ビジョンと AI を追加することで、産業用ロボットはスマート製造をより効果的に支援できるでしょうか?

改革開放から30年、中国は科学技術の進歩の分野で非常に重要な役割を果たしてきました。人口ボーナス、政策ボーナス、低コストの資源が相まって、中国製品の市場競争力が生まれ、中国の製造業も世界を変えています。

世界的に見ると、中国は製造業大国ではあるものの、規模は大きいが強力ではなく、中国の製造業は依然として第3層に位置している。世界の製造業の第 1 階層は米国がリードしており、インテリジェント製造業の第 2 階層はそれぞれドイツと日本が占めています。我が国は製造業のレベル向上を目指して、「中国製造2025」や「インテリジェント製造業発展計画」などの政策ガイドラインを相次いで導入してきました。我が国のスマート製造業発展戦略計画では、2025年までに世界第2階層に到達して製造強国となり、2035年までに世界第2階層の最前線に入り、2045年までに世界第1階層に入るという3段階の発展のマクロ戦略が明確に示されています。

[[381114]]

マクロ戦略の具体的な実行に関して、中国はまた、具体的な3段階の計画を提案している。第1段階はデジタル製造業の実現、第2段階はインターネット+製造業の実現、第3段階は新世代のインテリジェント製造業の実現である。製造業全体のタイプとしては、労働集約型、資本集約型、技術主導型、市場変革型など、さまざまな製造形態が挙げられます。私の国は現在も主に労働集約型の製造業モデルを採用しており、その中核的な競争力は低水準で低い労働コストです。主な産業には、加工、組み立て、家電、電子製品などの基礎製造業が含まれます。

人件費は必然的に上昇し続け、労働者の不安定さが品質問題に影響を与えるため、人的不確実性が労働集約型製造業の発展におけるボトルネックとなっています。同時に、わが国の製品製造モデルにはもう一つのジレンマが浮上しています。それは、ハイエンドの製品を作る人がいない、あるいは作れない一方で、ローエンドの製品は品質が悪く、簡単に蓄積されて売れず、産業構造が非常に不合理であるということです。

これらの困難を抜け出す根本的な方法は、変革とアップグレードにあり、知能レベルを向上させながら、人工知能と製造業を結合し、人工知能+ロボットを使用して労力を軽減し、労力によって引き起こされる品質の不安定さや品質不良などの問題を軽減することは、間違いなく製造業の変革とアップグレードを促進する良い方法です。

マシンビジョンがもたらす新たな変化

人工知能は製造業の変革を促進する重要な技術です。近年、人工知能の概念は非常に人気がありますが、特に製造業では人工知能の応用がまだ初期段階にあるため、実用的なアプリケーションはほとんどありません。

現在、人工知能＋製造業の応用は主にマシンビジョンの応用に集中しています。

人間の情報の 75% 以上は視覚から得られ、マシン ビジョンは人間の視覚をさらに改良したものです。機械視覚は間違いなく人間の目よりも強力であり、多くの環境では、人間の視覚の変化が要件を満たすことがますます困難になっています。例えば、電子機器製造などの業界の高速・高精度生産ラインでは、速度が速く、ワークピースが小さく、非標準部品が多い場合が多く、手作業に大きく依存すると、作業者の疲労などの避けられない客観的要因によってエラーが非常に多く発生し、製品の品質が不安定になります。したがって、人間の目を機械視覚に置き換えることが重要です。

[[381115]]

マシンビジョンは最も基本的なユニット技術であり、非接触センシングデバイスでもあります。実際の製造アプリケーションでは、主に実際のオブジェクトの画像を自動的に取得して解釈し、機械の認識、フィードバック、製造プロセスの制御のための画像を取得するために使用されます。

現在、マシンビジョンの典型的な技術的実装方法は、産業用カメラを使用することです。産業用カメラは、統合されたモーションコントロールユニットを介してコンピューターにモーションイメージをキャプチャし、コンピューター認識を使用してマシンにフィードバックしてモーション調整を実行します。元々、自動化された機器は、既存の所定の指示に従って実行していましたが、視覚的なフィードバックが追加されたことで、環境認識に基づいてリアルタイムで迅速に調整することもでき、機器のインテリジェンスが向上し、実行の効率と精度が向上しました。

