Aitad是一家专注于嵌入式AI技术的公司。Aitad的创始人Viacheslav Gromov分享了如何应用专门的知识来增强机器人的稳定性。这种稳定性可以节省大量资金...

Viacheslav Gromov，是德国Aitad公司的首席创始人，深知若机器的运行费用每小时为2,500欧元，那么机器人臂或其他工业机器人的任何故障都会迅速增加费用。因此，预防因技术问题导致的运行中断是至关重要的，无论公司是仅使用一个机械臂还是多台工业机器人。故障不仅会导致生产暂停，还会对仓储成本带来重大压力。如果不这样做，就需要持续保持大量关键备件的库存。

格罗莫夫指出：“很难获取关于生产机器人停机时间的官方数据。同时，这些数据的差异也很大，因此很难精确估算由此产生的损失。但在汽车行业，每家公司每年因停机而产生的损失可以高达数百万美元。根据行业经验，常见的故障部件包括连接部件、驱动设备和液压系统。由于自然磨损，随着时间的流逝，机械臂的精度会降低。但这种情况是可以避免的。”

走出固定的机器人维护流程

Gromov表示，为了解决这个问题，机器人制造商已经制定了更或少严格的维护流程。目前，修正或预防性维护是主流做法。但选择性的修复性维护可能会加速机器人部件的磨损。他进一步解释，在现实中，机械臂往往只有在真正需要维修或维护时才会得到维修。或者进行预防性维护而不考虑机器的实际状态。“因此，机器人制造商开始采用状态监测系统。这涉及基于机器人的实际状态来预测未来的维护需求。”但预测仍然是一个模糊的概念。事实上，状态监控只是一种更精细的故障检测手段。它提供了更多的预测性维护优势。

数据量大的确好，但如何有效传输？

Gromov指出，在实际操作中，正确地收集关于系统或机器人的数据并有效地评估它们并不简单。许多机器人还是通过一系列传感器来进行监控，但这些传感器功能有限，只能收集部分数据。尽管如此，他强调，当涉及数据量时，“越多越好”这一说法是适用的，但也需要注意。收集和评估的数据越多，对未来机器状况的预测就越精准。但数据传输的网络容量是一个难题。例如，详细的振动数据通常会产生大量的数据，这使得数据的传输变得极为困难。“现在，这种问题通常可以通过所谓的边缘计算来解决。算法将尝试仅筛选出关键数据，然后传输到控制器进行实际评估。”Aitad的创始人这样解释。但他也坦言，这需要强大且昂贵的计算能力，并会影响整个系统的效率。

嵌入式AI：一种更经济的机器人优化技术

Gromov提到，如果想要尽量消除机器人的故障并降低成本，最佳做法是在源头对传感器数据进行分析。这并不是遥不可及的未来，但随着半导体技术的进步，特别是在运行“嵌入式”人工智能的特定流程中，这在过去几年已经变得可能。这种嵌入式AI传感器只传输评估后的结果，大大减少了传输的数据量。同时，处理大数据的能力也得到了增强，从而可以进行更深入、更准确的评估。格罗莫夫补充：“如果你在机器人中使用嵌入式AI，你不仅可以了解到当前的磨损状况，还可以对部件甚至整个机器的预期使用寿命进行精确预测。与在边缘系统中使用的算法相比，嵌入式AI的优势在于，即使是复杂且难以预测的事件也可以被识别，并立即触发适当的反应。例如，非典型的振动模式可能意味着变速器有问题。

嵌入式AI不仅能更深入地分析数据。由于其对资源的需求较低，因此其成本并不高。因此，你可以用更少的投资获得更高的性能。“传统的预测维护系统可能会花费数千美元，而嵌入式AI的成本可能低至数十美元。”这也意味着更多的机器人可以享受到这种技术的好处，从而进一步降低维护成本。