فانوک و انویدیا همکاری می‌کنند تا هوش مصنوعی فیزیکی را در اتوماسیون صنعتی بازتعریف کنند

FANUC and NVIDIA Partner to Redefine Physical AI in Industrial Automation

چشم‌انداز  اتوماسیون کارخانه در حال تغییر به سمت دوره‌ای هوشمندتر و پاسخگوتر است. FANUC، رهبر جهانی در حوزه رباتیک، اخیراً همکاری استراتژیکی با NVIDIA برای پیشبرد «هوش مصنوعی فیزیکی» اعلام کرده است. این همکاری، محاسبات هوش مصنوعی با عملکرد بالا را با ربات‌های صنعتی سنگین ترکیب می‌کند. هدف آن‌ها ایجاد ماشین‌هایی است که بتوانند در محیط‌های تولید غیرقابل پیش‌بینی، درک، استدلال و عمل کنند. این حرکت جهشی بزرگ از برنامه‌نویسی سنتی و سخت‌گیرانه به سیستم‌های پویا و خودبهینه‌ساز است.

پل زدن بین دوقلوهای دیجیتال و تولید دنیای واقعی

یکی از تأثیرگذارترین جنبه‌های این همکاری، ادغام دوقلوهای دیجیتال است. FANUC نرم‌افزار شبیه‌سازی ROBOGUIDE خود را با NVIDIA Isaac Sim و Omniverse پیوند داده است. این امکان را به مهندسان می‌دهد تا مدل‌های مجازی با دقت بالا از کل خطوط تولید بسازند. در نتیجه، تولیدکنندگان می‌توانند جریان‌های کاری پیچیده را قبل از خرید حتی یک قطعه سخت‌افزار اعتبارسنجی کنند. این رویکرد «شبیه‌سازی-اول» به طور چشمگیری زمان راه‌اندازی را کاهش داده و از خطاهای پرهزینه در نصب فیزیکی جلوگیری می‌کند.

پلتفرم‌های باز و کنترل پیشرفته برای اتوماسیون کارخانه مدرن

FANUC با پذیرش چارچوب‌های متن‌باز، از محدودیت‌های اختصاصی فاصله می‌گیرد. این شرکت اکنون درایورهای ROS 2 و زبان پایتون را به عنوان ویژگی‌های استاندارد در کل مجموعه ربات‌های خود پشتیبانی می‌کند. این انعطاف‌پذیری به توسعه‌دهندگان اجازه می‌دهد تا سیستم‌های  کنترل پیشرفته و الگوریتم‌های سفارشی هوش مصنوعی را به آسانی ادغام کنند. علاوه بر این، معرفی حرکت پخش با سرعت بسیار بالا باعث می‌شود مفاصل ربات با دقت میلی‌ثانیه‌ای واکنش نشان دهند. این بهبودها امکان مسیرهای نرم‌تر و تنظیمات مسیر در زمان واقعی در فضاهای کاری شلوغ را فراهم می‌کند.

محاسبات لبه و هوش زمان واقعی با NVIDIA Jetson

برای مدیریت نیازهای عظیم داده‌ای هوش مصنوعی فیزیکی، FANUC از ماژول‌های لبه NVIDIA Jetson استفاده می‌کند. این واحدهای کوچک و قدرتمند، استنتاج هوش مصنوعی را مستقیماً روی ربات انجام می‌دهند و تأخیر پردازش ابری را حذف می‌کنند. در نتیجه، ربات‌ها می‌توانند تغییرات قطعات یا تطبیق با تغییرات محیطی را فوراً شناسایی کنند. این هوش محلی برای صنایعی مانند لجستیک و فرآوری مواد غذایی که شکل و موقعیت محصولات اغلب تغییر می‌کند، حیاتی است. این ساختار مکمل معماری‌های موجود  PLC و  DCS است و «قدرت مغزی» لازم برای وظایف پیچیده بصری را فراهم می‌کند.