生産ラインやスマートファクトリーの観点から見ると、マシンビジョンを追加すると製造レベルが大幅に向上します。現在、多くの工場設備は基本的な自動化を実現しており、人間のプログラミングに従って機械的に動作を繰り返す能力として現れています。しかし、機械にビジョンが追加されると、設備はさまざまな環境条件に応じて積極的に調整できるようになり、自動化された設備に基づくインテリジェンスが実現します。

マシンビジョン技術を使用して手作業の産業を置き換えることは、非常に強力なシナリオ実現可能性を秘めています。現在、珠江デルタ地域ではマシンビジョンが広く利用されています。長江デルタと珠江デルタ地域は電子製造業の集中地域であるため、電子部品、PCB基板、携帯電話の組み立てなどの製造業は繊細で比較的小規模です。同時に、バックライトとして大量の強い光があり、人体に非常に有害です。これらのシーンは間違いなくマシンビジョンの応用に非常に適しています。

[[381116]]

将来、マシンビジョンの発展により、多くの手作業が置き換えられると予想されています。機械認識と情報処理の助けを借りて、探索できるシナリオはたくさんあります。マシンビジョンは、製品の一貫性とワークピースの品質安定性を向上させることもできます。マシンビジョンは、検査などの主要な製造プロセスを適切に完了し、生産ライン全体の効率を向上させることができます。例えば、ワークピースの長さ、幅、厚さの検出や、携帯電話業界における画面のべたつきや傷の検出などのシナリオでは、マシンビジョンにはさらなる発展の余地があります。

さらに、マシンビジョンはより正確な位置決めを実現できるため、ロボットは把持プロセス中に視覚的な位置決めと誤差補正を実現できます。マシンビジョンは、ボード上のテキストの認識、省略の判断、インストールが正しいかどうかの判断など、OCR 認識においても大きな役割を果たします。

マシンビジョン + 人工知能

しかし、マシンビジョン単体の応用シーンは実は非常に限られています。マシンビジョンは10～20年の歴史があり、元々の応用分野は常に比較的少なかったのですが、近年カメラや光源などのハードウェアのコストが継続的に低下し、コンピュータの処理能力が向上したことで、人工知能技術の大量導入が産業分野で徐々に広く使われるようになりました。

ソフトウェアとインテリジェント技術の発展により、マシンビジョンの応用が大幅に増加しました。電子機器製造装置業界では、マシンビジョンはほぼ標準となっていますが、特定のアプリケーションでは、従来のマシンビジョンアルゴリズムが依然として使用されていることが多く、AIを組み込んだマシンビジョンアルゴリズムはまだあまり使用されていません。そのため、マシンビジョン+人工知能の分野には、実はまだ非常に大きな市場スペースがあります。

機械認識に人工知能 + マシンビジョンを使用する利点は非常に明白です。最も直接的な現れは、製造の柔軟性を大幅に向上できることです。

柔軟な製造とは、多くの場合、ロボットなどの産業機器がさまざまな場所、照明、複雑な環境に対してより優れた適応性を発揮できることを意味します。例えば、物体の色検出に関して言えば、従来の機械視覚を使用すると、微妙な色の認識は実際には高くありません。深度、色かぶりなど、色にわずかな違いがある場合、従来の機械認識では間違いが起きやすくなります。しかし、人工知能+機械視覚の方法では、検出率と精度をより正確に向上させることができます。

[[381117]]

検査に AI マシンビジョンを使用すると、人間とコンピューターの相互作用が容易になり、検査の利便性も向上します。これまで、指定された点、線、面を正確に検出するには、マウスをクリックして、どの円や線を検出するかをビジョンシステムに指示する必要がありました。しかし、AIが追加されたことで、回路基板を生産ラインに配置すると、強化学習などの方法を通じてさまざまな問題を自動的に識別できるようになり、ビジョン+インテリジェントキャリブレーション、インテリジェント寸法測定、リアルタイム位置判断が完成し、効率と人間とコンピューターのインタラクションのインタラクションのインテリジェンスが大幅に向上しました。

現在、ドイツと日本は、伝統的な機械アルゴリズム、視覚アルゴリズム、人工知能アルゴリズムの組み合わせに基づいて、主に金属損傷と寸法偏差の検出に焦点を当て、回路基板のテクスチャ欠陥検出と携帯電話カメラモジュールの表面欠陥検出における産業応用を実現しています。将来的にディープラーニングの手法を取り入れることができれば、マシンビジョン＋人工知能の検出率をさらに向上させることができるでしょう。

