Az ABB és az NVIDIA együttműködése forradalmasítja a gyári automatizálást mesterséges intelligenciával

Az ABB és az NVIDIA együttműködése forradalmasítja a gyári automatizálást a fizikai MI segítségével

Az ipari automatizálás területe hatalmas átalakuláson megy keresztül, mivel a virtuális szimuláció és a valós alkalmazás végre összeolvad. Az ABB Robotics bejelentette stratégiai partnerségét az NVIDIA-val, hogy integrálja az NVIDIA Omniverse könyvtárait az ABB jellegzetes RobotStudio szoftverébe. Ez az együttműködés ipari szintű fizikai MI-t kíván nagy léptékben biztosítani. A RobotStudio HyperReality 2026 végén történő bevezetésével a cégek célja, hogy megszüntessék a gyári automatizálás tesztelésének hagyományos korlátait. Ennek eredményeként a gyártók jelentős költségcsökkenésre és lényegesen gyorsabb piacra jutási időkre számíthatnak.

A szimuláció és a valóság közötti szakadék áthidalása a digitális iker technológiában

Évtizedeken át az automatizálási mérnökök küzdöttek a „szimuláció és valóság” közötti különbséggel. Ez a kifejezés a virtuális szimulációs környezetek és a tényleges gyári környezet közötti eltérést írja le a világítás, textúrák és fizikai tűrések tekintetében. Ez a különbség gyakran arra kényszerítette a mérnököket, hogy hetekig hibakeressenek a fizikai hardveren az első virtuális tesztelés után.

Az ABB ezt a problémát úgy oldja meg, hogy az NVIDIA gyorsított számítástechnikáját saját, szabadalmaztatott virtuális vezérlő firmware-ével kombinálja. Mivel a virtuális vezérlő pontosan ugyanazt a kódot futtatja, mint a fizikai robot, a szimulációs korreláció példátlan, 99%-os pontosságot ér el. Továbbá az ABB beépíti az Absolute Accuracy technológiáját ebbe az ökoszisztémába. Ez a kombináció a pozícionálási hibákat a szokásos 8–15 mm-ről pontos 0,5 mm-re csökkenti, biztosítva, hogy a nagy pontosságú vezérlőrendszerek mind virtuális, mind fizikai térben azonosan működjenek.

A nagy pontosságú fogyasztói elektronikai összeszerelés egyszerűsítése

Ennek a fizikai MI platformnak a gyakorlati előnyei már jól láthatók a nagy tételben gyártó környezetekben. A világ legnagyobb elektronikai szerződéses gyártója, a Foxconn jelenleg a technológiát teszteli fogyasztói elektronikai összeszerelő sorain.

A kis alkatrészek összeszerelésének automatizálása komoly kihívásokat jelent a finom fém szerkezetek és a gyakori termékváltozatok miatt. Hagyományosan a gyártósor átalakítása kiterjedt fizikai prototípus-készítést és kézi finomhangolást igényelt. A RobotStudio HyperReality használatával a Foxconn mérnökei hiperrealisztikus szintetikus adatokat generálnak az összeszerelő robotok virtuális képzéséhez. Ennek eredményeként a csapat optimalizálja a gyártósorokat még a fizikai hardver megérkezése előtt, csökkentve a beállítási időket és felgyorsítva a termékfejlesztési ciklust.

A munkaerőhiány enyhítése kis- és középvállalkozások számára

Míg a nagyvállalatok, mint a Foxconn, ezt a technológiát a precizitás érdekében használják, a kis- és középvállalkozások a folyamatos munkaerőhiány leküzdésére alkalmazzák. A kaliforniai székhelyű WORKR robotikai munkaerő cég ezeket a fejlett MI modelleket közvetlenül a kisebb amerikai gyárakba viszi.

A WORKR az ABB ipari hardverét kombinálja saját, kizárólag NVIDIA Omniverse által generált szintetikus adatokon tanított WorkrCore™ MI platformjával. Ez a megközelítés lehetővé teszi a gyári üzemeltetők számára, hogy programozási ismeretek nélkül telepítsenek intelligens robotokat. Az üzemeltetők percek alatt taníthatnak új feladatokat a robotoknak, így a fejlett gyári automatizálás elérhetővé válik azoknak a vállalkozásoknak is, amelyek korábban nem rendelkeztek tőkével vagy speciális mérnöki stábbal a robotika bevezetéséhez.

