روبوتات فورد الأكثر ذكاءً تسرع خط التجميع

روبوتات فورد الأكثر ذكاءً تسرع خط التجميع

في عام 1913 ، أحدث هنري فورد ثورة في صناعة السيارات من خلال ابتكار ، مما جعل تجميع السيارات الجديدة أسرع وأكثر كفاءة.

بعد ما يقرب من مائة عام ، تستخدمه شركة فورد الآن لتسريع خطوط التصنيع الحالية.

يشتمل فورد في ميشيغان ، حيث يساعد في تجميع محولات عزم الدوران ، الآن على نظام يستخدم الذكاء الاصطناعي للتعلم من المحاولات السابقة حول كيفية تجميع الأجزاء معًا بشكل أكثر كفاءة.

يستخدم Ford تكنولوجيا من شركة ناشئة تسمى Arm Sensing and Control ، والتي تدرس مئات المحاولات السابقة لتحديد التقنيات والحركات التي يبدو أنها تعمل بشكل أفضل.

تستخدم شركتا تويوتا ونيسان نفس التقنية لتحسين كفاءة خطوط إنتاجهما.

تسمح التكنولوجيا لهذا الجزء من خط التجميع بالعمل بشكل أسرع بنسبة 15٪ ، وهو تحسن كبير في صناعة السيارات حيث تعتمد هوامش الربح المنخفضة إلى حد كبير على كفاءة التصنيع.

تخطط الشركة لاستكشاف ما إذا كانت تستخدم التكنولوجيا في المصانع الأخرى ، حيث يمكن استخدام التكنولوجيا في أي مكان يمكن للكمبيوتر التعرف على كيفية توافق الأشياء معًا ، وهناك العديد من التطبيقات.

غالبًا ما يُنظر إلى الذكاء الاصطناعي على أنه تقنية تحويلية ، لكن تجميع محولات عزم الدوران في مصنع فورد يوضح كيف يمكن للذكاء الاصطناعي اختراق العمليات الصناعية بطرق تدريجية وغير محسوسة في كثير من الأحيان.

على الرغم من أن صناعة السيارات أصبحت آلية للغاية ، فإن الروبوتات التي تساعد في تجميع المركبات ولحامها وطلائها هي آلات قوية ودقيقة تكرر نفس المهمة مرارًا وتكرارًا دون أي قدرة على فهم محيطها أو التفاعل معها.

تعد إضافة المزيد من الأتمتة تحديًا ، وتشمل المهام التي لا تزال بعيدة عن متناول الآلات مهام مثل إضافة الكابلات المرنة عبر لوحة القيادة وجسم السيارة.

وفي عام 2018 ، ألقى Elon Musk باللوم على قرار الاعتماد بشكل أكبر على الأتمتة في التصنيع ، مما تسبب في تأخير Tesla لإنتاج الطراز 3.

يستكشف الباحثون والشركات الناشئة طرقًا لتمكين الروبوتات ، على سبيل المثال من خلال السماح لهم بإدراك وفهم الأشياء غير المعروفة التي تتحرك على طول أحزمة النقل.

يوضح مثال فورد كيف يمكن في كثير من الأحيان تحسين الآلات الموجودة من خلال توفير قدرات استشعار وتعلم بسيطة.

يستخدم الذكاء الاصطناعي بشكل متزايد لمراقبة الجودة في التصنيع ، حيث يمكن تدريب خوارزميات الرؤية الحاسوبية لاكتشاف العيوب في المنتجات أو المشاكل في خطوط الإنتاج.

يتمثل أحد التحديات الرئيسية في أن كل عملية تصنيع فريدة وتتطلب الأتمتة لاستخدامها بطريقة معينة ، ويجب دمج التقنيات الجديدة في سير العمل دون المساس بالإنتاجية.

اترك تعليقاً