Как стать автором
Обновить

Темные фабрики — больше, чем укрощение машин

Робототехника Научно-популярное Физика Будущее здесь

Работая над переводом о нереалистичности межпоколенческих кораблей для межзвездных путешествий, я задумался о том, что, с точки зрения фантастов, самые страшные ипостаси искусственного интеллекта – это безликие всемогущие «сверхсервера». Таковы и HAL 9000 из «Космической Одиссеи 2001», и «Мама» из Чужих, и «Zed-10» из Крепости, и «Скайнет», и сама «Матрица». Иными словами, могущество робота, управляющего легионами других роботов и попутно способного легко эти легионы пополнять, значительно страшнее, чем возможности Терминатора или, скажем, марсианского треножника. Особенно в таком закрытом и автономном пространстве, как космический корабль.

Думаю, что мотив «пугающей автономности» был намеренно вброшен и в финальные битвы обоих первых «Терминаторов» — как первая, так и вторая серия заканчиваются на темных чермет-заводах, которые продолжают исправно функционировать на протяжении всей развязки, выступая идеальной мизансценой для схватки с мыслящими машинами. Поэтому сегодня я предлагаю обсудить технологический тренд, уже получивший броское маркетинговое название «lights-out manufacturing» (производство с выключенным светом), что пытаются переводить на русский язык как «темные фабрики». Я остановлюсь на переводе «безлюдные производства» и рассмотрю, почему этот тренд действительно перспективен, но пока плохо воплотим в реальности.

Многие аспекты проблемы рассмотрены в проекте «Робосфера», которому посвящен этот репозиторий на Github.

Не вызывает сомнения, что человек увлекается прослеживанием трендов, а тем более – их экстраполяцией. Начало одному из таких трендов дала Промышленная революция, начавшаяся в Англии в XVIII веке и ознаменовавшая новую эру в производстве. Изготовление товаров пошло гораздо быстрее, причем, для ускоряющегося производства изделий требовалось все меньше и меньше рабочих рук.

Этот тренд продолжается и сегодня, но примерно в 1980-е в нем наметился новый принципиальный переход. Тогда пост CEO в компании General Motors занял Роджер Смит, и GM стали вкачивать в автоматизацию производства все более серьезные средства: $6 миллиардов в 1983, $9 миллиардов в 1984 и $10 миллиардов в 1985. Роджер Смит продвигал идею полностью автоматизированных заводов, которые в целях экономии могли бы функционировать не только без персонала, но и без освещения. Вероятно, такая идея зародилась именно на машиностроительном гиганте, так как сборка автомобилей – выраженно конвейерная работа, которая, к тому же, хорошо алгоритмизируется. Одновременно с этим GM был такой компанией, которая могла позволить себе масштабный НИОКР без скорой отдачи. Эта работа выявила как возможности, так и препятствия на пути к полной автоматизации. В частности, очертилась потребность в развитии умных датчиков, киберфизических систем и машинного обучения. Уже даже появилась шутка: «на фабрике будущего потребуется всего двое живых существ: сторожевая собака и человек, который будет ее кормить». Тем не менее, тема вахтового или удаленного обслуживания полностью безлюдных производств резко актуализировалась после пандемии COVID-19 и прочно перешла в практическую плоскость.

Примеры

Рассмотрим некоторые примеры успешной замены людей роботами на производстве. Так, у Philips в Нидерландах есть завод по производству электробритв, где работают в основном машины. На заводе занято всего 9 человек, их задача – обеспечение качества.

Компания Ocado, занимающаяся продовольственными и потребительскими товарами, также смогла серьезно выиграть от роботизации бизнеса, но в ее случае автоматизация затронула не конвейер, а склад. Манипуляторы-роборуки отлично справляются с отбором и упаковкой товара, перемещением коробок, а вся перевозка в цеху выполняется автономными тележками.    

Еще один пример такого умного производства — японская компания Hirotec (производит печатные формы). Ее руководители решились на полную автоматизацию, чтобы свести к минимуму простои, обходившиеся компании по $361 в секунду. Поэтому была внедрена совокупность технологий, важнейшими среди которых являются «интернет вещей» (IoT), облачные технологии, а также множество небольших серверов, обслуживающих цеха. В результате на этом производстве удалось на 100% исключить контроль работы в ручном режиме.

