24 de diciembre de 2016

Como es que la Tecnologia Robotica esta Automatizando las Líneas de Producción?

Nataliya Hora / Shutterstock.com
Desde el inicio de la revolución industrial, las máquinas comenzaron a realizar trabajos que previamente requerían manos humanas. A lo largo de los años cincuenta y sesenta, los ingenieros experimentaron con la robótica como medio de desarrollo industrial. El brazo de Stanford fue creado en 1969, un robot de 6 ejes que podía mover y ensamblar piezas repetidamente en un patrón continuo. Esta invención dio a los robots una aplicación práctica en líneas de montaje y conducen a la robótica industrial que tenemos hoy (Corday, 2014).

Los robots industriales son sistemas automatizados, programables utilizados en la fabricación, normalmente capaces de moverse sobre dos o más ejes (Organización Internacional de Normalización (ISO), 2012). La mayoría de los robots pertenecen a la categoría de los brazos robóticos, y tienen al menos un cierto grado de autonomía, lo que significa que son capaces de realizar tareas sin control humano explícito. Las tareas llevadas a cabo por robots industriales incluyen soldadura, pintura, levantamiento, embalaje e inspección.

Los robots industriales son los más comunes en la fabricación de automóviles. Dentro de esta industria, los robots suelen realizar los trabajos que requieren la menor delicadeza, como el levantamiento de pesos, pintura y soldadura. Las manos humanas todavía se confían encendido para el trabajo más intrincado que implica pequeñas piezas o el cableado que necesita ser guiado en el lugar. Los brazos robóticos son también estructuras típicamente grandes que son difíciles de mover alrededor de la fábrica.

Sin embargo, los robots ahora se están produciendo con mucha mayor destreza lo que les permitirá desafiar a los seres humanos para el trabajo más intrincado. Robots fabricados por Universal Robots AS de Dinamarca se utilizan en la planta de Renault SA en Cleon, Francia, para poner tornillos en los motores, una tarea precisa normalmente realizada exclusivamente por un trabajador humano. Además, los robots utilizados en Renault pesan unos 30 kg y se mueven fácilmente en el lugar de trabajo. Esto permite al fabricante realizar series más cortas de productos personalizados sin la habitual cantidad de tiempo y dinero para reconfigurar la fábrica (Hagerty, 2015).

Robots Colaboradores
Por lo general, los robots industriales se han mantenido separados de los trabajadores debido a la naturaleza peligrosa de su funcionamiento. Los robots colaboradores son la nueva tecnología para desafiar esto, lo que a través del diseño permite la colaboración segura entre los seres humanos y los robots en la misma estación de trabajo. Las características clave necesarias para permitir esto son las siguientes:
  • Diseñado para ser seguro alrededor de la gente, limitando la fuerza para evitar lesiones si el robot y el ser humano interfieren o utilizando sensores para evitar el contacto, o una combinación de ambos.
  • Diseño ligero que permite al robot desplazarse de una tarea a otra según sea necesario.
  • Un requisito de baja habilidad para usar para permitir que una amplia gama de trabajadores opere. Por lo general, se utilizan con una tableta o un teléfono inteligente (Henry, 2015).
Kawasaki Robotics ha lanzado recientemente el duAro, el primer robot colaborador de su clase. Utiliza motores de baja potencia, cuerpo blando, velocidad y monitoreo compartido de la zona de trabajo, permitiendo un trabajo colaborativo con los seres humanos. En el caso poco probable de una colisión, la función de detección de colisión detiene instantáneamente el movimiento del robot. Las tareas se enseñan al robot guiando manualmente sus brazos, y puede completar tareas tales como manejo de materiales, montaje, mantenimiento de la máquina y dispensación usando ambos  brazos de carga útil de 2 kg en movimientos coordinados. La instalación de duAro es simple, las ruedas montadas en la base permiten a un solo usuario mover fácilmente el robot a cualquier lugar deseado (Robotics.org, 2016).

Wellphoto / Shutterstock.com
Inteligencia artificial
La inteligencia artificial en los robots es un campo de investigación en rápido desarrollo. IA permite completar las tareas que requieren destreza y conocimiento especial por un proceso de aprendizaje, lo que significa que el robot puede introducirse en nuevos escenarios y reaccionar correctamente sin pre-programar. Los investigadores de UC Berkeley han desarrollado algoritmos que "permiten a los robots aprender las tareas de los motores a través del ensayo y el error usando un proceso que se aproxima más a la manera en que los humanos aprenden, marcando un hito importante en el campo de la inteligencia artificial" (Yang, 2016). Esta técnica se utilizó con éxito para una variedad de tareas, tales como montar un avión de juguete, atornillar un tapón en una botella de agua y poner perchas en un colgador - todo sin ningún detalle pre-programado en su entorno.

