Bij de volgende revolutie in de auto-industrie leren robots van mensen

De auto-industrie maakt al meer dan een halve eeuw gebruik van robots. Lassen, spuiten en het verplaatsen van zware carrosseriedelen zijn zo vergaand geautomatiseerd dat een moderne autofabriek zonder industriële robots nauwelijks nog voor te stellen is. Toch werken er nog altijd duizenden mensen in de eindassemblage.

Dat heeft geen sentimentele reden. Mensen zijn uitzonderlijk veelzijdige manipulatoren. Ze kunnen met hun vingers voelen of een stekkerverbinding is vergrendeld, tussen andere onderdelen een kabelboom vinden, hun beweging aanpassen aan een onderdeel dat niet goed is uitgelijnd en zonder herprogrammering begrijpen wat ze moeten doen wanneer er een auto met een andere uitrusting op de productielijn verschijnt. Een conventionele industriële robot is daarentegen verbluffend snel en nauwkeurig, zolang de wereld om hem heen exact blijft zoals een ingenieur die heeft geprogrammeerd. Autofabrikanten willen die kloof nu verkleinen.

400.000 robots betekenen niet 400.000 verloren banen

Toyota zette het onderwerp nadrukkelijk op de agenda met de schatting dat ongeveer 400.000 robots nodig kunnen zijn om het productienetwerk van het bedrijf, andere ondernemingen binnen het concern en belangrijke leveranciers te moderniseren. Volgens Reuters zou Toyota vanaf 2028 jaarlijks ongeveer ¥1 biljoen, tegen de huidige wisselkoersen circa €5,4 miljard, aan automatisering kunnen uitgeven.

Vierhonderdduizend is een enorm aantal, maar het moet wel op de juiste manier worden geïnterpreteerd. Het betekent niet dat er 400.000 mensachtige robots komen of dat hetzelfde aantal werknemers wordt vervangen. Het cijfer omvat conventionele industriële robots, nieuwe automatiseringsoplossingen en de vervanging van bestaande apparatuur. Naar schatting zouden 150.000 robots naar Toyota’s eigen fabrieken kunnen gaan; de rest betreft het bredere productienetwerk. (reuters.com)

Waar het om gaat, is welk soort werk de volgende generatie robots gaat uitvoeren.

De eerdere automatiseringsgolf nam allereerst taken over waarbij robots mensen overtroffen in snelheid, kracht en herhaalbaarheid. De volgende golf richt zich op werk waarbij mensen tot nu toe juist flexibeler waren dan robots.

Een autofabriek is voor een robot een verrassend moeilijke omgeving

Het puntlassen van een carrosserie is een vrijwel ideale taak om te automatiseren. Een robot pakt steeds hetzelfde gereedschap, beweegt naar een bekend punt en voert een nauwkeurig omschreven handeling uit. Diezelfde cyclus wordt duizenden keren herhaald. De eindassemblage is een heel andere wereld.

Daar moet een robot onderdelen met uiteenlopende vormen vastpakken, zachte materialen hanteren, stekkers aansluiten, afdichtingen monteren, kabels aanbrengen en naast mensen werken. Wat het nog ingewikkelder maakt, is dat voertuigen met verschillende aandrijflijnen, uitrustingsniveaus en interieurs elkaar op dezelfde productielijn direct kunnen opvolgen. Een mens lost veel van zulke problemen bijna onbewust op. Een robot moet worden geleerd een object te herkennen, het correct vast te pakken, de juiste kracht uit te oefenen en te reageren op een situatie die de programmeur niet tot in detail had voorzien.

Daarom draait de volgende doorbraak niet simpelweg om een betere robothand. Daarvoor zijn machinevisie, kracht- en tastsensoren, kunstmatige intelligentie en leersystemen nodig die een menselijke demonstratie kunnen omzetten in een handeling van een robot.

Toyota wil de handen van een meestervakman digitaliseren

Toyota’s ELEY geeft een goede indruk van de richting waarin de ontwikkeling gaat. De Embodied Learning robot for Enhanced Yield is een ongeveer 50 kg zware robot met twee armen die zich op wielen verplaatst en leert van bewegingen die door mensen worden voorgedaan.

