協働ロボットはインダストリー4.0戦略の成功の核心です

インダストリー4.0戦略における自動化とロボットのシームレスな統合に対する関心が高まっています。しかし、人間のオペレーターが方程式を書くようになるまでには、まだ長い道のりがあります。インダストリー 4.0 における最良の自動化戦略は、ロボットの利点は人間なしでではなく、人間と一緒に作業するときに最もよく実現されるという認識に基づいています。

確かに、ロボットが人間よりも効果的に遂行できる役割は存在します。これらの仕事には、非常に反復的で単調な作業（溶接など）、重いものを持ち上げる作業、または人間にとって危険な環境での作業が含まれます。つまり、ロボットは指示されたことしかできず、即興で行動することはできないのです。人間の驚くべき力は、状況が発生したときに考え、リアルタイムで決定を下す能力にありますが、AI がこの能力を再現できるようになるまでには、まだ長い道のりがあります。

今日のロボットは主に高価で静的であり、1 つのタスクを非常に効率的に実行できます。コストは下がる必要があり、システムは移動や再プログラムが可能になるという点でより柔軟になる必要があると思います。実際、これらの能力があれば、工場は輸入品に対してより競争力を持つことができると考えています。これは手動操作の終了を意味するものではありません。人間はロボットと協力して活用できる並外れた脳を持っています。労働者のスキルは変化するかもしれませんが、工場で人間を使うという見通しについては私はかなり楽観的です。

感覚機能

将来、産業用ロボットにセンサーを統合することは、ロボットの接続性を高める 1 つの方法です。私たちには五感があります。今日、ロボットが主に使用しているのは、視覚だけです。こうしたシステムの機能は今後も向上し続け、たとえば騒音の多い環境でも機械がジェスチャーを理解し始めるようになると想像できます。しかし、ロボットに他の感覚が追加されるのを見てみたいと思います。将来のロボットは音声コマンドを聞き、製造工場で物事が正常に機能していないことを示すノイズを認識できるようになります。触覚を使って特定の製品が十分に滑らかであるかどうかを確認したり、特定の化合物の混合物を味わったりできるかもしれません。ロボット工学では、嗅覚だけが限られた感覚かもしれませんが、いくつかの企業がこの機能のためのセンサーの開発に取り組んでおり、将来の応用は興味深いものです。例えば、尿の臭いは特定の癌の先行指標であることが判明しており、ミツバチは爆発物の臭いを嗅ぎ分けられることがわかっています。果物が熟度に基づいて選択できる農業環境を想像してみてください。

予想外の出来事を予想する

人間とロボットのコラボレーションにおいて重要な要素は偶発的なコラボレーションです。開発者は、2 つの重要な要素を常に念頭に置く必要があります。まず、ロボットが必要になったとき、人間に対して即座に反応しなければなりません。第二に、これらのシステムが展開される環境は理想的とは程遠く、予測が難しい場合が多いです。設計者は理想的でない状況を考慮し、システムが常に人間の安全を確保できるようにする必要があります。

工場で見た実験が私の考えを説明するかもしれません。ある企業は、大規模な倉庫での在庫確認にドローンを活用することを検討している。これは、バーコードが剥がされて不均一なパターンで棚に置かれているのを配備担当者が目にするまでは、迅速、正確、安全に実行できるように思えます。ドローンによって巻き上げられた大量のほこりも周囲にありました。倉庫内の照明は昼と夜で大きく変化するため、ドローンははしごやフォークリフト、箱などがある通路を移動する必要があります。倉庫はそれぞれ異なるため、ドローンサプライヤーのビジネスモデルに課題が生じるだけでなく、多くの技術的な課題（充電など）も生じます。ロボットが認識できないものを見つけた場合、システムはデフォルトで安全な状態になり、人間の介入によってサービスを再開できる必要があります。