Наконец, наиболее удачный опыт полной автоматизации сегодня достигнут в компании Fanuc. Это японская фирма, производящая роботов, а также коботов (коллаборативных роботов – машины, которые могут работать на одной сборочной линии с людьми). Завод Fanuc может работать в полностью автономном режиме в течение 600 часов. Люди появляются там для технического обслуживания примерно раз в месяц, но не занимаются ни сборкой, ни перемещением комплектующих по заводу.

Такая степень автоматизации ожидаемо пробуждает старинные луддитские страхи: а что делать, если роботы займут все рабочие места? Но пример FANUC скорее развенчивает эти страхи. Полностью автоматизированная фабрика становится полигоном для отработки взаимодействий коботов, а кобот отличается от традиционного промышленного робота тем, что представляет для человека гораздо меньшую опасность. Поэтому коботов можно располагать на сборочных линиях в большом количестве, не опасаясь, что они травмируют людей. Упрощается и сам процесс эксплуатации таких роботов, упрощаются их пользовательские интерфейсы и даже возможности их программирования и настройки. Тем не менее, полная автоматизация в настоящее время представляет собой НИОКР-изыск и лишь одну из перспективных стратегий для предприятий с длительным и ровным производственным циклом. Ниже сосредоточимся на обсуждении недостатков безлюдных производств, а также на характерных точках роста этой интереснейшей отрасли.    

Так почему нет?

Несмотря на заинтересованность в полной автоматизации и оптимистичные примеры, приведенные выше, технологии для умного производства по-прежнему не успевают за спросом. Основные технологические узкие места связаны с разработкой датчиков, сетей связи, а также скорости отклика машин (желательно – в режиме реального времени). Все эти барьеры мы подробнее рассмотрим ниже, но они оказались настолько серьезными, что некоторые компании, например, «Тойота», уже возвращают рабочих на ранее автоматизированные производства. Уже стало мемом знаменитое выражение Илона Маска «humans are underrated» («люди недооценены»), которое он употребил в знаменитом твите от 2018 года, звучавшем так: «Да, чрезмерная автоматизация на заводе Tesla была ошибкой. Уточню: моей ошибкой. Люди недооценены». Оказалось, что при автоматизации сборочной линии процессы чрезмерно унифицируются, поэтому падает качество каждого отдельного узла. Контроль качества также остается сугубо человеческой зоной ответственности.

В финансовом отношении роботизированная линия действительно обходится дешевле, чем обслуживаемая людьми. Но именно этап внедрения роботов зачастую оказывается неподъемно дорогим, особенно для малого узкоспециализированного предприятия. Даже если вынести за скобки техническое обслуживание, большинство машин ориентированы именно на человеко-машинные взаимодействия: использовать и ремонтировать машины будет именно человек. Соответственно, значительная часть машины представляет собой пользовательский интерфейс, поэтому она должна быть подогнана под антропометрические данные человека, а также обладать достаточной гибкостью и податливостью (не туго сидеть). Полностью безлюдные производства должны быть оснащены совершенно новым аппаратным и программным обеспечением, которое, к тому же, должно автоматически обновляться. Для самодостаточности таких систем потребовался бы огромный объем компьютерного моделирования и анализа данных – а эти навыки пока остаются сугубо человеческими, да и то очень сложными и дефицитными.  

