Gartner® Research Predicts 2023: Tecnologia da Cadeia de Abastecimento
Leia o relatório
Por Sara Pearson Specter
As soluções robóticas actuais - tanto os robôs móveis fixos como os autónomos - estão cada vez mais a ser construídas como uma plataforma sobre a qual podem ser construídas soluções específicas para aplicações para lidar com tarefas únicas de fabrico e armazenamento. Mas, no mundo actual altamente dinâmico e em constante mudança, as necessidades e estratégias podem igualmente mudar. Felizmente, devido à sua inerente flexibilidade e versatilidade, os robôs podem ser adaptados para acomodar essas necessidades em mudança.
Dependendo da nova tarefa em mãos, podem ser feitas modificações no software de bordo para permitir ao robô enfrentar o novo processo. Ou - se o novo propósito for muito diferente da função original - o fabricante pode ajudar a reengenharia de novas funcionalidades numa base de sistema existente. De qualquer modo, ao adaptar uma solução robótica existente para satisfazer uma nova necessidade, o investimento inicial é maximizado e toda a operação beneficia da adaptabilidade funcional.
Aqui, um olhar sobre quatro operações que estão a alavancar a flexibilidade robótica para lidar com novos produtos, enfrentar novas tarefas, e assegurar a saúde e o bem-estar dos seus empregados e clientes durante a pandemia da COVID-19.
Embora os robôs sejam ideais para tarefas repetitivas, até agora faltava-lhes a inteligência para identificar e manusear dezenas de milhares de produtos em constante mudança numa típica operação de armazém dinâmico. Isso tornava a aplicação de robôs em aplicações de recolha algo limitada. Portanto, quando o grossista alemão de fornecimento eléctrico Obeta procurou instalar um novo sistema de armazenamento automático do membro da MHI KNAPP no seu novo armazém de Berlim como forma de fazer face a uma escassez regional de mão-de-obra agravada pela COVID-19, a empresa especificou um sistema de recolha robotizado alimentado por inteligência artificial (IA) a bordo.
"O Cérebro Covariante é uma IA universal que permite aos robôs ver, raciocinar e agir no mundo à sua volta, completando tarefas demasiado complexas e variadas para os robôs tradicionais programados. O software da Covariant permite ao robô Obeta Pick-It-Easy Robot adaptar-se a novas tarefas por si só através de tentativa e erro, para que possa lidar com quase qualquer objecto", explicou Peter Chen, co-fundador e CEO da Covariant.ai, membro do MHI.
"Historicamente, um robô foi programado para executar um tipo de tarefa, tal como fixar o mesmo parafuso na mesma peça do carro", disse ele. "Os robôs alimentados por IA podem realizar tarefas muito mais complexas. Com a escolha do item, por exemplo, o Cérebro Covariante pode identificar o que é um objecto, reconhecer o ponto ideal de apreensão, compreender quão pesado ou leve é o item, e determinar onde o colocar. O Cérebro Covariante aprende automaticamente a tomar decisões sobre como apanhar e manusear itens em constante mudança".
Essa funcionalidade permite ao robô agir mais como um humano, continuou Chen. "Para um humano, pegar em diferentes itens parece tão simples. Mas na realidade, há muitos passos e decisões que têm de ser tomadas. Com software de IA que pode aprender e adaptar-se, um robô pode manusear uma grande variedade de produtos tão rápida e precisamente como uma estação manual", disse ele.
Em Obeta, o Robô Pick-It-Easy escolhe e coloca produtos de contentores de armazenamento em caixas de encomendas. Foi capaz de se integrar totalmente nos sistemas existentes, permitindo a automatização de capacidades como a lista branca e o tratamento de erros. Além disso, porque a instalação funciona 24 horas por dia, 5 dias por semana e recebe dezenas de milhares de produtos que mudam regularmente todos os meses, a capacidade do robô para manusear autonomamente itens que nunca tinha visto antes sem interrupções tem sido uma vantagem chave.
"Podemos contar com ele para fazer o seu trabalho, e não temos de nos preocupar com o facto de não poder trabalhar, o que é uma enorme vitória para nós", disse Michael Pultke, chefe de logística da Obeta. Ele relata que o robô funciona até 14 horas por dia, colhendo a velocidades de pico de 600 itens por hora com 99% de precisão - mesmo quando aprende novos objectos todas as semanas.
