互联网+ 电子商务 智能家居 地理信息 智能制造 信息安全 3D打印 工业4.0 人工智能 光伏 新能源汽车 消费品 集成电路 移动支付 汽车 数据中心
2017人工智能·甲秀论剑分论坛
当前位置:首页 > 产业观察 > 工业 > 装备制造 > 正文

最新美国制造业机器人路线图

发布时间: 2017-02-16 08:57     来源: 机器人圈

美国制造业占了12%的全国GDP以及占有9%就业人员总数。接近70%来自美国的进出口和制造业有关。该行业代表了一个对国家经济健康非常重要的领域。 在过去的40年中,机器人应用方面取得了巨大的进步,特别是在汽车行业。最近,电子行业已经成为主导行业。在2011年,制造业的机器人销售增长了44%,这是美国生产系统复苏的一个明显原因。在一些公司,机器人生产系统已经被用来作为生产制造的促进者,如苹果、联想、特斯拉、富士康等等。机器人的应用正从一些大公司如通用、福特、波音、洛克希德·马丁公司等到中小型企业过渡,使得一次性产品的制造呈现爆发状态。

在《机器人技术能否让美国制造业腾飞?》一文中我们总结了机器人及自动化技术在美国制造业以及在美国经济中所占的重要地位,描述了机器人及自动化技术将在何处大大提高生产力,并展现了一个具有远见的研究与发展路线图,使美国的国家投资能够对这些重点研究领域起到推动作用。

blob.png

美国国家科学基金会颁布了一个为期十五年的机器人领域技术路线图,制造业作为单独一张论述。在报告中提出的研究计划将显著增强美国的制造业经济,将有利于形成一个受过良好训练的并具有高超技术的生产线,创造新的就业机会,并且将在美国经济的再次崛起起到重要的作用。

路线图研究流程

美国制造业技术路线图描述了制造业通过发展一系列机器人技术领域的基础技术使其关键能力得到发展的前景。每一项关键能力都由一个或多个在制造业中广泛应用的领域发展而来,且都指向某些基础研发的主要技术领域(如下图)。将路线图的内容整合为连贯的方案是非常重要的。

blob.png

机器人技术对制造业的影响

现在我们用假想的例子对具有一定影响力的机器人技术应用和在应用中具有很大积极作用的关键能力进行介绍。这些假想的场景有助于说明制造业模式的变化,也是能力与技术融合的实例。本路线图阐明了各项能力在5年,10年,15年时的关键节点。

事例1:流水线辅助机器人

汽车制造商面临着其新型电动汽车订单的激增,需要快速整合其他已生产完毕的早期型号汽车流水线的生产能力。流水线快速地进行了任务的重新分配,以适应新的汽车模型。工厂购置了一组流水线辅助机器人,其被很快地进行了设置并开始与人类工人一起完成新的任务。流水线的第一项作业是要对机器人参数进行微调以优化其传感器系统与机器学习算法,第二项作业是在四天的执行时间里使工厂产量翻番。紧接着,一个关键供应商要求更改装配序列以适应电池组在装配过程中的耐受程度。于是工程师使用计算工具快速修改了装配程序,将其打印给工人,并将新的装配程序上载至流水线辅助机器人。这种灵活的制造业正逐步进入我们的生活。比如,2012年8月,Rethink Robotics公司宣布,其价值2万2千美元的机器人Baxter可由未经培训或极少培训的演示示范而直接对其进行编程。安装与操作成本的降低将改变未来自动化技术在商业案例中的应用。

事例2:独特离散部件制造与组装

一个职业医师来到一个只有5名员工的主要接受来自医疗器械公司订单的小工场。他想制造一种乘坐轮椅的四肢瘫痪病人所使用的头部控制输入装置。今天,这种特殊的设备都非常昂贵,因为对其进行制造与组装将花费大量的时间与劳动来对机器进行设置。这个小工场的老板拥有一台可接受语音及手势命令的机器人,在机器人不知如何处置时可对其进行指示。这台机器人能将加工材料放置于铣床或车床上并开动机器,并且能够对必要的机械与电子组件进行设置,并在指令模糊而无法动作时请求协助。在不同工作位置之间的移动中,机器人能够清理冷却剂的泄漏并且对在狭小空间进行工作的工人进行安全提示。机器人能够响应工作时的快速请求,并且不会因为该请求会对其主要工作造成延迟而拒绝。最后,机器人对组件进行装配并且在下午将产品装车。这样的突发性工作对工场的日常工作只造成了很小的中断。

