Optimiser la collaboration homme-robot dans la fabrication

La pandémie a mis en lumière les défis de dépendre de biens fabriqués à des milliers de kilomètres des États-Unis par une main-d'œuvre humaine. Elle a accentué la collision des fissures existantes dans la chaîne d'approvisionnement et la livraison immédiate à laquelle les acheteurs en ligne se sont habitués.

Parce que nous avons aussi une ambiguïté persistante autour des sanctions sur le commerce entre les États-Unis et la Chine, nous commençons à voir un retour de la fabrication de certains biens sur le sol américain.

La montée de la fabrication américaine sera caractérisée par trois éléments :

Durabilité : Utiliser moins d'énergie pour créer des produits et créer moins de déchets dans le processus.

Personnalisation : Les entreprises américaines sont peu susceptibles de concurrencer sur une base de coûts purs. Mais je crois que les utilisateurs paieront plus pour des biens qui ont leur touche personnelle.

Localisation : Cela ressemble au mouvement farm-to-table qui promeut le service d'aliments locaux dans les restaurants. C'est un parallèle intéressant, mais je ne le vois pas se jouer tout à fait à ce degré.

Mis en œuvre correctement, cela impliquera d'établir des installations de production locales (et bien plus durables) qui sont habiles à ajuster ce qu'elles fabriquent.

Cela nécessitera une combinaison de travailleurs humains et d'un nouveau type de robot. Au lieu de robots très grands et coûteux qui peuvent créer des biens spécifiques en volume extrêmement élevé, la nouvelle vague de robots sera plus petite, moins coûteuse et facile à reprogrammer.

La poussée pour réduire le coût, la puissance et l'empreinte amène les entreprises à implémenter ce qui était auparavant plusieurs sous-systèmes discrets sur une seule carte qui incorpore la technologie multiprocesseur.

L'une des tendances récentes les plus intéressantes que nous avons repérée est que les OEM téléchargent leur « recette » pour créer un widget dans le système de fabrication. Le fabricant fournit une machine virtuelle sécurisée pour que l'OEM exécute son code. Le fabricant doit être certain que ce code ne peut pas délibérément ou accidentellement causer un dysfonctionnement de l'équipement d'usine et mettre les humains en danger.

L'architecture logicielle du système doit être capable d'isoler les fonctions de base qui font tourner la machine, loin des applications, ces dernières étant incapables d'accéder directement à ces ressources.

Dans ce nouveau monde, cependant, il ne s'agit pas de robots contre humains. Nous verrons des humains travailler aux côtés de robots, avec pour résultat un résultat significativement meilleur pour l'usine.

C'est moins à propos de la valeur que la technologie robotique offre et plus à propos de s'éloigner de l'idée de remplacer les humains par des robots. Nous devons regarder la tâche complète de manière holistique et la partitionner entre un robot et un humain.

Ajuster les robots pour de nouveaux flux de processus est un défi, et les temps d'arrêt impactent la production et l'efficacité de l'usine.

Malgré toutes les affirmations sur l'intelligence artificielle (IA), seul un humain peut prédire les problèmes avant qu'ils ne surviennent et penser sur ses pieds pour prendre des décisions en temps réel.

Par opposition à une « explosion cambrienne », que certains journalistes ont utilisée pour décrire l'assaut de solutions IA sur le lieu de travail, l'adoption réelle sera plus lente.

Les entreprises commencent à se remettre de la pandémie — certaines plus que d'autres — et le besoin de fournir une expérience transparente du en ligne au magasin (afin de concurrencer des géants comme Amazon) exige une refonte de chaînes d'approvisionnement entières.

Ce sera lent et régulier. Un équipement qui promet d'accélérer les fonctions dans une usine n'aide pas l'usine dans son ensemble s'il est peu fiable, inflexible et/ou coûteux.

Mais nous voyons des preuves de concept et des essais de technologie bien pensés pour valider les avantages du retour sur investissement avant que des déploiements plus larges ne suivent.