Enfrentando escassez significativa de mão-de-obra, a Allied Moulded procurou automatizar a sua aplicação de recolha de lixo para melhorar a qualidade e libertar os seus trabalhadores de tarefas repetitivas e nãoergonómicas.
Utilizando trabalho manual para a recolha de contentores produziu resultados inconsistentes, informou o técnico de fabrico, Nate Gilbert: "Um dos maiores desafios com o trabalho manual é que eles se cansam e, no final do dia, a produção diminuiria; enquanto que com um robô, pode sempre contar com uma produção consistente".
A pandemia COVID-19 acrescentou outra camada de preocupação em relação à força de trabalho manual da empresa. "Enfrentámos o risco de pessoal dedicado em qualquer momento não estar aqui por razões fora do seu controlo", explicou o director do departamento de apoio à produção, Tom Carlisle. "Precisávamos de uma forma de manter esses processos a funcionar".
Além disso, com espaço limitado, a empresa necessitava de uma solução de automatização que não exigisse guarda. A empresa seleccionou o ActiNav, uma solução automatizada de recolha de lixo alimentada por um robô colaborativo (cobot) dos Robôs Universais membros da MHI que lida de forma síncrona com o processamento da visão, planeamento de movimento sem colisões, e controlo autónomo do robô em tempo real.
Enquanto a Allied Moulded tinha experiência com a automação tradicional, a implantação de um cobot foi "uma experiência completamente nova", disse Nathan Wells, líder do grupo de manutenção. "No que toca à programação, este foi provavelmente um dos robôs mais fáceis que alguma vez tive de programar. Basta movê-lo para o lugar, carregar em alguns botões e aí está o programa".
Alimentar o ActiNav com os dados necessários para o reconhecimento de peças é um processo igualmente indolor, continuou ele. "Utilizámos um ficheiro CAD do produto, carregámo-lo no ActiNav e ele levou-o e utilizou-o para registar peças fora do caixote do lixo. Era muito fácil de carregar. Bastava colocá-lo num USB e ligá-lo ao controlador", explicou Wells, acrescentando que ensinar o caixote do lixo era também muito simples. "Apenas tocamos no robô em cada parte do contentor. Fazemos alguns pontos disso, e ActiNav aprende o próprio contentor".
O processo de recolha de contentores começa com os manipuladores de stock a descarregarem uma caixa cheia de peças para um contentor de lixo. Uma vez activado, o contentor descarrega as suas peças no contentor ActiNav. O ActiNav recolhe peças - neste caso, caixas de junção eléctricas extrudidas de fibra de vidro - e coloca-as na orientação adequada num transportador estreito e em carris. O transportador leva as peças para uma pequena célula de trabalho enjaulado, equipada com uma mesa rotativa que serve várias estações.
Em cada estação, é aplicado um elemento de fabrico, depois um transportador externo que transfere as peças acabadas para um grande contentor. Pelo caminho, a ActiNav tem de tomar algumas decisões de forma autónoma: que peça escolher; como colocá-la na orientação correcta; e para identificar peças incorrectas, colocá-las de lado, e continuar com a sua tarefa principal. Desde que o contentor seja mantido cheio, o ActiNav pode funcionar todo o dia sem a intervenção do operador.
"Fiquei impressionado com a capacidade do robô para escolher as nossas peças fora do contentor, independentemente da orientação, e colocá-las correctamente na máquina", disse Gilbert. "Uma tarefa como esta é normalmente bastante difícil para um robô ser configurado para fazer. Estamos confiantes em que um operador o faça; mas tê-lo feito e não ter de utilizar mão-de-obra directa nessa situação tem sido um grande benefício".
Embora um operador humano possa executar a tarefa mais rapidamente, a sua consistência pode ser afectada pela necessidade de fazer pausas, acrescentou Carlisle. "No final do dia, a quantidade total de produto deve ser a mesma, se não melhor, com ActiNav que um operador humano; mas sem a fadiga e destreza manual de se mover o tempo todo".
A implementação do ActiNav permitiu aos operadores da Allied Moulded aumentar as suas capacidades, tornando-se formadores e mentores do sistema e contribuindo com ideias de design para futuros projectos de automação. Carlisle observou que a versatilidade e flexibilidade inerentes aos robôs também inspirou uma série de ideias para futuras aplicações.