今のところ、ロボットは人間による監視が必要ですが、人工知能が役立つと思います。ロボットは、配備されている工場の設定や遭遇するシナリオについて学習するにつれて、その機能が向上していくでしょう。多くの人が人工知能の可能性に興奮しており、私も同じです。しかし、私は、先駆けになろうと急ぐのではなく、あらゆる可能性のあるシナリオを考慮する必要があるため、保守的かつ遅れた展開を求めます。

たとえば、協働ロボットが外部に接続されておらず、ローカルのコンピューティング リソースのみを使用する場合、一方では安全性が向上しますが、人工知能の自己学習プロセスも難しくなります。適切なバランスとは、ローカル学習と、クラウドに集約された学習から得られるスケールの力を活用することの組み合わせであるべきだと私は考えています。接続性がセキュリティを保証しない場合は、追加の学習を犠牲にします。

攻撃を受ける

効率性と正確性は AI とロボットの最大の利点であると言えますが、批判的思考力と創造性はまだ欠けています。工場では、完全には理解されていないさまざまなエッジケースが存在します。自動車業界ではすでにこの現象が見られ、通常の自動車は数百マイルにわたってテストされ、いくつかの新しい自動運転機能は数百万マイルにわたって走行されています。改善されてはいますが、問題はまだ残っています。工場環境では、急激な気温の低下は業務効率に大きな打撃を与え、さらに重要なことに、人的被害が大きな問題となります。これらの自動化システムを完全に信頼できるようになるまでには、しばらく時間がかかるでしょう。

この問題に対処するには、ハードウェアの障害やソフトウェアの誤った結論に備える必要があります。悪意のある攻撃や生命を脅かす不正行為が発生しないように、安全対策を講じる必要があります。システム アーキテクチャは、すべてがロックダウンされるようになっています。 「正面のドアだけでなく、すべてのドアをロックしてください」と、Microsoft は数年前に Azure Sphere プロジェクトで発表しましたが、この比喩はずっと私の心に残っています。

家を出るときは玄関のドアをロックします。 IoTの世界では、屋内でも屋外でもすべてのドアをロックする必要があります。ネットワークの観点から見ると、侵入が発生した場合、参加者は貴重な資産の一部にしかアクセスできません。ソフトウェアとハ​​ードウェアは、機能を分離するためにシステムを分割する必要があり、これを実現するには、侵害されたことをすぐに認識し、リアルタイムのアラートを送信する必要があります。

これは、産業用 IoT アプリケーションで AI が活用できる方法の 1 つです。つまり、システム内の異常な動作を識別し、ユーザーに警告して正しい行動方針を決定するように促します。オプションには、システムをネットワークから切断する、特定の IP アドレスをブロックする、特定のシステム機能を無効にするなどがあります。簡単に言えば、開発者はハッキングに備える必要があります。 100% 確実なシステムは存在しません。 IoT システムは、時間の経過とともに攻撃に対する耐性のレベルを継続的に向上させる必要がありますが、同様に、システムが侵害された場合は、既知の安全な状態に迅速に復元する必要があります。

結論は

これまでのところ、自動車業界はスマートファクトリーソリューションの先駆者と考えられています。自律移動ロボットには多くのチャンスがあると思います。前述のように、自動車工場の規模は非常に大きいため、複雑な機械が一度に 1 つのタスクを効率的に完了できることが証明されます。自動車製造（およびスマートフォンの組み立てラインなどの特定の消費者部門）の経済性により、コストは正当化されます。しかし、コスト、モビリティ、電力、信頼性の問題が解決されれば、ロボットは幅広い用途で有効性を高めることができると思います。

食品・飲料業界などの新しい市場でも、製造部門にロボットが導入され始めています。従来の生産ラインを時代遅れにする力があると考える人もいる。食品・飲料業界ではロボットが反復的な作業を代替することができますが、効率を最大化するために、生産ラインはロボットと人間の両方のスキルを活用できるように適応させる必要があると私は考えています。今後数年間、工場の現場で大きな変化は起こらないと思います。パンデミックが深刻であるため、多くの企業が既存の工場の工程フローを調整するためのテクノロジーの追加を検討していますが、ロボットにとってより重要な機会はまったく新しい工場で生まれるでしょう。