دیدگاه نویسنده: ساده‌سازی رابط انسان-ربات

شاید تحول‌آفرین‌ترین پیشرفت، استفاده از هوش مصنوعی برای تفسیر دستورات صوتی باشد. FANUC از هوش مصنوعی مولد برای ترجمه دستورات گفتاری به کد پایتون اجرایی استفاده می‌کند. به نظر من، این یک تغییر بازی برای «دموکراتیزه کردن» رباتیک است. این امکان را به اپراتورهای خط تولید می‌دهد تا بدون دانش عمیق برنامه‌نویسی، وظایف تولید را بازپیکربندی کنند. با این حال، در حالی که این موضوع مانع ورود را کاهش می‌دهد، اهمیت پروتکل‌های امنیت سایبری و ایمنی قوی در شبکه  اتوماسیون صنعتی را نیز افزایش می‌دهد.

غلبه بر کمبود نیروی کار ماهر از طریق رباتیک هوشمند

محرک اصلی این جهش فناوری، کمبود جهانی نیروی کار فنی ماهر است. با هوشمندتر و آسان‌تر کردن برنامه‌ریزی ربات‌ها، FANUC و NVIDIA به تولیدکنندگان کمک می‌کنند تا با نیروی کار تخصصی کمتر، بازدهی بالایی داشته باشند. این سیستم‌های هوشمند می‌توانند وظایفی را انجام دهند که قبلاً نیازمند مهارت‌های ظریف انسانی و نظارت مداوم بود. بنابراین، هوش مصنوعی فیزیکی فقط یک روند نیست؛ بلکه یک استراتژی حیاتی برای بقا در شرکت‌های صنعتی مدرن است.

نمایش همه
پست های وبلاگ
نمایش همه
Bridging Allen-Bradley ControlLogix to Yokogawa CENTUM VP DCS via Modbus TCP: Protocol Mapping and Fault Diagnosis

پل زدن کنترل‌لاژیکس آلن-برادلی به سیستم کنترل توزیع‌شده یاکوگاوا CENTUM VP از طریق Modbus TCP: نگاشت پروتکل و تشخیص خطا

راهنمای عملی برای پیکربندی ارتباط Modbus TCP بین PLCهای Rockwell Automation ControlLogix و سیستم کنترل توزیع‌شده Yokogawa CENTUM VP، شامل نگاشت رجیسترها، تنظیم زمان انتظار و عیب‌یابی در شرایط واقعی.
PID Controller Tuning on Yokogawa Centum VP and Foxboro IA: A Field Engineer's Guide

تنظیم کنترل‌کننده PID روی Yokogawa Centum VP و Foxboro IA: راهنمای مهندس میدانی

تنظیم PID در سیستم‌های Yokogawa CENTUM VP و Foxboro IA نیازمند دانش تخصصی مربوط به بلوک PID2 و بلوک PIDA به ترتیب، همراه با داده‌های تشخیصی HART از ابزارهای میدانی است. این راهنما شامل طبقه‌بندی نوع حلقه، روند گام‌به‌گام تنظیم برای هر دو پلتفرم از جمله روش حلقه بسته زیگلر-نیکولز و تنظیم‌کننده‌های خودکار داخلی، تشخیص موقعیت‌دهنده شیر و فرستنده HART، و عیب‌یابی عملی برای حلقه‌های نوسانی و کند می‌باشد.
Commissioning Allen-Bradley PowerFlex 525 VFDs on ControlLogix 5580 Over EtherNet/IP: A Complete Field Guide

راه‌اندازی درایوهای Allen-Bradley PowerFlex 525 VFD روی ControlLogix 5580 از طریق EtherNet/IP: راهنمای کامل میدانی

درایوهای Allen-Bradley PowerFlex 525 از طریق EtherNet/IP با ControlLogix 5580 ارتباط برقرار می‌کنند و از پیام‌رسانی ضمنی کلاس 1 CIP برای داده‌های ورودی/خروجی دوره‌ای استفاده می‌کنند. این راهنمای میدانی شامل تطبیق نسخه AOP، پیکربندی IP درایو از طریق پارامتر HIM C128-C140، افزودن ماژول در Studio 5000 با تنظیمات RPI و اندازه اسمبلی، نگاشت بیت‌های فرمان/وضعیت منطقی، دسترسی به پارامترهای پیام صریح (MSG) و تشخیص سه خطای رایج شامل F81 از دست دادن ارتباط، خطای 16#0204 تایم‌اوت اتصال و F100 پارامتر خارج از محدوده می‌باشد.