Allied Moulded está "bem encaminhado" para ser capaz de deslocar o cobot para qualquer máquina e configurá-lo para qualquer estilo de peça, observou Gilbert: "Estamos a planear implementar o ActiNav em qualquer lugar onde possamos encontrar um benefício para ele. Se tivéssemos uma tigela vibratória falhada, por exemplo, teríamos apenas o ActiNav a escolher a peça para fora do caixote do lixo e a colocá-la na linha".
Devido à sua adaptabilidade, a empresa planeia aplicar o ActiNav a diferentes tarefas dentro das suas instalações, disse Wells. "O carregamento da mesa seria definitivamente algo que eu poderia ver acontecer. Este processo inclui o carregamento de peças de um contentor directamente para uma mesa redonda que irá rodar para as estações, em vez de o carregar para um transportador", concluiu.
A empresa holandesa Active Ants fornece serviços de armazenamento de logística de terceiros (3PL) a várias empresas de comércio electrónico na Bélgica, Holanda e Alemanha - armazenando, embalando e distribuindo mercadorias para mais de 250 clientes e preenchendo mais de 3 milhões de encomendas anuais. A empresa implementou recentemente mais de 60 robôs Ranger MoveSmart dirigidos pelo sistema operacional GreyMatter do membro da MHI GreyOrange no seu novo centro de enchimento electrónico de 20.000 metros quadrados em Roosendaal, Países Baixos.
O armazém utiliza a aplicação GreyMatter Smart Zone Transfer, permitindo aos robôs moverem-se autonomamente e classificar o inventário em fluxos de processo flexíveis não possíveis com transportadores ou classificadores fixos. Na aplicação, o Smart Zone Transfer acontece de forma autónoma com o software GreyMatter, orquestrando o fluxo completo do processo uma vez que os robôs Ranger MoveSmart transportam o inventário para várias estações de trabalho.
O processo começa quando os robôs Ranger levam caixas vazias aos empregados que as enchem com mercadorias trazidas por outros robôs. Em seguida, os robôs Ranger transportam as caixas cheias para máquinas de embalagem, onde são seladas e pesadas. Depois, os robôs Ranger recolhem as embalagens e separam-nas nas zonas correctas para expedição directa para os clientes.
A Active Ants seleccionou a solução devido à capacidade dos robôs móveis autónomos de serem flexíveis e facilmente reconfigurados através de simples mudanças na interface do Centro de Comando da GreyMatter para acomodar diferentes processos - infra-estruturas fixas não semelhantes às que são difíceis ou impossíveis de reconfigurar. Com os sistemas de transporte tradicionais e a maioria das plataformas de software existentes, este tipo de mudança levaria tipicamente meses de solução e implementação personalizadas.
"Não importa o que eu precise de fazer com a transferência de zonas, posso alterar o fluxo do processo em GreyMatter mesmo não sendo programador", disse Jeroen Dekker, sócio-gerente da Active Ants. "Este nível de flexibilidade permite-nos satisfazer as nossas necessidades actuais, ao mesmo tempo que temos a capacidade de fazer mudanças rapidamente". Podemos facilmente modificar os movimentos do robô, se necessário, bem como ampliar a solução de acordo com o nosso crescimento de produção para gerir de forma inteligente o investimento de capital".
"As empresas de crescimento rápido requerem automatização que as equipe para adaptarem facilmente os seus processos de realização à medida que a dinâmica do mercado muda", acrescentou Akash Gupta, co-fundador e director de tecnologia da GreyOrange. "Não querem ser constrangidas por infra-estruturas fixas que as prendem em fluxos de processo durante 10 a 15 anos". O poder de adaptação rápida é o que dá aos retalhistas uma vantagem no mundo de hoje, e é um princípio fundamental do nosso Sistema Operacional GreyMatter Fulfillment e família de robôs Ranger".
Na Primavera de 2020, o membro do MHI Fetch Robotics percebeu que os seus robôs móveis autónomos (AMRs) podiam ser equipados para aplicações de desinfecção. Porque os AMRs da Fetch são concebidos com uma tecnologia flexível baseada em plataformas móveis e software de nuvem, podem ser facilmente adaptados e personalizados para executar uma variedade de tarefas com base na forma como os robôs são configurados com anexos. A empresa trabalha com uma variedade de parceiros para apoiar a criação de diferentes soluções, incluindo as que combatem a COVID-19, como o Breezy One AMR desenvolvido pela Build With Robots.