Вообще, при всей привлекательности безлюдных производств с точки зрения экономии средств и энергии, на практике недостатки темных фабрик пока сильно перевешивают их достоинства. Некоторые задачи, особенно «длинные» производственные процессы уже сейчас могут отлично выполняться на сборочных линиях без участия человека. Но пока роботы не в состоянии собирать крупные узлы, содержащие большое количество точно подогнанных мелких деталей, а также выходят из строя при неблагоприятных условиях окружающей среды – например, перегреваются. Современные роботизированные системы не в состоянии учиться на ошибках и распознавать собственные «косяки», из-за чего эти дефекты могут быстро накапливаться в пределах сборочной линии. Соответственно, участие человека требуется не только для контроля качества, но и для контроля окружающей обстановки, а также для экстренного отключения линии. Поэтому в развитии обозначенного тренда на полное исключение человека из производственной цепочки намечается развитие трех составляющих, о которых мы поговорим ниже:

  1. Распознавание (детализация) образов и машинное зрение

  2. Связь

  3. Материалы

Распознавание образов

Системы машинного зрения сейчас получили новый импульс развития, поскольку незаменимы в беспилотных летательных аппаратах. Камеры дрона должны хорошо определять в динамике не только расстояние до объекта или, например, зарядной станции, но и узнавать цвет, блеск объекта, находить на нем метки, позволять дрону обходить препятствия. Кроме того, камера должна отсеивать «сигнал» от «шума» и приспосабливаться к меняющемуся освещению. Зачастую дроны используются для сбора и схвата (мелких) предметов – и в этом отношении уже функционально сближаются со «зрячими» промышленными роботами. Робот должен выполнять операции из разряда «взять и поставить», обслуживать станки и даже совершать столь сложные операции как извлечение деталей. Основная сложность при этом – на каждой итерации рабочего цикла та деталь, что подается роботу на обработку, должна находиться в строго определенном месте и иметь выверенную ориентацию. Поэтому конвейер нужно оснащать дополнительным тщательно подогнанным оборудованием, держателями, направляющими – чтобы максимально исключить фактор случайности. Ситуация тем более осложняется, если производственный цикл проходит от начала до конца очень быстро, если изделие кастомизируется (то есть, его оснащение и набор деталей может варьироваться), либо если на обработку роботу должны поступать сразу несколько типов объектов в разной ориентации.

В настоящее время все эти проблемы в принципе решаемы при помощи машинного зрения, то есть, умных камер, которые можно условно разделить на три категории: 2D, 3D и 2,5D.   

2D-камеры – самые дешевые, как правило, определяют длину и ширину, но не высоту. 3D-камеры позволяют роботу видеть практически «по-человечески» и учитывать не только габариты объекта, но и его возможное вращение. 2,5D-камеры занимают промежуточное положение и хороши тем, что могут сравнивать различные объекты по высоте или по другой координате, что очень важно в случаях, когда предметы нужно ставить друг на друга: определять, какие из них «большие», какие «маленькие» и какие «помещаются друг в друга».  

Представляется, что машинное зрение уместнее применять не на сборочных линиях, а при изготовлении деталей методом 3D-печати. Такие операции легче алгоритмизируются средствами машинного обучения, а также могут быть детально смоделированы в симуляционной среде перед реальным использованием.     

Связь

Современные технологии передачи данных в робототехнике в основном реализованы в радиочастотном диапазоне. Теоретически скорость передачи данных в этом диапазоне может достигать 1300 Мб/c, но на практике она падает вдвое и более. Из-за этого возникают узкие места, и без вмешательства человека линия начинает пробуксовывать.

Кроме того, есть и фактор безопасности. Радиочастотные сети уязвимы перед удаленным взломом, и злоумышленнику не составит труда организовать утечку данных или катастрофический отказ оборудования. Легко представить, насколько опасна может быть такая атака, например, на нефтеперерабатывающем или химическом производстве.

Скорость передачи данных можно повысить, например, заменив сети 4G на 5G, но дальность передачи сигнала все равно остается небольшой (и безлюдный завод потребовалось бы оборудовать целой сетью ретрансляторов), а проблемы безопасности при переходе на 5G никак не решаются. Возможным перспективным решением для безлюдных производств представляется технология LiFi – при которой для передачи информации используются не радиоволны, а свет.

LiFi – это технология беспроводной передачи информации, при которой вместо радиоволн в качестве носителя данных используется видимый свет. Технология подразумевает активное использование светодиодов, которые могут обмениваться пучками света примерно по тому же принципу, по которому чередуются точки и тире в коде Морзе. Но частота обмена световыми сигналами гораздо выше, для человеческого глаза дискретность таких импульсов просто незаметна.

