چه چیز دیگری برای خودکار کردن؟

امروزه مفهوم "اتوماسیون به عنوان یک سرویس" در حال تبدیل شدن به یک حرفه است. توسعه هوش مصنوعی، یادگیری ماشینی، استقرار سریع اینترنت اشیا و زیرساخت‌های مرتبط، و همچنین افزایش تعداد دستگاه‌های دیجیتال خودکار تسهیل می‌شود. با این حال، نیازی به نصب ربات های بیشتر نیست. امروزه بسیار گسترده تر و انعطاف پذیرتر درک می شود.

در حال حاضر، پویاترین استارت آپ ها شامل شرکت هایی مانند LogSquare در دبی، ارائه دهنده راه حل های اتوماسیون حمل و نقل، تدارکات و انبارداری است. یکی از اجزای کلیدی ارائه LogSquare یک راه حل ذخیره سازی و بازیابی خودکار است که برای به حداقل رساندن استفاده از فضای انبار و دستیابی به سطوح بالاتری از کارایی و بهره وری طراحی شده است.

مدیریت شرکت پیشنهاد خود را «اتوماسیون نرم» می نامد (1). بسیاری از شرکت‌ها، علی‌رغم فشاری که ایجاد کرده است، هنوز برای اقدام رادیکال آماده نیستند، بنابراین راه‌حل‌های LogSquare برای آن‌ها جذاب است که از طریق ترفندهای کوچک و منطقی‌سازی خودکار می‌شوند.

چه زمانی از "منطقه راحتی" خود خارج شوید؟

شامل برنامه ریزی و پیش بینی می شود. الگوریتم های یادگیری ماشین را می توان برای تجزیه و تحلیل داده های آماری، در نظر گرفتن اطلاعات تاریخی و محیطی، و سپس ارائه اطلاعات در مورد الگوها یا روندها برنامه ریزی کرد. این امر در مورد مدیریت بهتر ذخیره و موجودی نیز صدق می کند. و همچنین استفاده از وسایل نقلیه خودران. به صورت دائمی با استفاده از آخرین فناوری‌های شبکه مانند 5G، وسایل نقلیه و ماشین‌ها، مانند وسایل نقلیه خودران، تصمیم‌گیری مستقل را فراهم می‌کند.

شرکت های بزرگ معدنی مانند ریوتینتو و بی اچ پی بیلینگتون چندین سال است که با اتوماسیون کامیون ها و تجهیزات سنگین خود در این زمینه سرمایه گذاری کرده اند (2). این می تواند مزایای زیادی داشته باشد - نه تنها از نظر هزینه های نیروی کار، بلکه با کاهش دفعات تعمیر و نگهداری خودرو و افزایش استانداردهای ایمنی و بهداشتی. با این حال، تا کنون این فقط در مناطق کاملاً کنترل شده کار می کند. هنگامی که وسایل نقلیه خودران به خارج از این مناطق آسایش منتقل می شوند، موضوع عملکرد کارآمد و ایمن آنها بسیار دشوار می شود. با این حال، در نهایت، آنها باید به دنیای بیرون بروند، آن را کشف کنند، و با خیال راحت کار کنند.

2. ماشین آلات استخراج خودکار ریوتینتو

ربات سازی صنعت کافی نیست تجزیه و تحلیل گروهی MPI نشان می‌دهد که تقریباً یک سوم فرآیندها و دستگاه‌های تولیدی، و همچنین فرآیندها و دستگاه‌های غیرتولیدی، قبلاً دارای اطلاعات/هوش‌مندی هستند. به گفته شرکت مشاوره McKinsey & Company، استفاده گسترده از فناوری تعمیر و نگهداری پیشگیرانه می تواند هزینه های تعمیر و نگهداری در شرکت ها را تا 20 درصد کاهش دهد، زمان خرابی برنامه ریزی نشده را تا 50 درصد کاهش دهد و عمر دستگاه را سال ها افزایش دهد. برنامه های نگهداری پیشگیرانه دستگاه ها را با هر تعداد معیار عملکرد نظارت می کنند.

خرید ربات‌ها می‌تواند کار گران قیمتی باشد. همانطور که در ابتدای این مقاله ذکر شد، موج جدیدی از خدمات به عنوان یک سرویس در حال ظهور است. ایده این است که ربات‌ها را با قیمت پایین‌تر اجاره کنید، نه اینکه آن‌ها را برای خودتان بخرید. به این ترتیب، ربات‌ها می‌توانند به سرعت و کارآمد اجرا شوند، بدون اینکه هزینه‌های سرمایه‌گذاری هنگفتی را متحمل شوند. همچنین شرکت‌هایی وجود دارند که راه‌حل‌های مدولار ارائه می‌دهند که به تولیدکنندگان اجازه می‌دهد فقط آنچه را که نیاز دارند خرج کنند. شرکت هایی که چنین راه حل هایی را ارائه می دهند عبارتند از: ABB Ltd. شرکت Fanuc، استراکلیمب.

دستگاه فروش خودکار در منزل و حیاط

تولیدات کشاورزی یکی از حوزه هایی است که پیش بینی می شود به سرعت توسط اتوماسیون فتح شود. ادوات کشاورزی خودکار می توانند ساعت ها بدون استراحت کار کنند و در حال حاضر در بسیاری از بخش های کشاورزی مورد استفاده قرار می گیرند (3). آنها پیش بینی می کنند که به ویژه در کشورهای در حال توسعه، بیشترین تأثیر جهانی را بر نیروی کار در دراز مدت خواهند داشت، بیش از صنعت.

3. بازوی رباتیک کشاورزی Iron Ox

اتوماسیون در کشاورزی در درجه اول یک نرم افزار مدیریت مزرعه است که از مدیریت منابع، محصولات و حیوانات پشتیبانی می کند. مدیریت دقیق بر اساس تجزیه و تحلیل داده های تاریخی و پیش بینی کننده منجر به صرفه جویی در انرژی، افزایش بازده، بهینه سازی استفاده از علف کش ها و آفت کش ها می شود. این همچنین داده های حیوانی است، از الگوهای اصلاح نژاد گرفته تا ژنومیک.

سیستم های خودمختار هوشمند سیستم های آبیاری به کنترل و خودکارسازی استفاده از آب در مزارع کمک می کنند. همه چیز بر اساس داده های دقیق جمع آوری و تجزیه و تحلیل شده است، نه از یک کلاه، بلکه از یک سیستم حسگر که اطلاعات را جمع آوری می کند و به کشاورزان کمک می کند تا سلامت محصول، آب و هوا و کیفیت خاک را نظارت کنند.

اکنون بسیاری از شرکت ها راه حل هایی برای کشاورزی خودکار ارائه می دهند. یک مثال FieldMicro و خدمات SmartFarm و FieldBot آن است. کشاورزان آنچه را که FieldBot (4) می بیند و می شنود، می بینند و می شنوند، یک دستگاه کنترل از راه دور دستی که به تجهیزات/نرم افزار کشاورزی متصل می شود.

FieldBots مجهز به پنل خورشیدی داخلی، دوربین HD و میکروفون، و همچنین سنسورهایی که دما، فشار هوا، رطوبت، حرکت، صدا و غیره را کنترل می کنند. کاربران می‌توانند سیستم‌های آبیاری خود را کنترل کنند، دریچه‌ها را تغییر دهند، لغزنده‌ها را باز کنند، سطح مخزن و رطوبت را کنترل کنند، ضبط‌های زنده را مشاهده کنند، به صدای زنده گوش دهند و پمپ‌ها را از مرکز کنترل خاموش کنند. FieldBot از طریق پلت فرم SmartFarm کنترل می شود.که به کاربران اجازه می دهد قوانینی را برای هر FieldBot یا چندین FieldBot که با هم کار می کنند تنظیم کنند. قوانین را می توان برای هر تجهیزات متصل به FieldBot تنظیم کرد، که سپس می تواند سایر تجهیزات متصل به FieldBot دیگر را فعال کند. دسترسی به پلتفرم از طریق گوشی هوشمند، تبلت یا کامپیوتر امکان پذیر است.

FieldMicro با سازنده مشهور تجهیزات کشاورزی John Deere برای ارائه داده ها به پلتفرم SmartFarm همکاری کرده است. کاربران نه تنها موقعیت مکانی، بلکه سایر جزئیات خودرو مانند سوخت، روغن و سطوح سیستم هیدرولیک را نیز خواهند دید. دستورالعمل ها همچنین می توانند از پلت فرم SmartFarm به ماشین ها ارسال شوند. علاوه بر این، SmartFarm اطلاعاتی در مورد استفاده فعلی و محدوده تجهیزات سازگار جان دیر نشان می دهد. SmartFarm Location History همچنین به شما امکان می دهد مسیر طی شده توسط دستگاه در شصت روز گذشته را مشاهده کنید و شامل اطلاعاتی مانند مکان، سرعت و جهت است. کشاورزان همچنین این توانایی را دارند که از راه دور به دستگاه های جان دیر خود برای عیب یابی یا ایجاد تغییرات دسترسی داشته باشند.

تعداد ربات های صنعتی در یک دهه سه برابر شده است، از کمی بیش از یک میلیون در سال 2010 به هدف 3,15 میلیون در سال 2020. در حالی که اتوماسیون می‌تواند بهره‌وری، تولید سرانه و استانداردهای کلی زندگی را افزایش دهد (و می‌کند)، برخی از جنبه‌های اتوماسیون مانند تأثیر منفی آن بر کارگران کم‌مهارت نگران‌کننده هستند.

انجام کارهای روتین و کم مهارت برای ربات ها آسان تر از کارهای غیر معمولی بسیار ماهر است. یعنی افزایش تعداد ربات ها و یا افزایش کارایی آنها این مشاغل را تهدید می کند. علاوه بر این، کارگران ماهرتر تمایل دارند در کارهای تکمیل کننده اتوماسیون، مانند طراحی و نگهداری ربات، نظارت و کنترل، تخصص پیدا کنند. در نتیجه اتوماسیون، تقاضا برای کارگران بسیار ماهر و دستمزد آنها ممکن است افزایش یابد.

در پایان سال 2017، موسسه جهانی مک کینزی گزارشی (5) منتشر کرد که در آن محاسبه کرد که راهپیمایی بی‌امان اتوماسیون می‌تواند تا سال 2030 تنها در ایالات متحده تا 73 میلیون شغل را کاهش دهد. الیوت دینکین، کارشناس معروف بازار کار، در این گزارش اظهار داشت: «اتوماسیون قطعاً عاملی در آینده نیروی کار است. با این حال، نشانه هایی وجود دارد که تأثیر آن بر کاهش مشاغل ممکن است کمتر از حد انتظار باشد.»

دینکین همچنین خاطرنشان می کند که، تحت شرایط خاص، اتوماسیون رشد کسب و کار را افزایش می دهد و بنابراین به جای از دست دادن شغل، رشد شغل را تشویق می کند. در سال 1913، شرکت فورد موتور خط مونتاژ خودرو را معرفی کرد و زمان مونتاژ یک خودرو را از 12 ساعت به حدود یک ساعت و نیم کاهش داد و امکان افزایش قابل توجه تولید را فراهم کرد. از آن زمان، صنعت خودرو به افزایش اتوماسیون ادامه داد و ... هنوز هم افراد را استخدام می کند - در سال های 2011-2017، با وجود اتوماسیون، تعداد مشاغل در این صنعت تقریبا 50 درصد افزایش یافت.

اتوماسیون بیش از حد منجر به مشکل می شود، نمونه اخیر آن کارخانه تسلا در کالیفرنیا است، جایی که، همانطور که خود ایلان ماسک اعتراف کرد، اتوماسیون اغراق آمیز بود. این چیزی است که تحلیلگران شرکت معتبر وال استریت برنشتاین می گویند. ایلان ماسک بیش از حد تسلا را خودکار کرد. ماشین‌هایی که اغلب می‌گفت که صنعت خودروسازی را متحول می‌کنند، آنقدر برای شرکت هزینه داشتند که برای مدتی حتی از احتمال ورشکستگی تسلا صحبت می‌شد.

کارخانه تقریباً خودکار تسلا در فرامونت، کالیفرنیا، به جای سرعت بخشیدن و ساده سازی تحویل خودروهای جدید، به منبع دردسر برای این شرکت تبدیل شده است. این کارخانه نتوانست با وظیفه انتشار سریع مدل جدیدی از ماشین تسلی 3 کنار بیاید (همچنین ببینید: ). فرآیند تولید بسیار بلندپروازانه، پرخطر و پیچیده ارزیابی شد. تحلیلگران شرکت Berstein در تحلیل خود نوشتند: «تسلا حدود دو برابر بیشتر از یک خودروساز سنتی برای هر واحد ظرفیت تولید هزینه می کرد. این شرکت تعداد زیادی ربات کوکا را سفارش داده است. نه تنها مهر زنی، رنگ آمیزی و جوشکاری (مانند اکثر خودروسازان دیگر) خودکار است، تلاش هایی نیز برای خودکارسازی فرآیند مونتاژ نهایی صورت گرفته است. در اینجا به نظر می رسد تسلا مشکلاتی دارد (همچنین با جوشکاری و مونتاژ باتری ها).

برنشتاین می‌افزاید که بزرگ‌ترین خودروسازان جهان، یعنی ژاپنی‌ها، در تلاش هستند تا اتوماسیون را محدود کنند، زیرا «گران است و از نظر آماری با کیفیت همبستگی منفی دارد». رویکرد ژاپنی ها این است که شما ابتدا فرآیند را شروع می کنید و سپس روبات ها را وارد می کنید. ماسک برعکس عمل کرد. تحلیلگران خاطرنشان می کنند که سایر شرکت های خودروسازی که سعی کرده اند 100 درصد فرآیندهای تولید خود را خودکار کنند، از جمله غول هایی مانند فیات و فولکس واگن، نیز شکست خورده اند.

5. سطح پیش بینی شده جایگزینی نیروی انسانی توسط انواع مختلف راه حل های اتوماسیون.

هکرها عاشق این صنعت هستند

به احتمال زیاد توسعه و استقرار فناوری های اتوماسیون را تسریع می بخشد. در یکی از آخرین شماره های ام تی در این مورد نوشتیم. در حالی که اتوماسیون می تواند مزایای زیادی برای صنعت به همراه داشته باشد، نباید فراموش کرد که توسعه آن با چالش های جدیدی همراه است که یکی از بزرگترین آنها امنیت است. در گزارش اخیر NTT با عنوان "گزارش اطلاعاتی تهدید جهانی 2020"، از جمله اطلاعاتی که به عنوان مثال در بریتانیا و ایرلند، تولید صنعتی بیشترین حمله سایبری را به خود اختصاص داده است. نزدیک به یک سوم از کل حملات در این منطقه ثبت می شود و 21 درصد از حملات در سراسر جهان برای اسکن سیستم ها و سیستم های امنیتی به مهاجمان سایبری متکی است.

گزارش NTT می گوید: "به نظر می رسد تولید صنعتی یکی از هدفمندترین صنایع در جهان است که اغلب با سرقت مالکیت معنوی مرتبط است." " و خطرات ضعف‌های ناهماهنگ.»

در مورد این گزارش، روری دانکن از NTT Ltd. تاکید کرد که: "امنیت ضعیف فناوری صنعتی مدت هاست که شناخته شده است - بسیاری از سیستم ها برای عملکرد، ظرفیت و انطباق طراحی شده اند، نه امنیت فناوری اطلاعات." در گذشته نیز بر نوعی «پوشش» تکیه می کردند. پروتکل‌ها، فرمت‌ها و رابط‌ها در این سیستم‌ها اغلب پیچیده و اختصاصی بودند و با پروتکل‌هایی که در سیستم‌های اطلاعاتی استفاده می‌شدند متفاوت بودند و حمله موفق را برای مهاجمان دشوار می‌کردند. همانطور که سیستم‌های بیشتری در شبکه ظاهر می‌شوند، هکرها نوآوری می‌کنند و این سیستم‌ها را در برابر حمله آسیب‌پذیر می‌بینند.»

مشاوران امنیتی IOActive اخیراً یک حمله سایبری به سیستم‌های رباتیک صنعتی راه‌اندازی کرده‌اند تا شواهدی را ارائه کنند که نشان می‌دهد می‌تواند شرکت‌های بزرگ را مختل کند. محققان می‌گویند: «به‌جای رمزگذاری داده‌ها، یک مهاجم می‌تواند به بخش‌های کلیدی نرم‌افزار ربات حمله کند تا از کارکرد ربات تا زمان پرداخت باج جلوگیری کند». نمایندگان IOActive برای اثبات نظریه خود بر روی NAO، یک ربات تحقیقاتی و آموزشی محبوب تمرکز کردند. این سیستم عامل «تقریباً مشابه» و نقاط ضعفی مانند Pepper مشهورتر SoftBank دارد. این حمله از یک ویژگی غیرمستند برای به دست آوردن کنترل از راه دور بر روی یک ماشین استفاده می کند.

سپس می‌توانید ویژگی‌های مدیریت عادی را غیرفعال کنید، ویژگی‌های پیش‌فرض ربات را تغییر دهید و داده‌ها را از همه کانال‌های ویدیویی و صوتی به یک سرور راه دور در اینترنت هدایت کنید. مراحل بعدی حمله شامل بالا بردن حقوق کاربر، نقض مکانیسم تنظیم مجدد کارخانه و آلوده کردن تمام فایل‌های موجود در حافظه است. به عبارت دیگر، آنها می توانند به یک ربات آسیب برسانند یا حتی فردی را تهدید فیزیکی کنند.

اگر فرآیند اتوماسیون ایمنی را تضمین نکند، روند را کند می کند. تصور اینکه با چنین تمایلی برای خودکارسازی و ربات سازی هر چه بیشتر، دشوار است، کسی از حوزه امنیت غافل شود.