Em resposta à pandemia de COVID-19, muitas organizações implementaram procedimentos de desinfecção de rotina para eliminar vestígios do novo coronavírus dos espaços públicos. A desinfecção é uma tarefa intensiva de tempo para espaços de qualquer tamanho, pois todas as superfícies - desde as visíveis, como maçanetas de portas, a áreas menos visíveis como as partes inferiores dos assentos e mesas - têm de ser desinfectadas a fim de eliminar completamente o vírus. Estes desafios multiplicam-se para instalações de grande escala, que requerem significativamente mais mão-de-obra e custos de mão-de-obra para desinfectar, e que muitas vezes expõem os empregados a produtos químicos de limpeza que podem ser potencialmente nocivos.
O Breezy One AMR aborda esses desafios pulverizando autonomamente um nevoeiro que desinfecta até 100.000 pés quadrados em 1,5 horas, eliminando 99,9999% dos vírus e bactérias e permitindo a reentrada segura em apenas 20 minutos. Com o robô, os trabalhadores humanos evitam a exposição tanto aos agentes patogénicos como aos produtos químicos desinfectantes. Entre os utilizadores da solução está o Albuquerque International Sunport, o maior aeroporto comercial do Novo México, que já teve quatro robots Breezy One a desinfectar as instalações todas as noites desde Junho passado - apenas alguns meses depois de Fetch and Build With Robots terem feito uma tempestade de ideias sobre o conceito original.
"Agora mais do que nunca, a prioridade máxima para qualquer instalação é assegurar a saúde e segurança dos empregados e clientes", disse o Director Executivo da Fetch Melonee Wise. "Através do nosso trabalho com a equipa Build With Robots, conseguimos passar da concepção do produto para a implantação comercial em apenas três meses, uma linha temporal que reflecte a urgência do desafio e a equipa de classe mundial responsável pelo próprio robô".
Wise acrescentou que a capacidade de Fetch de colocar os robôs em funcionamento remotamente, sem necessidade de um engenheiro no local, facilitou a velocidade de implementação. "Embalamo-los e enviamo-los a um cliente. Eles tiram-no de uma caixa e ligam-no a Wi-Fi, e funciona porque todo o nosso software está na nuvem. Não só é realmente fácil, como também neste ambiente ninguém quer que os visitantes venham ao local", continuou Wise, que acrescentou que as aplicações de fabrico e logística requerem tipicamente três a nove meses para implantar a tecnologia de automação. "Com o Breezy One, reduzimos para menos de três dias".
"A parceria com Fetch permitiu que a Build With Robots chegasse rapidamente ao mercado alavancando o mapeamento, a navegação, a prevenção de overhang e a prevenção de obstáculos no chão", acrescentou Barry Phillips, director de marketing da Fetch. "Build With Robots também aproveita o software de robótica em nuvem FetchCore, que permite à equipa Build With Robots alterar remotamente os caminhos, horários e frequências de desinfecção do robô à medida que as necessidades do cliente mudam".
"A parte mais difícil e mais gratificante do desenvolvimento do robô foi garantir que se encaixava perfeitamente nos fluxos de trabalho existentes no aeroporto para apoiar o pessoal, ao mesmo tempo que os fazia sentir-se mais seguros", disse Kimberly Corbitt, director comercial da Build With Robots. "Pela minha experiência, mesmo que os trabalhadores estejam totalmente protegidos de cabeça a cabeça com equipamento de protecção pessoal (EPI), eles realmente não querem embaciar manualmente as áreas de nevoeiro. Não é um trabalho divertido, e já ouvi falar de casos em que os trabalhadores se recusam a fazê-lo".
Breezy One opera com total autonomia, continuou Corbitt, que trabalhou pessoalmente com o pessoal de custódia no Sunport para programar e implementar os quatro robôs Breezy One.
"As opções que são apresentadas no ecrã do Breezy One permitem ao pessoal do aeroporto controlar as operações, em oposição a ter um engenheiro de processos ou uma pessoa de automação a controlar o Breezy One a partir de um computador", explicou ela. "É necessária uma pessoa para encher o robô, colocar sinais de aviso e carregar no botão no ecrã do Breezy One que envia o robô no seu caminho de desinfecção". Quando a desinfecção é feita para a noite, o pessoal carrega num botão no ecrã do robô para instruir o Breezy One a regressar à sua estação de ancoragem".
Uma vez que a equipa Build With Robots compreendeu o fluxo de trabalho de desinfecção desejado da instalação, adaptou o Breezy One para corresponder a essa necessidade, a Corbitt continuou. "Quando decidiram expandir o caminho de desinfecção, foi muito fácil mapear a nova área, que incluía corredores estreitos e pequenas salas. Uma vez que o software de controlo global Fetch era continuamente actualizado com novos casos de utilização, era fácil para o sistema adaptar-se a essas novas restrições".
Com base no sucesso que o Sunport tem demonstrado com o Breezy One, mais operações industriais e de armazenamento têm vindo a avaliar o sistema. "Robôs autónomos de desinfecção permitem a estes trabalhadores concentrarem-se em tarefas mais seguras, de valor acrescentado, e as empresas sabem que as suas operações são seguras para todos os seus empregados", afirmou.
"A nossa experiência na criação da Breezy One mostra que as empresas que trabalham arduamente, rapidamente e com inteligência podem encontrar soluções que respondam aos desafios que surgem à medida que o mundo muda, enquanto melhoram a vida dos trabalhadores", concluiu Corbitt.
A abordagem tradicional de construir um robô para executar um trabalho para toda a vida já não é válida, segundo Albert Nubiola, CEO da RoboDK, um laboratório de robótica no Canadá que foi fundado em 2015 como spin-off do laboratório CoRo na Universidade ETS em Montreal.
"Com a mistura alta, baixo volume, já não é este o caso", observou ele. "As pessoas costumavam recear que a robótica tornasse os empregos dos humanos obsoletos; agora, as empresas receiam que a alteração das necessidades operacionais torne o seu investimento robótico obsoleto".
Apesar de que a reorientação de um robô industrial tem certas limitações - um robô paletizador de 4 eixos não pode ser convertido num robô soldador de pontos, por exemplo - a tecnologia subjacente mantém a sua flexibilidade inerente. "Este é um dos principais pontos fortes dos robôs", continuou Nubiola. "Eles são extremamente flexíveis".
A vida de um braço robotizado pode exceder 20 anos. Por outro lado, algumas indústrias como a de fabrico de automóveis, renovam robôs a cada cinco a 10 anos, o que significa que existe também um mercado para robôs usados, acrescentou ele.
Para as operações que tenham decidido reequipar um robô existente, Nubiola recomendou seguir seis passos:
1. Confirmar que a Antiga Tarefa é desnecessária. Primeiro, certificar-se de que a tarefa anterior do robô já não é verdadeiramente necessária. Até mesmo os robôs mais rápidos a serem reafectados levam tempo (geralmente semanas ou meses). Não perca tempo valioso reconfigurando o sistema apenas para descobrir que afinal precisava do robô para executar a sua tarefa original.
2. Identificar Novas Tarefas Potenciais. Fazer uma lista de todas as potenciais tarefas que poderiam ser bons candidatos à automatização. Os robôs são óptimos para uma variedade de operações diferentes, incluindo soldadura, pintura, rebarbagem, selecção e colocação, e muito mais. Em seguida, identifique a tarefa ou tarefas de topo que pretende tentar automatizar.
3. Fazer uma Simulação. Antes de tocar no robô físico, usar um simulador de robô para criar uma maquete virtual da nova tarefa em software. A simulação é muito mais rápida do que a criação de uma maquete física. Também permite a validação de que o alcance do robô é adequado para a tarefa.
4. Experimente o Robô na Nova Tarefa Simulada. Carregue o modelo do robô no simulador e tente programá-lo para executar a tarefa escolhida. Isto ajudará a avaliar se o robô existente será ou não capaz de executar o novo processo.
5. Determinar se o Robô é Adequado. Decidir se o robô vai ser capaz de executar com sucesso a nova tarefa. Caso contrário, executar a simulação com alguns modelos diferentes de robô para determinar se o robô é o problema, ou se a simulação precisa de ser melhorada. Se o robô ainda não corresponder, considerar a simulação de outra tarefa que possa ser capaz de executar.
6. Implementar a Nova Tarefa. Agora é tempo de completar a reimplantação robótica. Optimizá-la tanto quanto necessário e implantar o sistema. Esta etapa é frequentemente a que leva mais tempo, mas utilizando um simulador para conceber e desenvolver o programa para o robô, pode ser possível transferir esse código directamente para o robô físico com o mínimo de programação adicional a bordo.
Leia o artigo completo sobre MHI Solutions.