I bilindustriens næste revolution vil robotter lære af mennesker

Bilindustrien har brugt robotter i mere end et halvt århundrede. Svejsning, lakering og flytning af tunge karrosseridele er blevet så automatiseret, at det er svært at forestille sig en moderne bilfabrik uden industrirobotter. Alligevel arbejder tusindvis af mennesker fortsat i slutmontagen.

Årsagen er ikke sentimental. Mennesker er usædvanligt dygtige og alsidige manipulatorer. De kan med fingrene mærke, om et stik er låst på plads, finde et ledningsnet blandt andre komponenter, tilpasse en bevægelse til en del, der sidder skævt, og uden omprogrammering forstå, hvad de skal gøre, når en bil med andet udstyr ankommer til produktionslinjen. En konventionel industrirobot er derimod utrolig hurtig og præcis, så længe verden omkring den forbliver nøjagtig, som en ingeniør har programmeret den til. Bilproducenterne vil nu mindske denne forskel.

400.000 robotter betyder ikke 400.000 tabte job

Toyota satte for alvor emnet på dagsordenen med et skøn om, at der kan blive brug for omkring 400.000 robotter til at modernisere produktionsnetværket hos selskabet, andre virksomheder i koncernen og store leverandører. Ifølge Reuters kan Toyota fra 2028 bruge omkring 1 billion yen, svarende til cirka 5,4 mia. euro med de nuværende valutakurser, på automatisering om året.

Fire hundrede tusind er et enormt tal, men det skal fortolkes korrekt. Det betyder ikke 400.000 humanoide robotter eller en plan om at erstatte lige så mange medarbejdere. Tallet omfatter konventionelle industrirobotter, nye automatiseringsløsninger og udskiftning af eksisterende udstyr. Det anslås, at 150.000 robotter kan gå til Toyotas egne fabrikker, mens resten vedrører det bredere produktionsnetværk. (reuters.com)

Det afgørende er i stedet, hvilken type arbejde næste generation af robotter skal udføre.

Den hidtidige automatisering overtog først opgaver, hvor robotter overgik mennesker i hastighed, styrke og evnen til at gentage den samme proces. Den næste bølge er rettet mod arbejde, hvor mennesker hidtil har overgået robotter i fleksibilitet.

En bilfabrik er et overraskende vanskeligt sted for en robot

Punktsvejsning af et karrosseri er en næsten ideel opgave at automatisere. En robot tager altid det samme værktøj, bevæger sig hen til et kendt punkt og udfører en præcist defineret handling. Den samme cyklus gentages tusindvis af gange. Slutmontagen er en helt anden verden.

Her skal en robot gribe dele med forskellige former, håndtere bløde materialer, tilslutte stik, montere tætninger, føre ledninger og arbejde side om side med mennesker. Det kompliceres yderligere af, at biler med forskellige drivlinjer, udstyrsniveauer og kabiner kan følge efter hinanden på samme produktionslinje. Et menneske løser mange af disse problemer næsten ubevidst. En robot skal lære at genkende en genstand, gribe den korrekt, bruge den rette kraft og reagere på en situation, som programmøren ikke har forudset i detaljer.

Derfor handler det næste gennembrud ikke blot om en bedre robothånd. Det kræver maskinsyn, kraft- og følesensorer, kunstig intelligens og læringssystemer, der kan omsætte et menneskes demonstration til en robots handling.

Toyota vil digitalisere mesterhåndværkerens hænder

Toyotas ELEY giver et godt fingerpeg om, hvor udviklingen er på vej hen. Embodied Learning robot for Enhanced Yield er en robot med to arme, som vejer omkring 50 kg, kører på hjul og lærer af bevægelser, der demonstreres af mennesker.

En operatør demonstrerer en opgave for robotten ved hjælp af særlige styreenheder. Systemet indsamler data fra demonstrationerne og bruger dem til at træne en model, som gør robotten i stand til selvstændigt at gentage opgaven.

Toyota demonstrerede systemet ved at folde T-shirts. Efter omkring 1.500 øvelsesgennemløb og to uger kunne ELEY gentage opgaven næsten uden fejl. At folde en T-shirt vil ikke i sig selv forandre bilproduktionen. Det kan måden, robotten lærer på, derimod.

Med en traditionel industrirobot opbygger ingeniører en hel automatiseret proces omkring en bestemt opgave. Med en lærende robot kan færdigheden demonstreres af en person, der allerede ved, hvordan arbejdet skal udføres. Det ændrer udgangspunktet for automatisering.

Medarbejdernes erfaring kan blive det mest værdifulde aktiv

Toyotas produktionsfilosofi har i årtier været baseret på højt kvalificerede medarbejdere med stor erfaring. I japansk industri bruges betegnelsen takumi om sådanne mestre. Problemet opstår, når praktisk viden, der er opbygget gennem årtier, forsvinder sammen med en medarbejder, der går på pension.

Ikke alt kan skrives ind i en arbejdsinstruks. En erfaren montør kan med hånden mærke, om en del sidder korrekt. Vedkommende kan høre på en lyd, at noget er galt, eller automatisk ændre en bevægelse, når en komponent opfører sig en smule anderledes end normalt.

Et af de største løfter ved lærende robotter er muligheden for at omsætte noget af denne tavse viden til data.

Hvis én robot lærer en bestemt opgave af Toyotas bedste medarbejder, behøver den næste robot i princippet ikke at lære alt fra bunden. Den indlærte model kan videreudvikles og deles, så én persons færdigheder bliver et aktiv for hele produktionsnetværket.

Det er en langt større forandring end blot at installere endnu en robotarm på en samlebånd.

Hvorfor behøver ikke alle robotter at være humanoide?

