![]()
隨著制造商面臨提高生產力、質量和韌性的壓力,同時還要管理日益增長的產品復雜性,自動化正成為現代工廠運營的核心部分。
協作機器人、自主移動機器人(AMR)以及新興的物理AI等技術,正從試點項目走向大規模生產環境。
處于這一趨勢前沿的公司之一是Flex,這是全球最大的合同制造商之一,為汽車、醫療、工業設備、通信和消費電子等行業的客戶提供服務。
該公司最近宣布擴大與Teradyne Robotics的長期合作關系,根據協議,Flex將在自己的工廠部署機器人解決方案,同時為全球Teradyne客戶制造關鍵機器人組件。
這項協議反映了整個制造業正在發生的更廣泛轉變,企業正在尋求規模化部署自動化技術,以提高運營靈活性,同時幫助解決勞動力短缺、供應鏈不確定性以及日益增長的效率需求。
在本次問答中,Flex公司運營卓越與轉型總裁Rodrigo DallOglio討論了該公司從在全球運營中部署自動化所學到的經驗,以及為什么從試點項目到大規模實施仍然是行業最大的挑戰之一。
DallOglio還解釋了協作機器人和AMR如何幫助制造商在靈活性與標準化之間取得平衡,并就物理AI在工廠環境中日益增長的作用提出了自己的觀點。
雖然完全自主的工廠仍有一段距離,但他認為支持AI的機器人技術已經在提供實際效益,使制造運營更具適應性、可擴展性和韌性。
這次對話深入展示了全球最大制造組織之一如何看待工業自動化的未來,以及可能塑造下一代生產系統的技術。
機器人與自動化新聞:Flex在多個行業以全球規模運營。在內部部署機器人的同時為Teradyne Robotics等合作伙伴制造組件,這與傳統工廠升級相比,如何改變您對自動化規模化的思考方式?
Rodrigo DallOglio:Flex作為先進機器人技術的制造商和使用者的雙重身份,讓我們對自動化如何有效擴展有了第一手的洞察。
這始于在單一環境中驗證工作流程和優化流程,然后將經過驗證的方法復制到其他站點和運營中。
這種持續的反饋循環幫助Flex擴展自動化規模,在日益復雜的制造環境中提高生產力、質量、靈活性和運營韌性。
機器人與自動化新聞:合同制造業競爭激烈。對于像Flex這樣的公司來說,自動化在多大程度上已經是保持成本、質量和速度競爭力的必需品,而不僅僅是差異化因素?
RD:自動化是合同制造業中性能、質量和響應能力的關鍵驅動力。隨著產品變得更加復雜,需求快速變化,制造商需要能夠提高精度、加快生產時間并實現對運營變化更快響應的解決方案。
對于Flex來說,重點不在于競爭定位,而在于利用自動化來加強執行力,在各個工廠推廣經過驗證的解決方案,并建立更具韌性的全球運營。
機器人與自動化新聞:許多制造商難以從試點自動化項目轉向全面部署。在Flex自己的工廠環境中,關于在全球生產網絡中擴展機器人技術時什么有效、什么無效,您學到了什么?
RD:最大的經驗之一是,成功的自動化解決方案必須解決真正的運營需求,并且從一開始就要考慮規模化設計。
試點可以證明技術可行性,但規模化需要標準化解決方案、與運營的強大集成,以及來自使用該技術的團隊的明確反饋。
成功的部署通常從單個工廠內一個重點突出、影響力大的用例開始,團隊可以在那里衡量性能,使用實時運營數據改進技術,并在擴展到其他工廠和生產線之前建立可復制的模型。
最終,擴展自動化是一個互動過程,需要仔細規劃和實際驗證。
機器人與自動化新聞:合同制造商必須處理高產品變化和頻繁的設計變更。協作機器人和AMR如何幫助平衡靈活性需求與標準化生產流程的效率?
RD:協作機器人和自主移動機器人特別有用,因為與更傳統的物料搬運解決方案相比,它們避免了將制造商鎖定在僵化的生產模式中。
協作機器人可以處理裝配和搬運等可重復任務,而AMR則簡化物料移動并減少工廠內的人工運輸。
它們共同提高了效率,同時保留了管理產品變化、需求變化和頻繁設計變更所需的靈活性。
機器人與自動化新聞:公告中提到了新興的"物理AI"能力。從實際角度來看,這在今天的工廠車間意味著什么?我們距離能夠在沒有人工干預的情況下實時適應不斷變化的生產條件的系統還有多遠?
RD:物理AI是指在物理世界中運行并直接與之交互的人工智能系統,超越了純數字AI(如聊天機器人),將AI智能應用于機器人、車輛和傳感器中。
這些系統通過攝像頭、激光雷達和麥克風感知周圍環境,并實時推理以執行導航、操作和自主決策等任務。
雖然能夠在沒有人工干預的情況下適應各種條件的完全自主系統仍在發展中,但近期機會非常真實:使用支持AI的機器人技術使工廠運營更加靈活、高效且更易于擴展。
Q&A
Q1:Flex公司為什么既部署機器人又制造機器人組件?
A:Flex作為先進機器人技術的制造商和使用者,這種雙重身份讓公司對自動化如何有效擴展有了第一手洞察。通過在自己工廠驗證工作流程和優化流程,然后將經過驗證的方法復制到其他站點,這種持續反饋循環幫助Flex在日益復雜的制造環境中提高生產力、質量、靈活性和運營韌性。
Q2:制造商在擴展機器人技術時最大的挑戰是什么?
A:最大的挑戰是從試點項目轉向全面部署。成功的自動化解決方案必須解決真正的運營需求,并從一開始就考慮規模化設計。試點可以證明技術可行性,但規模化需要標準化解決方案、與運營的強大集成以及來自使用團隊的明確反饋。成功部署通常從單個工廠的高影響用例開始,建立可復制模型后再擴展到其他工廠和生產線。
Q3:物理AI在工廠中的實際應用是什么?
A:物理AI是指在物理世界中運行并直接與之交互的人工智能系統,將AI智能應用于機器人、車輛和傳感器中。這些系統通過攝像頭、激光雷達和麥克風感知周圍環境,并實時推理執行導航、操作和自主決策等任務。雖然完全自主系統仍在發展中,但近期機會已經非常真實,即使用支持AI的機器人技術使工廠運營更加靈活、高效且更易于擴展。
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.