ABB dan NVIDIA Bermitra untuk Merevolusi Otomasi Pabrik dengan AI

ABB dan NVIDIA Bermitra untuk Merevolusi Otomasi Pabrik dengan AI Fisik

Lanskap otomasi industri sedang mengalami perubahan besar saat simulasi virtual dan penerapan dunia nyata akhirnya menyatu. ABB Robotics telah mengumumkan kemitraan strategis dengan NVIDIA untuk mengintegrasikan perpustakaan NVIDIA Omniverse ke dalam perangkat lunak RobotStudio khas ABB. Kolaborasi ini bertujuan menghadirkan AI fisik kelas industri dalam skala besar. Dengan meluncurkan RobotStudio HyperReality pada akhir 2026, kedua perusahaan berencana menghilangkan batasan tradisional dalam pengujian otomasi pabrik. Akibatnya, produsen dapat mengharapkan pengurangan dramatis dalam biaya komisioning dan waktu pemasaran yang jauh lebih cepat.

Menjembatani Kesenjangan Sim-to-Real dalam Teknologi Digital Twin

Selama beberapa dekade, insinyur otomasi menghadapi kesulitan dengan kesenjangan "sim-to-real". Istilah ini menggambarkan ketidaksesuaian antara lingkungan simulasi virtual dan lantai pabrik sebenarnya terkait pencahayaan, tekstur, dan toleransi fisik. Ketidaksesuaian ini sering memaksa insinyur menghabiskan minggu-minggu untuk memperbaiki perangkat keras fisik setelah pengujian virtual awal.

ABB mengatasi masalah ini dengan menggabungkan komputasi dipercepat NVIDIA dengan firmware pengontrol virtual miliknya sendiri. Karena pengontrol virtual menjalankan kode yang sama persis dengan robot fisik, korelasi simulasi mencapai akurasi 99% yang belum pernah terjadi sebelumnya. Selain itu, ABB mengintegrasikan teknologi Absolute Accuracy ke dalam ekosistem ini. Kombinasi ini mengurangi kesalahan posisi dari standar 8–15 mm menjadi tepat 0,5 mm, memastikan sistem kontrol presisi tinggi berfungsi identik di ruang virtual dan fisik.

Mempercepat Perakitan Elektronik Konsumen Presisi Tinggi

Manfaat praktis dari platform AI fisik ini sudah terlihat di lingkungan manufaktur dengan risiko tinggi. Foxconn, produsen kontrak elektronik terbesar di dunia, saat ini sedang menguji teknologi ini di lini perakitan elektronik konsumen mereka.

Otomatisasi perakitan komponen kecil menghadirkan tantangan berat karena struktur logam yang halus dan variasi produk yang sering terjadi. Secara tradisional, mengubah lini produksi memerlukan prototipe fisik yang luas dan penyetelan manual yang rumit. Dengan menggunakan RobotStudio HyperReality, insinyur Foxconn menghasilkan data sintetis hiper-realistis untuk melatih robot perakitan secara virtual. Akibatnya, tim mengoptimalkan lini produksi sebelum perangkat keras fisik tiba, memotong waktu pengaturan dan mempercepat siklus evolusi produk.

Mengatasi Kekurangan Tenaga Kerja untuk Usaha Kecil dan Menengah

Sementara perusahaan besar seperti Foxconn memanfaatkan teknologi ini untuk presisi, produsen kecil dan menengah menggunakannya untuk mengatasi kekurangan tenaga kerja yang terus berlangsung. WORKR, perusahaan tenaga kerja robotik yang berbasis di California, membawa model AI canggih ini langsung ke lantai pabrik yang lebih kecil di seluruh Amerika Serikat.

WORKR menggabungkan perangkat keras industri ABB dengan platform AI WorkrCore™ miliknya, yang dilatih sepenuhnya menggunakan data sintetis yang dihasilkan melalui NVIDIA Omniverse. Pendekatan ini memungkinkan operator pabrik menerapkan robot cerdas tanpa pengetahuan pemrograman tradisional. Operator dapat mengajarkan tugas baru kepada robot dalam hitungan menit, membuat otomasi pabrik canggih dapat diakses oleh bisnis yang sebelumnya tidak memiliki modal atau staf teknik khusus untuk mengimplementasikan robotika.