Den aktuelle tendens inden for robotteknologi favoriserer humanoide robotter. Argumentet er overbevisende: Fabrikker, værktøj og logistiksystemer er bygget op omkring menneskekroppen. Hvis en robot har to arme, to ben og en rækkevidde som et menneske, behøver fabrikken ikke nødvendigvis at blive bygget om omkring robotten.

Men en menneskelignende form er ikke automatisk den bedste tekniske løsning.

Det kræver energi, kompleks styring og konstant balancering at gå på to ben. På et jævnt fabriksgulv kan en robot på hjul være enklere, billigere, mere stabil og mere energieffektiv.

Toyotas ELEY kører på hjul.

Hyundai Motor Group bevæger sig i en anden retning. Boston Dynamics, som ejes af koncernen, udvikler den elektriske humanoide robot Atlas, og Hyundai planlægger at begynde at bruge humanoide robotter i sin produktion i 2028.

Atlas har en menneskelignende grundform, men Boston Dynamics forsøger ikke at efterligne menneskets anatomi præcist. Elektriske led gør det muligt for robotten at udføre bevægelser, som ville være umulige eller i det mindste ekstremt ubehagelige for et menneske.

Det skaber et interessant eksperiment i bilindustrien. Toyota undersøger blandt andet lærende manipulatorer på hjul, mens Hyundai satser på en humanoid robot i fuld størrelse. Begge forsøger at løse det samme problem: Hvordan får man en alsidig robot til at arbejde i et miljø, som mennesker har bygget til mennesker?

Robotternes største konkurrent er stadig konventionel automatisering

Midt i begejstringen for humanoide robotter bliver et vigtigt spørgsmål ofte glemt: Hvorfor bruge en alsidig robot til 100.000 euro, når en enklere specialmaskine kan udføre den samme opgave i 20 år i træk?

Bilproducenterne skal besvare det spørgsmål i hvert eneste automatiseringsprojekt. Hvis en robot udfører den samme svejsning en million gange, har den ikke brug for kunstig intelligens, ben eller menneskelignende hænder. En specialiseret industrirobot vil sandsynligvis udføre arbejdet hurtigere, billigere og mere pålideligt. Den økonomiske fordel ved en alsidig robot viser sig, når opgaverne ændrer sig.

Hvis den samme maskine kan sortere dele om morgenen, montere komponenter om eftermiddagen og lære en helt ny opgave i det næste modelår, begynder den højere indkøbspris at give mening.

Derfor er den vigtigste målestok for næste generation af robotter ikke løfteevne eller ganghastighed. Vigtigere er den tid, det tager at lære dem en ny opgave.

Kina sætter tempoet op

Robotisering har også en meget konkret konkurrencemæssig begrundelse. Bilindustrien skal på samme tid udvikle elbiler, batteriteknologi, software og nye produktionsprocesser. Kinesiske producenter presser udviklingsforløbene for nye modeller til at blive stadig kortere, mens priskonkurrencen gør omkostningen ved hver produktionstime væsentlig.

En konventionel bilfabrik er en enorm kapitalinvestering. Hvis en ny model kræver, at en stor del af produktionslinjen bygges om, koster det tid og penge. Fleksibel robotisering giver i teorien mulighed for at gøre fabrikken mindre afhængig af bestemte modeller.

En robot, der kan lære en ny opgave gennem software og demonstrationer, vil gøre det muligt for en producent at ændre sit modelprogram uden at redesigne hele automatiseringskæden.

Det kan vise sig at være langt vigtigere end en direkte reduktion af lønomkostningerne.

Mennesker forsvinder ikke fra fabrikkerne, men deres arbejde ændrer sig

Den mest urimelige måde at beskrive robotisering på er med formlen »én robot er lig med ét tabt job«. Økonomien på en bilfabrik er mere kompleks. En robot kan ganske vist overtage arbejde, som tidligere blev udført af et menneske. Det gælder især ensformige, fysisk krævende og ergonomisk belastende arbejdsopgaver.

Samtidig har en stadig mere kompleks og automatiseret fabrik brug for mennesker til at oplære, overvåge, vedligeholde og reparere robotterne. Efterspørgslen efter kompetencer inden for automatisering, software, data og vedligeholdelse vokser. Det største pres vil sandsynligvis ramme enkle, gentagne arbejdsopgaver. Jo mere standardiseret og forudsigeligt et menneskes arbejde er, desto lettere er det økonomisk at begrunde en automatisering af det.

Toyotas vicepræsident Hiroki Nakajima beskrev selskabets mål som en verden, hvor mennesker og robotter arbejder sammen, frem for en situation, hvor robotter blot erstatter mennesker. Det er selskabets erklærede mål, ikke en garanti for, at automatisering ikke vil mindske behovet for visse typer arbejde i fremtiden.

I sidste ende er 400.000 robotter en mindre historie end én lærende robot

Toyotas skøn på 400.000 robotter giver en opsigtsvækkende overskrift, men for bilindustriens næste årti kan et langt vigtigere spørgsmål være, om én robot kan lære en ny færdighed af et menneske og give den videre til en anden robot.

Hvis svaret fortsat er nej, vil automatiseringen fortsætte ad velkendte spor. Robotterne bliver hurtigere og mere præcise, men hver ny opgave vil stadig kræve dyrt ingeniørarbejde.

Hvis svaret bliver ja, vil bilfabrikkens karakter ændre sig.

Produktionslinjen vil ikke længere kun bestå af maskiner, der er programmeret til faste opgaver. Ved siden af dem vil der opstå en klasse af maskiner, hvis opgaver kan ændres via software, og som kan lære nye færdigheder ved at følge et menneskes eksempel. Robotten vil dermed ikke længere blot være et stykke automatiseringsudstyr. Den vil blive en digital faglært medarbejder.