同樣,機(jī)器學(xué)習(xí) (Machine Learning) 作為 KUKA 最重要的 AI 領(lǐng)域之一,正在進(jìn)入工廠并將很快成為智能工廠的一個固定組成部分。學(xué)習(xí)型機(jī)器可以“理解”它們自己產(chǎn)生的模式和因果關(guān)系。他們通過獨立完善其算法實時“學(xué)習(xí)”并對此做出反應(yīng)。
如果對機(jī)器人使用壽命的預(yù)測能夠具體到單個部件,就可以避免成本高昂的故障和停產(chǎn)。這正是由巴伐利亞州經(jīng)濟(jì)事務(wù)、能源和技術(shù)部 (StMWi) 資助的研究項目“用于預(yù)測工業(yè)機(jī)器人運行安全和壽命的人工智能”(KIVI)所要實現(xiàn)的。其目的是持續(xù)監(jiān)控工業(yè)機(jī)器人的狀態(tài)并執(zhí)行預(yù)防性維護(hù)(狀態(tài)監(jiān)控和預(yù)防性維護(hù))。為此,多個傳感器會首先傳輸單個機(jī)器人部件的工作振動特征。然后用人工智能來評估相應(yīng)數(shù)據(jù):它能識別磨損狀態(tài)出現(xiàn)時的模式并從中學(xué)習(xí)行為模型。它能生成一個原型 AI 工具箱,現(xiàn)在已進(jìn)入評估階段。一旦它被商業(yè)化使用,制造型企業(yè)將可以提高其設(shè)備可用性,并使生產(chǎn)過程更加高效,這一點也有助于節(jié)約資源。
這正是 OPERA 項目的意義所在:由于在協(xié)作機(jī)器人中并非所有的錯誤源都可以明確確定,所以我們開發(fā)了概率模型。用戶現(xiàn)在可以輕松地在 3D 模型中看到協(xié)作機(jī)器人動作流程中所出現(xiàn)的不準(zhǔn)確現(xiàn)象,并做出相應(yīng)反應(yīng)。他們可以從更高的靈活性和準(zhǔn)確性以及更大的可靠性中受益。