LiFi позволяет радикально повысить скорость обмена информацией между машинами – до 100 Гб/с. Полоса передачи данных при этом значительно шире, чем при использовании конкретной радиочастоты (задержки при передаче данных сводятся почти до нуля). Практически отсутствует интерференция, поскольку в пределах видимого спектра можно быстро и точно варьировать длину волны в зависимости от информационной нагрузки передаваемого сигнала.  

Свет, в отличие от радиоволн, не проникает сквозь стены, что коренным образом повышает степень защищенности такой коммуникации. Фактически, чтобы перехватить сигнал, хакеру придется физически проникнуть в цех. В то же время, сетевые протоколы шифрования и аутентификации легко адаптировать к передаче информации в видимом спектре.

Но при всей перспективности внедрение LiFi требует капитальных начальных вложений, в первую очередь – на разработку и адаптацию протоколов и на конструирование аппаратного обеспечения. Возможно, технология сначала оправдает себя в некоторых производствах, например, в нефтехимическом, где особенно важно исключить интерференцию и образование статического электричества.

Некоторые соображения о материалах

Подбор материалов для безлюдного производства также требует учитывать факторы, не являющиеся критичными при выполнении задач человеком. Например, на обработку роботу лучше давать сравнительно мягкие материалы, при взаимодействии с которыми рабочие инструменты робота (выполняющие монотонную работу) будут не так быстро изнашиваться: ведь робот не умеет «дозировать усилие» или «бережно относиться» к инструменту. Иными словами, именно человек должен предусмотреть, чтобы робота можно было поставить на пятичасовую смену, и он доработал ее до конца, а не остановился из-за того, что у него преждевременно износилась режущая кромка. При этом рабочие инструменты самого робота не должны быть слишком жесткими: ведь только по окончании смены мы узнаем, что он наштамповал кучу деталей, не соответствующих спецификации, впустую потратив и время, и заготовки.

Другой важный аспект – допуски. Например, при допуске в 0,127 мм и использовании проверенных материалов вполне можно поручить изготовление детали роботу, но этого определенно нельзя делать при допуске 0.0127 мм или ниже.

Кроме того, независимо от используемых материалов, чем ниже допуск – тем сильнее износ инструмента. Если мы вытачиваем детали с внешним диаметром 0,005 мм в течение 5 часов, то последняя партия деталей неизбежно получится более корявой, чем первая – из-за износа и перегрева инструмента прямо во время работы.

При подборе материала также нужно учитывать его физические свойства. Например, не подойдет металл, который оставляет острые осколки, способные засорить или заклинить механизм, длинную крепкую стружку, которая может обмотаться вокруг движущихся деталей робота. Не подходит материал, который искрит (а такое бывает, например, с титаном). Следует уделять особое внимание сочетанию материалов – чтобы робот случайно не поджег или не проплавил те детали, с которыми работает. На безлюдных производствах обязательно должна предусматриваться система бесперебойной вентиляции, а также организована контролируемая очистка инструментов в ходе работы и, потенциально – аварийная остановка работы в тот момент, когда инструмент только начинает затупляться, стачиваться или искрить.

Заключение

В этом кратком обзоре я постарался показать, что полностью безлюдные производства пока сталкиваются сразу с несколькими классами проблем, самыми важными среди которых мне кажутся оптическо-геометрические (различение деталей), эвристические (умение «понять», что производственный цикл сбился и может привести в лучшем случае к бракованной серии, а в худшем – к аварии), телекоммуникационные и аппаратные. Большинство из очерченных проблем пока достаточно сложно смоделировать в симуляционной среде или предусмотреть и предотвратить на протяжении производственного цикла, длящегося хотя бы несколько часов кряду. Тем не менее, опыты создания безлюдных производств кажутся весьма интересными для развития киберфизических систем, 3D-печати, разработки новых стандартов связи, моделирования нештатных ситуаций и потенциального развития таких опасных производств, находиться на которых человеку противопоказано.  

Теги:
Хабы:
Всего голосов 15: ↑14 и ↓1 +13
Просмотры 4.6K
Комментарии Комментарии 29