しかし、精度は常に人工知能アプリケーションの開発を制限する制約となってきました。現在、ほとんどの人工知能アルゴリズムの精度は高い水準に達しないことが多く、エラー率は約15％です。これは、業界で実装する場合、手動による再検査が依然として必要になることが多く、産業化のコストが比較的高いことを意味します。将来的に精度率が95％以上に達することができれば、人工知能+ビジョンの産業応用はもはや問題ではなくなるでしょう。

マシンビジョン + 人工知能 + ロボット工学

マシンビジョン＋人工知能の応用にはデバイスキャリアが必要であり、近年、産業用ロボットは間違いなくビジョンユニットの搬送に最も適した製品です。

産業用ロボットは、本質的には、コンピュータ制御メカニズム、情報センシング、人工知能シミュレーションなどの複数の分野と分野を統合した高度なテクノロジーです。産業用ロボットの概念は 1951 年に初めて提案され、最初の産業用ロボットは 1962 年に誕生しました。1969 年には、マシン ビジョンが実際に産業用ロボットに適用されました。 1970年代、自動車産業、特に日本の自動車産業の発展に伴い、産業用ロボットの応用が普及しました。1990年代以降、人工知能アルゴリズムに基づき、触覚や視覚機能に基づくインテリジェント産業用ロボットが国際的に使用され始めましたが、現在までまだ主流ではありません。

しかし、産業用ロボットが徐々にインテリジェント製造の重要なサポートになってきていることは否定できません。現在、産業用ロボットは多くの業界の生産ラインプロセスのほぼあらゆるところに存在しています。たとえば、加工業界の積み込み、積み下ろし、ハンドリング、溶接、スプレー、ねじ締め、接着などのプロセスフローにロボットが参入し、その市場シェアを継続的に拡大しています。

人工知能（AI）＋ビジョンで産業用ロボットの技術力や処理能力を向上させるには？これは近年の多くの専門家や学者の考え方や研究の方向性です。

従来のマシンビジョンをベースに、産業用ロボットはより柔軟になり、技術的能力がさらに向上するとともに、AI 技術の発展により、産業用ロボットに一定の知能が与えられ始めています。

AI技術は、当初は医療救助や輸送などの業界で蓄積された応用データ、知識、経験のおかげで、徐々に産業用ロボット技術にも応用できるようになりました。多くの専門家は、AI技術を産業用ロボットと有機的に組み合わせることができれば、我が国の産業用ロボットの技術力が大幅に向上すると考えています。我が国は人工知能技術の発展において世界のトップクラスの国々と同じスタートラインに立っているため、国際的な視点から見ると、我が国はAI+ロボットの応用においても世界トップクラスの企業と同じスタートラインに立っています。

[[381118]]

公開情報によると、産業用ロボットの 4 つの主要ファミリーは AI との統合をうまく実現できていないようです。たとえば、AI との統合では、KUKA は、2 台の協働ロボット間の連携をより良く実現するために、人工知能技術を通じてロボットの自律認識機能を強化することにのみ重点を置いています。この位置センシング技術は、ロボットの作業効率を効果的に向上させることができます。例えば、人間とロボットが協力して作業する場合、ロボットはタイムリーに人間の動きを感知して予測し、事前に位置を調整して、ロボットと人間の有機的な相互作用を実現します。AIを追加することで、ロボットは人間の存在と意図をよく認識できます。材料の積み下ろしなどの産業プロセス中、ロボットは生産ライン上の材料不足に応じていつでも迅速に材料の補充を選択できるため、生産ラインの効率が大幅に向上します。

AI技術を追加することで、ロボットの動作エラー許容度が大幅に向上し、位置決め精度も向上します。例えば、高精度が求められる一部の組立工程では、組立にロボットなどの設備の高精度が求められるため、もともと製造コストが非常に高かった。しかし、AIを導入することで加工精度への絶対的な依存度が下がり、AI+ビジョンガイドによる補正により、針の穿孔などの工程で製造の柔軟性を高めることができる。たとえば、組み立てのシナリオでは、左側の部品を右側のボックスに組み立てる場合、AI テクノロジにより、ロボットは高い絶対位置決め精度を必要とせず、最初に視覚的なガイダンスを使用してロボットを事前に固定位置に移動し、次に力覚を使用してロボットを誘導して組み立てプロセスを完了することができます。

