개별 맞춤의 연속 생산

*개별 맞춤의 연속 생산

로봇은 정비 목적을 위해 중앙 컨트롤시스템과 연결되어 있을 뿐만 아니라 사내 주문, 데이터 수집, 운전 시스템에도 연결되어 있다. 따라서 광범위한 주문과 관련하여 추가 자원이 있는지 그리고 제품 납품이 제때 이루어지는지 확인할 수 있다. 심지어 이 시스템은 다음 주에 있을 광고 캠페인을 통해 수요가 증가할 것을 예상하고 적절히 대응할 수 있어야 한다.

다음 단계는 기계학습과 인공지능을 통한 패턴인식이다. 로봇은 현재 프로그래밍된 프로세스에 제한되어 있어, 인간처럼 자기주변이나 자신의 업무의 변화에 대응할 수 없다. „로봇의 장기적인 목적은 간단하게 사용하고 인간의 개입이 필요 없는 로봇입니다.“ (스티븐 와이야트)

이제 로봇의 프로그래밍도 리드 스루 프로그래밍(Lead-Through-programming)을 통해 „학습“으로 전환할 수 있다. 이 프로그램에서 인간은 로봇 암을 원하는 위치로 안내하고 이 위치를 사용자 인터페이스를 통해 저장한다. „그리퍼 열기와 닫기“와 같은 명령을 몇 번의 클릭으로 추가할 수 있다. 이는 프로세스의 엄청난 단순화를 의미한다. 이전에는 전문가의 광범위한 프로그래밍이 필요했지만 현재는 프로그래밍 소요시간도 수 시간에서 수 분으로 단축되었다.

앞으로 로봇은 알 수 없는 대상을 들어 올리는 등 새로운 작업을 다른 로봇에게서 배울 수 있다. 머지 않아 기계학습을 통해 스스로 최적화되는 로봇이 실현될 것이다. 만일 로봇이 사람처럼 다음 날 작업을 더 잘하기 위해 무엇이 잘 진행되었고 무엇이 양호하지 않았는지 분석할 수 있다면 어떻게 될까? 한 가지 분명한 것은 유연성, 효율성 그리고 성능 증대를 위해 자동화 솔루션에 투자하는 기업들이 앞으로 중요한 역할을 하게 될 것이라는 사실이다.

이전에는 사후 대응 방식으로 대응하던 것을 예측 및 예방 접근법으로 사전 대응하고 있다.

이를 통해 사용자들은 자신들이 사용하는 로봇에서 최대 25%의 장애를 줄이고, 문제 발생 시 반응시간과 해결시간을 최대 60% 단축할 수 있게 되었다. 하지만 전세계에서 사용되는 1천 7백만 대의 산업용 로봇 가운데 대다수가 산업용 인터넷에 아직 연결되어 있지 않다. 그로 인해 공장에서 작업 효율을 개선하고 운전자들이 결정을 내릴 때에 지원을 받을 수 있는 귀중한 정보가 사라지고 있다. 스티븐 와이야트에 의하면 현재 산업용 로봇의 약 5%만 네트워크에 연결되어 있다고 한다. 여기에도 „많은 잠재력“이 숨어있다고 할 수 있다.

(마쉬넨마르크트코리아(유) 8월 5일 내용 일부)

소견)미래의 공장은 효율성 면에서 근본적으로 다르다. 디지털화와 네트워크 덕분에 새로운 공장은 개별 맞춤제품을 연속으로 제조할 수 있다. 인간은 그 어느 때보다 로봇친구와 밀접하게 협업해야 한다.