Orin SOM, které poskytují až 550 TOPS výpočtů AI, a sadu senzorů skládající se z až šest kamer, tři senzory LiDAR a osm ultrazvukových senzorů. To poskytuje referenční návrh pro společnosti, které chtějí, aby jejich roboti využívali plné schopnosti Jetson AGX Orin.
To znamená, že nasazení edge ML v robotech zůstává složité. Vyšší výpočetní kapacita sama o sobě nestačí. Společnosti potřebují předem vyškolené modely, vývoj a optimalizaci aplikací a aplikace ML pro více praktické koncové uživatele. NVIDIA Isaac, která byla poprvé uvedena na trh v roce 2018, byla navržena tak, aby podporovala vývoj robotiky prostřednictvím aplikačního rámce, softwarových balíčků s algoritmy ML, vylepšené platformy pro simulaci robotiky a různých referenčních návrhů. V září 2021 uzavřely NVIDIA a Open Robotics, vývojář ROS, dohodu umožňující interoperabilitu mezi Open Robotics’ Ignition Gazebo a NVIDIA Isaac Sim. Kromě toho vývojářům, kteří se dívají na stávající modely, aby si zjednodušili proces vývoje modelů, usnadňuje sada nástrojů NVIDIA TAO Transfer Learning Toolkit další přizpůsobení předem vyškolených modelů ML od společnosti NVIDIA pro konkrétní případy použití.
Se softwarovou podporou od NVIDIA výrobci robotiky a koncoví uživatelé virtuálně školí a optimalizují roboty pro širokou škálu úkolů. Isaac Sim poskytuje realistické prostředí pro trénování modelů navigace a manipulace. V případech, kdy jsou data z reálného světa vzácná a těžko dostupná, lze přesná data doplnit syntetickými daty, aby se zkrátil čas na trénování modelu. Společnosti provozující velkou flotilu AMR ve výrobních závodech mohou využít cloudovou sadu Software Development Kit (SDK) platformy NVIDIA DeepMap k urychlení robotického mapování rozsáhlých zařízení z týdnů na dny, rozhraní NVIDIA cuOpt Application Programming Interface (API) pro umožnění téměř reálného optimalizace směrování času a platforma NVIDIA Metropolis pro integraci standardních videokamer a senzorů s analýzou videa s podporou AI.
Navíc NVIDIA vybudovala rostoucí ekosystém, který má odborné znalosti v oblasti stavby robotů s platformou Jetson. To zahrnuje 105 společností specializujících se na AI software, hardware a služby návrhu aplikací, senzory a periferie, vývojářské nástroje, vývojové systémy a další, které poskytují doplňková řešení a služby s přidanou hodnotou. Mezi přední partnery patří SICK, LIPS, FRAMOS, Universal Robots a e-con Systems silný>. Prostřednictvím tohoto ekosystému mohou výrobci robotiky a koncoví uživatelé očekávat komplexní, integrované a přizpůsobené zkušenosti založené na hlubokém porozumění jejich potřebám.
Očekává se, že intralogistický trh pro mobilní roboty vzroste z 9 miliard USD v roce 2022 na 36 miliard USD do roku 2030. AGV i AMR jsou nasazovány v brownfields a ve skladech na zelené louce pro manipulaci s materiálem .
Komerčních příležitostí je mnoho
I když je v tomto odvětví stále silně centralizováno, technologické inovace v oblasti hardwaru, softwaru a obchodních modelů urychlují nasazení robotů ve všech hlavních tržních vertikálách. V důsledku toho se očekává, že intralogistický trh pro mobilní roboty vzroste z 9 miliard USD v roce 2022 na 36 miliard USD do roku 2030. AGV i AMR jsou nasazovány ve skladech na brownfieldech a na zelené louce pro manipulaci s materiálem.
Nyní se AMR a vysokozdvižné vozíky používají pro manipulaci s materiálem a mobilní manipulaci ve výrobě, která se očekává, že vzroste z 2,3 miliardy USD v roce 2022 na 36,4 miliardy USD do roku 2030. Očekává se, že v budoucnu budou AMR a čtyřnožní roboti stále významnější při doručování, sběru dat, zabezpečení a čištění. Očekává se, že trh s doručováním na poslední míli a maloobchodní robotika vzroste z méně než 1 miliardy USD a 1,3 miliardy USD v roce 2022 na 16,2 miliardy USD a 8,4 miliardy USD do roku 2030, v tomto pořadí.
Robotika a ML
Protože společnosti pokračují v digitalizaci a automatizaci svých současných pracovních postupů, neměly by přehlížet význam robotiky a automatizace založené na ML. Vznik podnikového prostředí založeného na datech, okrajových technologií ML, specializované platformy pro vývoj robotiky a robustního partnerského ekosystému vytváří nové příležitosti pro přijímání a přijímání robotů na různých trzích.
Současná a okamžitá aplikace robotiky je nepochybně silně zatížena většími společnostmi. Vznikající technologie přesto představují příležitost pro poskytovatele robotiky, jak úspěšně snížit bariéru přijetí pro malé a střední podniky. Komplexní hardwarové a softwarové řešení, jako je to, které nabízí NVIDIA, činí tyto technologie dostupnější jak pro výrobce robotiky, tak pro koncové uživatele. Navíc partnerství se zkušenou společností s vhodným robotickým ekosystémem, tj. od okrajové vrstvy čipové sady ML až po vrstvu softwaru a aplikací, umožňuje výrobcům robotiky zaměřit se na zdokonalování návrhu hardwaru a rozšiřování jejich přítomnosti na trhu.
O autorovi
Lian Jye Su, hlavní analytik společnosti ABI Research, je zodpovědný za organizování výzkumu souvisejícího s robotikou, umělou inteligencí (AI) a strojovým učením (ML). Vede výzkum vznikajících a klíčových trendů v těchto odvětvích, hluboce se ponoří do pokroku v klíčových komponentách, regionální dynamiky v robotice a zavádění AI a jejich budoucích dopadů a důsledků.
Související obsah