同時に、人工知能は処理プロセスの耐干渉性とエラー補償機能も向上させます。研磨技術に関して言えば、自動車の外装の研磨が始まると、全工程は固定された研磨手順に従って実行されなければなりません。人間の介入が発生すると、研磨精度は簡単に低下します。しかし、AIを追加した後は、ロボットが環境の変化を自動的に感知し、人間の要因を考慮して研磨工程を継続して実行し、調整を継続して、品質要件を満たす最適化された共同構築プロセスを実現できます。

[[381119]]

人工知能はロボットの再利用性を高めることもできます。ロボットの再利用性は主にプロセスに反映されます。簡単に言えば、特定のプログラムされたプログラムを複数の異なるアプリケーション シナリオに適用できます。たとえば、異なる表面の研磨や異なるスタイルのスプレーでは、一連のプログラムのマルチプロセス再利用を実現でき、小型の非標準製品を何度も手動で再プログラミングする必要はありません。人工知能認識技術により、ロボットはプロセスを自動的に調整して再利用できます。

さらに、人工知能を搭載したロボットプログラムには、プロセスを最適化する機能もあります。従来のロボットは、人間がプログラムした固定軌道に沿って動作していました。スタートからゴールまでは、2つのポイントと固定プロセスがありました。しかし、人工知能ロボットコントローラーを追加した後は、スタートからゴールまでの軌道を機械学習によって自動的に最適化できるため、把持効率が向上します。

生産ラインでは、人工知能を活用したビッグデータ分析により、ロボットの予防的な運用・保守・警報を実現し、生産ラインを常に高効率な稼働状態に保つことができます。

スマート製造業の新たな未来

人工知能 + マシンビジョン + ロボットの生産ラインは、実際にインテリジェント製造において形になり始めています。

インダストリー 4.0 またはインテリジェント製造の非常に重要な特徴は、パーソナライズされたカスタマイズされた製品の製造を実現できることです。簡単に言えば、今日の工業生産ラインはすべて大量生産されており、供給過剰や在庫の問題が発生することがよくあります。将来、製品競争はパーソナライズされたカスタマイズにさらに依存するため、企業は、納期サイクルの短縮、より詳細なコスト管理、生産ラインの変更の短縮など、迅速かつ効果的に生産を変更できることが求められます。これには間違いなく多くの人工知能技術が関わってきます。

学術界には CPS と呼ばれる用語があります。これは物理情報融合システムの略で、実際にはさまざまなレベルの人工知能技術をカバーしています。デジタル ツイン テクノロジーは、本質的には CPS の物理的な表現です。 CPS は、物理システムと情報システムの統合、および人工知能の推論計算と最適化技術を具体化しており、最終的にはパーソナライズされた製品の大規模生産を実現できます。

現在、テンセントとアリババの無人工場はどちらも、このようなカスタマイズされた大規模生産ラインを実現し、最終的には顧客が注文した後、生産タスクがクラウドプラットフォームを通じて直接自動的に生産ユニットに送信され、その後、工場全体の計画とスケジュールに入り、納期とコストの要件を満たすという目標を達成したいと考えています。

しかし、実際にこの生産方式を実施している企業は世界でもそれほど多くなく、ナイキがその典型例です。ナイキは10年近く靴のパーソナライズカスタマイズを実験しており、昨年から利益を上げている。しかし、ナイキの関係者は、現段階ではパーソナライズカスタマイズのコストは非パーソナライズカスタマイズよりも30％以上高く、この部分のコストは依然として顧客が負担していると述べている。

結論

2020年、新型コロナウィルス感染症の突発的な流行は中国で最初に発生したが、中国経済は十分な回復力を発揮し、世界の主要経済国の中で唯一GDPが成長した国となった。指定規模以上の工業企業の総利益は6兆4516.1億元で、前年比4.1％増となった。そのうち、ハイテク製造業の利益は指定規模以上の工業企業の利益の17.8％を占め、2019年より1.9ポイント増加した。産業の利益構造が絶えず最適化され、産業構造の調整が進んでいることが分かる。

2021年は第14次5カ年計画のスタート年であり、省全体の新工業化推進の加速化の年でもある。 「第14次5カ年計画」のスタート地点に立って未来を見据えると、将来的にはマシンビジョンや人工知能に代表されるソフトウェアとハ​​ードウェアの技術が、インテリジェント製造システムの改善を促進し、伝統的な製造開発モデル、管理モデル、生産方法のインテリジェント製造への転換を実現することがはっきりとわかります。より多くの企業が、世界が今、100年に一度の大変革を経験しているという歴史的チャンスを捉え、勇気を持って前進し、世界一の階層に向かうよう努めるべきです。