Robots zoals de Spot van Boston Dynamics kunnen nu zelfstandig en nauwkeurig analoge meters en thermometers aflezen tijdens inspectierondes in fabrieken en magazijnen. Deze nieuwe vaardigheid, mogelijk gemaakt door AI, zet de deur open voor volledig geautomatiseerde kwaliteitscontroles en inspecties, waardoor menselijke fouten worden verminderd en processen continu kunnen draaien.

Wat er aan de hand is

Google DeepMind heeft een nieuw robotica-AI-model gelanceerd, genaamd Gemini Robotics-ER 1.6. Dit model fungeert als een “hoogwaardig redeneermodel voor een robot” dat taken kan plannen en uitvoeren in fysieke omgevingen, een concept dat ’embodied reasoning’ wordt genoemd. Een van de specifieke nieuwe vaardigheden is het nauwkeurig kunnen aflezen van analoge instrumenten, zoals thermometers en complexe drukmeters met meerdere wijzers. Ook kan de robot visuele inspecties uitvoeren via zogenaamde ‘sight glasses’ – doorzichtige ramen in tanks en leidingen. Deze ontwikkeling is het resultaat van een doorlopende samenwerking tussen Google DeepMind en het robotica-bedrijf Boston Dynamics, dat de vierpotige Spot-robot produceert. Boston Dynamics test zijn robots, waaronder ook mensachtige modellen, actief in industriële faciliteiten, zoals de autofabrieken van zijn moederbedrijf Hyundai.

Wat dit betekent

Voor industriële sectoren zoals de maakindustrie, chemie, energie en logistiek betekent dit een significante stap in automatisering. Kwaliteitscontrole en routine-inspecties zijn vaak repetitieve, soms gevaarlijke en foutgevoelige taken voor mensen. Een robot die 24/7 kan rondlopen, meters kan ’lezen’ en afwijkingen kan signaleren, verandert de operationele logistiek. Het betekent dat bedrijven inspecties kunnen uitvoeren op momenten dat er geen personeel aanwezig is, zoals ’s nachts of in weekenden, waardoor de productie- of opslagfaciliteit continu gemonitord wordt. Het vermindert de noodzaak voor personeel om zich in potentieel gevaarlijke of moeilijk bereikbare omgevingen te begeven. Vooral voor middelgrote en grote industriële bedrijven die al investeren in digitalisering, wordt geautomatiseerde visuele inspectie nu een veel concretere en betaalbare optie.

Hoe je dit kunt toepassen

De praktische toepassing hangt sterk af van jouw specifieke situatie en de volwassenheid van je automatisering. De technologie is in de testfase bij grote industriële spelers, maar de ontwikkelingsrichting is duidelijk. Hier zijn enkele scenario’s om over na te denken.

Als je een productiebedrijf runt met veel analoge meetinstrumenten… kun je je voorbereiden door een inventarisatie te maken van alle kritieke meters, thermometers en sight glasses die regelmatig gecontroleerd moeten worden. Onderzoek of deze inspectierondes repetitief en gestandaardiseerd zijn – dat zijn de eerste taken die voor automatisering in aanmerking komen. Een volgende stap zou kunnen zijn om met een systeemintegrator te praten over de mogelijkheden van robotgestuurde inspectie en welke infrastructuur (zoals vaste routes of laadstations) daarvoor nodig is.

Als je verantwoordelijk bent voor veiligheid en onderhoud in een logistiek centrum of magazijn… dan gaat het niet alleen om meters, maar ook om visuele inspecties. Denk aan het controleren op lekkages onder machines, het signaleren van verstopte afvoeren of het monitoren van de temperatuur in koelcellen. Je zou kunnen beginnen met het definiëren van de ‘perfecte staat’ voor deze kritieke punten en deze vastleggen in gestandaardiseerde checklists. Dit vormt de basis voor de instructies die later aan een robot-inspecteur gegeven zouden kunnen worden.

Als je in de energiesector of utiliteiten werkt… waar inspecties vaak op afgelegen of moeilijk bereikbare locaties plaatsvinden, biedt deze ontwikkeling nieuwe mogelijkheden. Een robot die pijpleidingen, transformatorhuisjes of waterzuiveringsinstallaties kan inspecteren, vermindert reistijd en vergroot de inspectiefrequentie. Overweeg om, in samenwerking met technische partners, een proefopzet te verkennen voor een specifiek, risicovol inspectiepunt om de meerwaarde en betrouwbaarheid in de praktijk te testen.

De kern is om nu al processen te standaardiseren en data-gestuurd te denken. Hoe beter je je huidige handmatige inspecties documenteert en structureert, hoe eenvoudiger de overstap naar geautomatiseerde oplossingen zal zijn wanneer deze breder beschikbaar en betaalbaar worden.

Bron: Arstechnica