Aitad是一家專注于嵌入式AI技術的公司。Aitad的創始人Viacheslav Gromov分享了如何應用專門的知識來增強機器人的穩定性。這種穩定性可以節省大量資金...

Viacheslav Gromov，是德國Aitad公司的首席創始人，深知若機器的運行費用每小時為2,500歐元，那么機器人臂或其他工業機器人的任何故障都會迅速增加費用。因此，預防因技術問題導致的運行中斷是至關重要的，無論公司是僅使用一個機械臂還是多臺工業機器人。故障不僅會導致生產暫停，還會對倉儲成本帶來重大壓力。如果不這樣做，就需要持續保持大量關鍵備件的庫存。

格羅莫夫指出：“很難獲取關于生產機器人停機時間的官方數據。同時，這些數據的差異也很大，因此很難精確估算由此產生的損失。但在汽車行業，每家公司每年因停機而產生的損失可以高達數百萬美元。根據行業經驗，常見的故障部件包括連接部件、驅動設備和液壓系統。由于自然磨損，隨著時間的流逝，機械臂的精度會降低。但這種情況是可以避免的。”

走出固定的機器人維護流程

Gromov表示，為了解決這個問題，機器人制造商已經制定了更或少嚴格的維護流程。目前，修正或預防性維護是主流做法。但選擇性的修復性維護可能會加速機器人部件的磨損。他進一步解釋，在現實中，機械臂往往只有在真正需要維修或維護時才會得到維修。或者進行預防性維護而不考慮機器的實際狀態。“因此，機器人制造商開始采用狀態監測系統。這涉及基于機器人的實際狀態來預測未來的維護需求。”但預測仍然是一個模糊的概念。事實上，狀態監控只是一種更精細的故障檢測手段。它提供了更多的預測性維護優勢。

數據量大的確好，但如何有效傳輸？

Gromov指出，在實際操作中，正確地收集關于系統或機器人的數據并有效地評估它們并不簡單。許多機器人還是通過一系列傳感器來進行監控，但這些傳感器功能有限，只能收集部分數據。盡管如此，他強調，當涉及數據量時，“越多越好”這一說法是適用的，但也需要注意。收集和評估的數據越多，對未來機器狀況的預測就越精準。但數據傳輸的網絡容量是一個難題。例如，詳細的振動數據通常會產生大量的數據，這使得數據的傳輸變得極為困難。“現在，這種問題通常可以通過所謂的邊緣計算來解決。算法將嘗試僅篩選出關鍵數據，然后傳輸到控制器進行實際評估。”Aitad的創始人這樣解釋。但他也坦言，這需要強大且昂貴的計算能力，并會影響整個系統的效率。

嵌入式AI：一種更經濟的機器人優化技術

Gromov提到，如果想要盡量消除機器人的故障并降低成本，最佳做法是在源頭對傳感器數據進行分析。這并不是遙不可及的未來，但隨著半導體技術的進步，特別是在運行“嵌入式”人工智能的特定流程中，這在過去幾年已經變得可能。這種嵌入式AI傳感器只傳輸評估后的結果，大大減少了傳輸的數據量。同時，處理大數據的能力也得到了增強，從而可以進行更深入、更準確的評估。格羅莫夫補充：“如果你在機器人中使用嵌入式AI，你不僅可以了解到當前的磨損狀況，還可以對部件甚至整個機器的預期使用壽命進行精確預測。與在邊緣系統中使用的算法相比，嵌入式AI的優勢在于，即使是復雜且難以預測的事件也可以被識別，并立即觸發適當的反應。例如，非典型的振動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據。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。“傳統的預測維護系統可能會花費數千美元，而嵌入式AI的成本可能低至數十美元。”這也意味著更多的機器人可以享受到這種技術的好處，從而進一步降低維護成本。