Een operator demonstreert een taak aan de robot met behulp van speciale bedieningsapparatuur. Het systeem verzamelt gegevens uit die demonstraties en gebruikt ze om een model te trainen waarmee de robot de taak zelfstandig kan herhalen.

Toyota demonstreerde het systeem door T-shirts te laten opvouwen. Na ongeveer 1.500 oefenpogingen en twee weken kon ELEY de taak vrijwel foutloos herhalen. Het opvouwen van een shirt zal de autoproductie op zichzelf niet veranderen. De manier waarop de robot leert, kan dat wel.

Bij een traditionele industriële robot bouwen ingenieurs een volledig geautomatiseerd proces rond één specifieke handeling. Aan een lerende robot zou de vaardigheid kunnen worden voorgedaan door iemand die al weet hoe het werk moet worden uitgevoerd. Dat verandert het uitgangspunt van automatisering.

De ervaring van werknemers kan het waardevolste bezit zijn

Toyota’s productiefilosofie steunt al tientallen jaren op zeer ervaren vakmensen. In de Japanse industrie worden zulke meesters takumi genoemd. Het probleem ontstaat wanneer de praktische kennis die in tientallen jaren is opgebouwd, verdwijnt wanneer een werknemer met pensioen gaat.

Niet alles kan in een werkinstructie worden vastgelegd. Een ervaren assemblagemedewerker kan met de hand voelen of een onderdeel correct op zijn plaats zit. Die kan aan een geluid horen dat er iets mis is, of een beweging automatisch aanpassen wanneer een onderdeel zich net iets anders gedraagt dan normaal.

Een van de grootste beloften van lerende robots is de mogelijkheid om een deel van deze impliciete kennis om te zetten in data.

Als één robot een specifieke handeling leert van Toyota’s beste werknemer, hoeft de volgende robot in principe niet alles opnieuw vanaf nul te leren. Het getrainde model kan verder worden ontwikkeld en gedeeld, waardoor de vaardigheden van één persoon een waardevolle hulpbron voor het volledige productienetwerk worden.

Dat is een veel grotere verandering dan simpelweg nog een robotarm op een assemblagelijn plaatsen.

Waarom hoeven niet alle robots mensachtig te zijn?

De huidige trend in de robotica draait om mensachtige robots. De redenering is overtuigend: fabrieken, gereedschappen en logistieke systemen zijn rond het menselijk lichaam ontworpen. Als een robot twee armen, twee benen en een menselijk bereik heeft, hoeft de fabriek niet per se rond de robot te worden verbouwd.

Maar een menselijke vorm is niet automatisch de beste technische oplossing.

Lopen op twee benen kost energie, vereist complexe aansturing en vraagt voortdurend om evenwichtscorrecties. Op een vlakke fabrieksvloer kan een robot op wielen eenvoudiger, goedkoper, stabieler en energiezuiniger zijn.

Toyota’s ELEY rijdt op wielen.

Hyundai Motor Group kiest een andere richting. Het tot het concern behorende Boston Dynamics ontwikkelt de elektrische mensachtige robot Atlas, en Hyundai is van plan vanaf 2028 mensachtige robots in zijn productieprocessen te gebruiken.

Atlas heeft in de basis een menselijke lichaamsvorm, maar Boston Dynamics probeert de menselijke anatomie niet exact na te bootsen. Dankzij elektrische gewrichten kan de robot bewegingen maken die voor een mens onmogelijk of op zijn minst uiterst ongemakkelijk zouden zijn.

Zo ontstaat in de auto-industrie een interessant experiment. Toyota onderzoekt onder meer lerende manipulatoren op wielen, terwijl Hyundai inzet op een mensachtige robot op ware grootte. Beide proberen hetzelfde probleem op te lossen: hoe laat je een veelzijdige robot werken in een omgeving die mensen voor mensen hebben gebouwd?

De grootste concurrent van robots blijft conventionele automatisering

Te midden van alle aandacht voor mensachtige robots wordt één belangrijke vraag vaak vergeten: waarom zou je een veelzijdige robot van €100.000 gebruiken als een eenvoudigere, speciaal ontwikkelde machine twintig jaar lang dezelfde handeling kan uitvoeren?

