Teilen Sie Aufgaben sorgfältig zwischen Menschen und Robotern auf

Die Pandemie hat die Herausforderungen deutlich gemacht, sich auf Waren zu verlassen, die Tausende von Kilometern von den USA entfernt von menschlichen Arbeitskräften hergestellt werden. Es hat die Kollision bestehender Risse in der Lieferkette und der sofortigen Lieferung, an die sich Online-Käufer gewöhnt haben, noch verstärkt.

Da wir auch anhaltende Unklarheiten in Bezug auf Sanktionen gegen den Handel zwischen den USA und China haben, sehen wir allmählich eine Rückkehr der Herstellung bestimmter Waren zurück auf US-Boden.

Der Anstieg der US-Fertigung wird durch drei Elemente gekennzeichnet sein:

Nachhaltigkeit:Weniger Energie für die Herstellung von Produkten verbrauchen und dabei weniger Abfall erzeugen.

Anpassung/Personalisierung:Es ist unwahrscheinlich, dass US-Unternehmen auf reiner Kostenbasis konkurrieren. Aber ich glaube, dass Benutzer mehr für Waren bezahlen werden, die ihre eigene persönliche Note haben.

Lokalisierung:Dies ähnelt der Farm-to-Table-Bewegung, die das Servieren lokaler Lebensmittel in Restaurants fördert. Es ist eine interessante Parallele, aber ich sehe sie nicht in diesem Maße.

Bei richtiger Umsetzung beinhaltet dies die Einrichtung lokaler (und weitaus nachhaltigerer) Produktionsstätten, die in der Lage sind, ihre Herstellung anzupassen.

Es wird eine Kombination aus menschlichen Arbeitern und einem neuen Robotertyp erfordern. Anstelle von sehr großen, teuren Robotern, die bestimmte Waren in extrem hohen Stückzahlen herstellen können, wird die neue Welle von Robotern kleiner, kostengünstiger und einfach neu zu programmieren sein.

Der Drang, Kosten, Stromverbrauch und Platzbedarf zu senken, veranlasst Unternehmen dazu, aus mehreren diskreten Subsystemen eine einzige Platine mit Multiprozessortechnologie zu machen.

Einer der interessanteren jüngsten Trends, die wir aufgegriffen haben, besteht darin, dass OEMs ihr „Rezept“ zum Erstellen eines Widgets in das Fertigungssystem herunterladen. Der Hersteller stellt eine gesicherte virtuelle Maschine bereit, auf der der OEM seinen Code ausführen kann. Der Hersteller muss sicher sein, dass dieser Code nicht vorsätzlich oder zufällig dazu führen kann, dass sich die Werksausrüstung falsch verhält und Menschen in Gefahr bringt.

Die Softwarearchitektur für das System muss in der Lage sein, die Kernfunktionen, die die Maschine ausführen, von den Anwendungen zu isolieren, wobei letztere nicht direkt auf diese Ressourcen zugreifen können.

In dieser neuen Welt geht es jedoch nicht um Roboter gegen Menschen. Wir werden sehen, wie Menschen mit Robotern zusammenarbeiten, was zu einem deutlich besseren Ergebnis für die Fabrik führt.

Dabei geht es weniger um den Mehrwert der Robotertechnologie als vielmehr um die Abkehr vom Gedanken, Menschen durch Roboter zu ersetzen. Wir müssen die gesamte Aufgabe ganzheitlich betrachten und zwischen einem Roboter und einem Menschen aufteilen.

Das Anpassen von Robotern an neue Prozessabläufe ist eine Herausforderung, und Ausfallzeiten wirken sich auf die Fabrikleistung und -effektivität aus.

Trotz aller Behauptungen der künstlichen Intelligenz (KI) kann nur ein Mensch Probleme vorhersagen, bevor sie auftreten, und spontan denken, um Entscheidungen in Echtzeit zu treffen.

Im Gegensatz zu einer „kambrischen Explosion“, die einige Journalisten verwendet haben, um den Ansturm von KI-Lösungen auf den Arbeitsplatz zu beschreiben, wird die tatsächliche Akzeptanz langsamer sein.

Unternehmen beginnen sich von der Pandemie zu erholen – einige mehr als andere – und die Notwendigkeit, ein nahtloses Erlebnis von online bis ins Geschäft zu liefern (um mit Giganten wie Amazon konkurrieren zu können), erfordert ein Umdenken in ganzen Lieferketten.

Dies wird langsam und stetig sein. Ein Gerät, das verspricht, Funktionen in einer Fabrik zu beschleunigen, hilft der Gesamtanlage nicht, wenn es unzuverlässig, unflexibel und/oder kostspielig ist.

Aber wir sehen gut durchdachte Proofs of Concepts und Technologietests, um die Return-on-Investment-Vorteile zu validieren, bevor breitere Implementierungen bevorstehen.