Jövőbeli kilátások: valós idejű Edge MI következtetés az OmniCore-dal

A szimuláción túl az ABB aktívan vizsgálja az NVIDIA Jetson edge számítástechnikai platformjának integrálását a következő generációs OmniCore vezérlőibe. Ez az integráció valós idejű MI következtetést hoz közvetlenül a gyári padlóra.

Ahelyett, hogy felhőhálózatokra támaszkodnának, az ipari robotok helyben dolgozzák fel a bonyolult vizuális és térbeli adatokat. Ez az architektúra ultra alacsony késleltetést és erős adatbiztonságot biztosít, amelyek mind kritikusak a modern elosztott vezérlőrendszerek (DCS) számára. Ez az edge-MI fejlődés az ABB meglévő portfóliójára épül, amely már használja az NVIDIA Jetson-t vizuális egyidejű lokalizációra és térképezésre (VSLAM) autonóm mobil robotjaiban.

Szerzői meglátás: Paradigmaváltás a rendszerintegrátorok számára

Az iparági szempontból ez a partnerség alapvető változást jelent abban, hogy a rendszerintegrátorok és az automatizálási mérnökök hogyan közelítik meg a gyártervezést. Hagyományosan a szimulációs szoftver elsősorban vizuális értékesítési eszközként vagy alapvető útvonal-ellenőrzőként szolgált, nem pedig végleges telepítési mechanizmusként.

A 99%-os szimulációs pontosság elérésével az ABB és az NVIDIA a digitális ikert megbízható igazságforrássá alakítja. A nagy felbontású szintetikus adatok generálásának képessége lehetővé teszi, hogy a fizikai MI modellek teljes egészében a felhőben tanuljanak meg navigálni összetett környezetekben, változó világításban és kiszámíthatatlan anyagok között. Ez a képesség drasztikusan csökkenti a pénzügyi kockázatot a rendszerintegrátorok számára. Most már garantálhatják a teljesítménymutatókat a végfelhasználóknak, még mielőtt egyetlen fizikai hardvert is megvásárolnának. Ez a kiszámíthatóság valószínűleg felgyorsítja a robotika elfogadását azokban az ágazatokban, amelyek hagyományosan ellenálltak az automatizálásnak a magas kezdeti mérnöki költségek miatt.

Ipari megoldási forgatókönyv: nagy változatosságú, kis volumenű autóipari alkatrészgyártás

Ahhoz, hogy megértsük, hogyan működik ez a technológia egy élő ipari környezetben, vegyük figyelembe az alábbi telepítési forgatókönyvet egy első szintű autóipari beszállító esetében, amely nagy változatosságú, kis volumenű gyártást végez.

A kihívás

Egy gyártónak gyakran kell átalakítania egy robotizált munkacellát, hogy különböző változatokat szereljen össze elektromos jármű (EV) akkumulátor hűtőlemezekből. A fizikai tanítás és a kézi programozás minden termékváltáskor órákra leállást okoz, ami rontja a nyereségességet.

A megoldás útja

1. Virtuális cellakonfiguráció：1. fázis: RobotStudio HyperReality。

A mérnökök importálják az új akkumulátorlemez változatok 3D CAD fájljait a digitális iker környezetbe.

2. Szintetikus adatgenerálás：2. fázis: NVIDIA Omniverse integráció。

A rendszer automatikusan több ezer hiperrealisztikus képzési forgatókönyvet generál, változtatva a világítás szögeit, a fém visszaverődését és a felületi textúrákat.

3. MI modell képzés：3. fázis: Fizikai MI optimalizáció。

A robot neurális hálózata ezen a szintetikus adaton belül a szimulátorban tanulja meg a pontos pick-and-place mozdulatokat és az erővezérlési visszacsatolást.

4. Zéró leállásos telepítés：4. fázis: Valós végrehajtás。

A validált MI modellt közvetlenül az ABB OmniCore fizikai vezérlőjére töltik. A fizikai robot az első futtatáskor 99%-os pontosságot ér el manuális programozás nélkül.