Autofabrikanten moeten die vraag bij elk automatiseringsproject beantwoorden. Als een robot een miljoen keer exact dezelfde las maakt, heeft hij geen kunstmatige intelligentie, benen of mensachtige handen nodig. Een speciaal daarvoor bestemde industriële robot zal het werk waarschijnlijk sneller, goedkoper en betrouwbaarder uitvoeren. Het economische voordeel van een veelzijdige robot ontstaat wanneer taken veranderen.

Als dezelfde machine ’s ochtends onderdelen kan sorteren, ’s middags componenten kan monteren en in het volgende modeljaar een volledig nieuwe taak kan leren, begint de hogere aanschafprijs zinvol te worden.

Daarom is het hefvermogen of de loopsnelheid niet de belangrijkste maatstaf voor de volgende generatie robots. Belangrijker is hoeveel tijd nodig is om een nieuwe taak aan te leren.

China voert het tempo op

Robotisering heeft ook een heel concrete reden vanuit concurrentieoogpunt. De auto-industrie moet tegelijkertijd elektrische voertuigen, accutechnologie, software en nieuwe productieprocessen ontwikkelen. Chinese fabrikanten maken de ontwikkelingscycli van modellen steeds korter, terwijl prijsconcurrentie de kosten van elk productie-uur zwaar laat wegen.

Een conventionele autofabriek vergt een enorme kapitaalinvestering. Als voor een nieuw model een groot deel van de productielijn moet worden verbouwd, kost dat tijd en geld. Flexibele robotisering belooft in theorie een fabriek minder afhankelijk te maken van specifieke modellen.

Een robot die via software en demonstraties een nieuwe handeling kan leren, zou een fabrikant in staat stellen het modellenaanbod te wijzigen zonder de volledige automatiseringsketen opnieuw te ontwerpen.

Dat kan veel belangrijker blijken dan een rechtstreekse verlaging van de arbeidskosten.

Mensen verdwijnen niet uit fabrieken; hun werk verandert

De meest onrechtvaardige manier om robotisering te beschrijven, is met de formule ‘één robot staat gelijk aan één verloren baan’. De economie van een autofabriek is complexer. Een robot kan inderdaad werk overnemen dat eerder door een mens werd gedaan. Dat geldt vooral voor repetitieve, fysiek zware en ergonomisch ongunstige handelingen.

Tegelijkertijd heeft een steeds complexere, geautomatiseerde fabriek mensen nodig om robots te instrueren, te bewaken, te onderhouden en te repareren. De vraag naar kennis van automatisering, software, data en onderhoud groeit. De grootste druk komt waarschijnlijk te liggen op eenvoudige, repetitieve werkzaamheden. Hoe sterker het werk van een persoon is gestandaardiseerd en hoe voorspelbaarder het is, hoe gemakkelijker de automatisering ervan economisch te rechtvaardigen valt.

Toyota-vicepresident Hiroki Nakajima omschreef het doel van het bedrijf als een wereld waarin mensen en robots samenwerken, in plaats van een situatie waarin robots mensen simpelweg vervangen. Dat is het uitgesproken doel van het bedrijf, geen garantie dat automatisering de behoefte aan bepaalde soorten werk in de toekomst niet zal verminderen.

Uiteindelijk zijn 400.000 robots minder belangrijk dan één lerende robot

Toyota’s schatting van 400.000 robots levert een indrukwekkende kop op, maar voor het komende decennium van de auto-industrie is een andere vraag mogelijk veel belangrijker: kan één robot een nieuwe vaardigheid van een mens leren en die vervolgens doorgeven aan een andere robot?

Als het antwoord nee blijft, gaat de automatisering verder op de vertrouwde weg. Robots worden sneller en nauwkeuriger, maar voor elke nieuwe handeling blijft duur ontwikkelwerk nodig.

Als het antwoord ja wordt, verandert de aard van de autofabriek.

De productielijn zou dan niet langer alleen bestaan uit machines die voor vaste taken zijn geprogrammeerd. Daarnaast zou een categorie machines ontstaan waarvan de taken via software kunnen worden aangepast en die nieuwe vaardigheden kunnen leren door een menselijk voorbeeld te volgen. De robot zou dan niet langer slechts een onderdeel van de automatisering zijn. Hij zou een digitale vakman worden.