Se utilizó una nueva rama de inteligencia artificial conocida como aprendizaje profundo. El aprendizaje profundo es otro nombre para las redes neuronales artificiales (RNAs), que son una familia de modelos inspirados en redes neuronales biológicas (los sistemas nerviosos centrales de los animales, particularmente dentro del cerebro) y se utilizan para estimar funciones que dependen de muchas instrucciones y son generalmente desconocidos. Las RNAs están diseñadas como sistemas de "neuronas" interconectadas que pueden intercambiar mensajes entre sí.

Las conexiones tienen pesos numéricos que se pueden ajustar en función de la experiencia, haciendo que las redes neuronales sean adaptables a las instrucciones y, por lo tanto, capaces de aprender. El "aprendizaje profundo" se llama profundo debido a la estructura de las RNAs, con capas de neuronas apiladas unas encima de otras. La capa más baja toma los datos brutos como imágenes, textos o sonidos, y cada neurona almacena cierta información sobre los datos que encuentran. Cada neurona en la capa envía información hasta la siguiente capa de neuronas que aprenderán una versión más abstracta de los datos debajo de ella (Tyagi, 2016).

Esta tecnología ya se ha implementado con éxito en el reconocimiento de voz y visión en Siri de Apple y Google Street View. Sin embargo, estas aplicaciones pueden hacer uso de direcciones etiquetadas donde tienen ejemplos de cómo resolver el problema con antelación, tales como datos almacenados en diferentes palabras existentes. Moverse en un entorno 3D no estructurado no tiene estas direcciones y por lo tanto es un desafío mucho mayor. El robot actualmente en uso en la experimentación por UC Berkley utiliza un algoritmo con una función de recompensa que proporciona una puntuación basada en lo bien que el robot está haciendo la tarea establecida.

Una cámara rastrea la posición de sus brazos y piernas y analiza su entorno, y una puntuación en tiempo real se devuelve al robot con respecto a su movimiento. El movimiento óptimo con respecto a la meta puede ser aprendido por sí solo a través de la repetición - sin embargo, en la actualidad calcula "buenos" valores para alrededor de 92.000 parámetros y por lo tanto el tiempo para optimizar está limitado por hardware de procesamiento de datos.

En la actualidad, sin datos previos sobre la ubicación del objeto, el proceso de aprendizaje dura aproximadamente 3 horas. Hay mucho camino para que esta tecnología sea comercialmente viable para las líneas de producción, pero el efecto revolucionario de esta tecnología en el futuro será enorme para permitir a los robots aprender tareas complejas desde cero.


Referencias
Corday, R., 2014. The evolution of assembly lines: A brief history. [Online]
Disponible en: http://robohub.org/the-evolution-of-assembly-lines-a-brief-history/
[Accessed 9 September 2016].

Hagerty, J. R., 2015. Meet the New Generation of Robots for Manufacturing. [Online]
Disponible en: http://www.wsj.com/articles/meet-the-new-generation-of-robots-for-manufacturing-1433300884
[Accessed 9 September 2016].

Henry, J. R., 2015. What are collaborative robots and why should you care?. [Online]
Disponible en: http://www.packagingdigest.com/robotics/what-are-collaborative-robots-and-why-should-you-care1505
[Accessed 9` September 2016].

International Organisation for Standardisation (ISO), 2012. ISO 8373:2012 - Robotics and robotic devices. [Online]
Disponible en: https://www.iso.org/obp/ui/#iso:std:iso:8373:ed-2:v1:en
[Accessed 9 September 2016].

Robotics.org, 2016. Kawasaki Robotics Releases the “duAro”, a First-of-its-Kind Collaborative Robot, for North American Market. [Online]
Disponible en: http://www.robotics.org/content-detail.cfm/Industrial-Robotics-News/Kawasaki-Robotics-Releases-the-duAro-a-First-of-its-Kind-Collaborative-Robot-for-North-American-Market/content_id/6197
[Accessed 9 September 2016].

Tyagi, V., 2016. What is deep learning. [Online]
Disponible en: https://www.quora.com/What-is-deep-learning
[Accessed 21 September 2016].

Yang, S., 2016. New ‘deep learning’ technique enables robot mastery of skills via trial and error. [Online]
Disponible en: http://news.berkeley.edu/2015/05/21/deep-learning-robot-masters-skills-via-trial-and-error/
[Accessed 21 September 2016].

Exención de responsabilidad: Las opiniones expresadas aquí son las del autor expresadas en su capacidad privada y no representan necesariamente las opiniones de AZoM.com Limited T / A AZoNetwork el propietario y operador de este sitio web. Esta renuncia forma parte de los Términos y condiciones de uso de este sitio web.

By Ben Arnold
AZO Robotics
08 Noviembre 2016

No hay comentarios.: