Door een nieuwe AI-samenwerking tussen Google DeepMind en Boston Dynamics kunnen robot-inspecteurs zoals de vierpotige Spot nu zelfstandig en accuraat analoge meters en thermometers aflezen tijdens hun ronden door fabrieken en magazijnen. Dit maakt geautomatiseerde inspecties nauwkeuriger en breder inzetbaar, wat kan leiden tot kostenbesparingen en een verbeterde veiligheid voor Nederlandse industriële en logistieke bedrijven.

Wat er aan de hand is

Google DeepMind heeft op 14 april een nieuw robotica-AI-model genaamd Gemini Robotics-ER 1.6 aangekondigd. Dit model, ontwikkeld in samenwerking met robotica-bedrijf Boston Dynamics, fungeert als een “hoog-niveau redeneermodel voor een robot” dat taken kan plannen en uitvoeren. Een van de nieuwe vaardigheden die dit model mogelijk maakt, is het nauwkeurig aflezen van analoge instrumenten zoals complexe drukmeters en thermometers, en het uitvoeren van visuele inspecties via kijkglazen in tanks en leidingen. Boston Dynamics test deze mogelijkheden met hun robot “Spot”, die wordt ingezet als mobiele inspectierobot in industriële faciliteiten, waaronder fabrieken van hun moederbedrijf Hyundai Motor Group. Deze taken vereisen complex visueel redeneren om meerdere wijzers, vloeistofniveaus, schaalverdelingen en tekst op instrumenten te interpreteren.

Wat dit betekent

Voor Nederlandse fabrieken, productielocaties, energiecentrales en grote logistieke hubs betekent deze ontwikkeling dat routinematige visuele inspecties geautomatiseerd kunnen worden. Het gaat om taken die nu vaak door personeel moeten worden uitgevoerd: het lopen van vaste rondes om meters af te lezen, op lekkages te controleren of de temperatuur van installaties te monitoren. Deze taken zijn repetitief, kunnen plaatsvinden in moeilijk bereikbare of gevaarlijke omgevingen, en zijn gevoelig voor menselijke fouten door vermoeidheid of afleiding. Een robot die deze taken 24/7 en consistent kan uitvoeren, verhoogt de betrouwbaarheid van de data. Het betekent niet dat menselijke inspecteurs overbodig worden, maar wel dat zij zich kunnen richten op complexere analyses, onderhoud en incidenten, terwijl de robot de basisdata verzamelt.

Hoe je dit kunt toepassen

De praktische toepassing hangt sterk af van jouw specifieke situatie, de omvang van je operatie en het type inspecties dat nodig is. Het is een technologie die zich momenteel vooral richt op grotere industriële omgevingen. Toch zijn er scenario’s te bedenken waarin dergelijke automatisering interessant kan zijn.

Als je een fabriek of productielocatie runt met veel kritieke meetpunten, zou je kunnen onderzoeken of repetitieve inspectierondes geautomatiseerd kunnen worden. Een mogelijkheid is om te beginnen met een proef in een specifieke, goed afgebakende zone waar veel analoge meters staan, zoals bij een ketelhuis of compressoren. De robot kan dan op vaste tijden foto’s maken en aflezingen doorgeven, wat een gedigitaliseerd logboek oplevert en afwijkingen sneller signaleert.

Als je verantwoordelijk bent voor veiligheid en onderhoud in een groot magazijn of distributiecentrum, is een toepassing denkbaar voor het monitoren van bijvoorbeeld de temperatuur in koelcellen of de druk in blusinstallaties. Overweeg om een kosten-batenanalyse te maken waarin je de uren die nu aan handmatige controles worden besteed, afzet tegen de investering in een geautomatiseerde oplossing, waarbij ook de waarde van continue monitoring en preventie van stilstand wordt meegenomen.

Als je een installatie- of onderhoudsbedrijf hebt voor industriële klanten, kun je deze ontwikkeling volgen als een potentiële nieuwe dienst. Een optie is om je te verdiepen in hoe je, in samenwerking met een robotica-leverancier, inspectie-as-a-service zou kunnen aanbieden aan klanten. Je zou dan de robot kunnen inzetten voor periodieke inspecties bij verschillende klanten, waarbij de data centraal wordt geanalyseerd.

Bron: Arstechnica