事例3:快速、集成且基于模型的供应链设计

国外主要供应商提供的用于婴儿配方奶粉的包装被发现具有严重的质量控制问题。在美国的首席工程师能够使用综合的多尺度模数融合供应链模型,引入新的供应商,重用供应链中可重用部分并且对整个供应链的转变造成影响:包括生产、分配、装箱、供应及分销。整个转变中最重要的部分是20台用于快速生产以对包装袋进行重新设计的机器人。

这些例子在今天看起来也许还很遥远,但我们已经拥有了技术基础,大量的专业人员、教育基础设施以及在关键技术领域适当的投资。这些基础能够让我们在15年内实现上述目标。

制造业的关键能力

在本节中,我们将对制造业的关键能力进行简要地讨论,并且给出5年、10年及15年可能会达到的技术节点。在后续内容中,我们将讨论一些可以使我们达到上述技术节点的具有前景的研究方向。

具备可适应性及重构性的生产线

今天,一种新产品从概念设计到在生产线上进行制造之间的时间间隔大得无法接受。对于一辆新型汽车来说,这个时间间隔能长达两年。当面对一个新的产品以及可以进行生产的生产线子系统时,我们希望能够对子系统进行重构设置,设立工作站来进行新产品的生产。因此,在未来15年,具备适应性及重构性生产线的路线图包含下面三个目标:

自主导航

blob.png

自主导航是一项基本能力,这将影响采矿和建筑装备的自动化,原材料到成品的高效运输,在装配生产线上对原材料进行装卸处理并将成品带往检查站的导引车辆的自动化,以及类似于入库存储和调配的后勤支持的操作。使机器人能够在包含静止障碍物、车辆、行人以及动物的非结构化环境中进行安全的自主导航,需要在组成部件技术上有关键性的投资。自主导航的路线图包含以下技术节点:

blob.png

 

绿色制造业

美国建筑师William McDonough说:“污染是设计(与制造)失败的标识”。目前,从组件到系统,满足自上而下需求的制造业需要进行全面的重新构想。制造业对于减少废弃物的解决方式绝大部分是针对于生产过程中产生的废弃物、可利用废弃物以及在停工和维护时产生的废弃物。我们针对绿色制造业的路线图着眼于所有组件及系统在整个生产过程中的回收利用,其过程包括从原材料的开采与加工,到产品制造与分发,到最后材料的回收。为了能够达成逐步的改变,我们必须引进新的制造业技术且新产品的设计也必须遵循绿色制造这一目标。比如,向增材制造过渡将会极大地减少产品或零件生产中产生的废料。新的物流系统也需要具有广泛的回收能力。目前,物流系统很难回收那些制造企业无法回收或其本可以进行回收但不回收的材料。我们非常关注制造业基础设施的重用、原材料的回收、每一个制造环节里对能源使用的最小化以及为生产新产品对子系统进行重新设置。

blob.png

类人的灵巧操作技术

机器人手臂与手掌的灵活度最终将超越人类。在速度与强度方面,这已经是既成现实。然而,与机器人对手相比,人类的手在完成那些需要高灵巧度方面的任务时仍然具有优势。这种差距归因于机器感知、可靠的高保真传感器以及规划与控制等关键技术。机器人的灵巧操作技术路线图包含以下的技术节点:

blob.png

基于模型的供应链整合与设计

目前,计算机领域与信息科学的发展使将物理制造过程模型化、使研究人员“将图灵机带进制造业”成为可能。如果完成此项技术,制造业会像数据库及计算机一样蓬勃发展,使系统与组件具有互操作性,产品具有更高的质量、更好的可靠性、更低的成本以及更快地进行交付。所以,基于模型的供应链整合与设计路线图具有以下的技术节点:

blob.png

纳米级制造

经典的基于CMOS的集成电路与计算模式正被新的纳米级制造与计算技术超越。我们已经看到了非硅微系统技术以及使用自然界中观察到的合成技术进行构建的新方法的成长与发展。微机电系统(MEMS)、低功耗超大规模集成电路以及纳米技术的发展已经使次毫米级自供能机器人的出现成为可能。新的并行甚至随机装配技术有望出现。传统的制造方式将被新的、目前只存在于想象中的纳米级制造方式所取代。故纳米级制造以及纳米机器人技术必须强调其基础研发:

blob.png

非结构化环境感知技术

在自动化制造业中,固定的自动化设备已被证明更加易于进行大规模生产。除了一些特定应用之外,柔性自动化技术以及大规模定制自动化技术的前景并未受到关注。造成这种现象的主要原因之一是固定的自动化设备为自身构建了一个结构化的环境以极大地简化“智能”制造所面临的挑战。小批量的自动化制造要求机器人更加智能、灵活,并能在与人类工人共同工作的低结构化环境中安全地运行。比如,在产品流层面,机器人及其他机器设备需要在各种不同的地点进行工作,以完成对产品(比如一辆飞机或一艘轮船)的制造,而在功能层面,则是产品在各种机器设备间进行运动。单一部件制造的挑战性加剧了上述困难。感知技术的路线图包含以下技术节点:

blob.png

与人类共事的内禀安全机器人:机器人大众化

现在有很多关于内禀安全机器人的讨论,这些讨论并不只是局限于“内禀安全”这个词汇的具体含义。“内禀安全”的设备被定义为“在正常或异常条件下,在某种特定危险气体最易被点燃的情况下,无法释放出足够将其引燃电能或热能的设备或布线”。简而言之,一台“内禀安全”的设备无法引燃可燃气体。“内禀安全”的要求显然也需要像其他被设计用制造业领域的机器一样,在机器人系统中得到重视。虽然显而易见的是“内禀安全”会为机器人的行为带来更多负担,但也许这更关系到“内禀”这个词本身的定义。

内禀:属于其本质或构造的事物;来源并包含于有机体或其部分。这就是症结所在:我们期望机器人必须从内在来说就是安全的,对人类完全无害的,不管这会有怎样的代价。这来源于那种恐惧人类可能会制造出某种凌驾于人类之上的东西的文化。也许,我们已经制造出了凌驾于人类之上的产物。

比如,汽车是危险的。第一辆不用马匹的马车对于路上其他传统的马车来说是个威胁,不过我们早已过了那个年代。现在的高速公路上,你可以以超过120公里的速度超车。这并不是说汽车具有“内禀安全“,而是说我们已经学会接受汽车带来的风险。随着时间的过去,我们逐渐创造了一个依赖于人类对其能力、限制以及在高速路上开车所面临风险都具有认知的交通系统。我们将汽车大众化,让汽车与大众相关,让大众需要汽车,汽车才成为我们社会的一部分。

在制造业领域中进行机器人的大众化,必须引入一个类似的风险和责任评估模型。像开车一样,制造业的环境本身就蕴含一定程度的风险。我们的目标是当机器人被加入到制造业中时,风险程度不会因此提高。对此目标是否达到的一个可以接受的衡量指标是工作损失天数。如果工作损失天数在引入机器人或自动化设备之后没有增加,那么我们就走在机器人大众化的正确道路上。之后我们将继续发展并细化安全标准,并且为用户自定义任务找到工程系统化的解决方案。

事实上,我们必须安全地展开并且持续鼓励针对用户沟通需求的协同解决方案。这就包括对每个自动装置的能力、限制以及相关风险进行定义。创新的多样性将推动对机器人风险和责任评估模型的接受。社会对人类与机器人同在工厂工作的理解与大的文化环境将会随着机器人的大众化一起到来。上述社会氛围只会在机器人用户数量拓宽的基础上随时间慢慢发生。自然语言编程、控制学习以及材料技术的进展都是可能加速这一过程的潜在途径。

机器人与人类共事的路线图如下:

blob.png

收藏