Horizon Masa Depan: Inferensi AI Edge Waktu Nyata dengan OmniCore

Melihat ke depan dari simulasi, ABB sedang aktif mengevaluasi integrasi platform komputasi edge NVIDIA Jetson ke dalam pengontrol OmniCore generasi berikutnya. Integrasi ini akan membawa inferensi AI waktu nyata langsung ke lantai pabrik.

Alih-alih bergantung pada jaringan cloud, robot industri akan memproses data visual dan spasial yang kompleks secara lokal. Arsitektur ini menjamin latensi ultra-rendah dan keamanan data yang kuat, keduanya sangat penting untuk sistem kontrol terdistribusi (DCS) modern. Evolusi AI edge ini membangun portofolio ABB yang sudah ada, yang sudah menggunakan NVIDIA Jetson untuk visual simultaneous localization and mapping (VSLAM) pada robot mobile otonomnya.

Wawasan Penulis: Pergeseran Paradigma bagi Integrator Sistem

Dari perspektif industri, kemitraan ini mewakili perubahan mendasar dalam cara integrator sistem dan insinyur otomasi mendekati desain pabrik. Secara historis, perangkat lunak simulasi terutama berfungsi sebagai alat penjualan visual atau utilitas pemeriksaan jalur dasar, bukan sebagai mekanisme penerapan yang pasti.

Dengan mencapai akurasi simulasi 99%, ABB dan NVIDIA mengubah digital twin menjadi sumber kebenaran yang dapat diandalkan. Kemampuan menghasilkan data sintetis berkualitas tinggi berarti model AI fisik dapat belajar menavigasi lingkungan kompleks, pencahayaan variabel, dan material yang tidak terduga sepenuhnya di cloud. Kemampuan ini secara drastis mengurangi risiko finansial bagi integrator sistem. Mereka kini dapat menjamin metrik kinerja kepada pengguna akhir sebelum membeli satu pun perangkat keras fisik. Prediktabilitas ini kemungkinan akan mempercepat adopsi robotika di sektor yang secara tradisional menolak otomasi karena biaya teknik awal yang tinggi.

Skenario Solusi Industri: Manufaktur Komponen Otomotif High-Mix, Low-Volume

Untuk memahami bagaimana teknologi ini berfungsi di lingkungan industri nyata, pertimbangkan skenario penerapan berikut untuk pemasok otomotif tier satu yang menangani produksi high-mix, low-volume.

Tantangan

Seorang produsen perlu sering mengonfigurasi ulang sel kerja robotik untuk merakit berbagai varian pelat pendingin baterai kendaraan listrik (EV). Pengajaran fisik dan pemrograman manual menyebabkan waktu henti berjam-jam setiap kali pergantian produk, yang merugikan profitabilitas.

Jalur Solusi

1.Konfigurasi Sel Virtual：Fase 1: RobotStudio HyperReality。

Insinyur mengimpor file CAD 3D varian pelat baterai baru ke dalam lingkungan digital twin.

2.Pembuatan Data Sintetis：Fase 2: Integrasi NVIDIA Omniverse。

Sistem secara otomatis menghasilkan ribuan skenario pelatihan hiper-realistis, mengubah sudut pencahayaan, pantulan logam, dan tekstur permukaan.

3.Pelatihan Model AI：Fase 3: Optimasi AI Fisik。

Jaringan saraf robot dilatih menggunakan data sintetis ini di dalam simulator, menguasai lintasan pick-and-place yang presisi dan umpan balik kontrol gaya.

4.Penerapan Tanpa Waktu Henti：Fase 4: Eksekusi Dunia Nyata。

Model AI yang tervalidasi langsung diunggah ke pengontrol ABB OmniCore fisik. Robot fisik mencapai akurasi 99% pada percobaan pertama tanpa pemrograman manual.