工業機器人從應用領域分布來看,汽車與電子電機制造為目前兩大主要應用領域,市占比例分別約3成,而其主要使用場景則以搬運、焊接與上下料為主。不過,除了源自于缺工效應下自動化需求比例提高,工業機器人在AI、感測技術的加值下帶來新的能力延伸其功能性,有別于以往操作規則性的任務。
當前具有認知學習能力與自主調適能力的智能機器人能夠依據行業需求設計出特用功能以適應復雜的工作場景,也因此使其應用觸角延伸至更多新興行業應用。
在量產模式時代,為發揮最高生產效率與節省人力成本,諸如上下料此種高度重復性,或是機床上下料繁重且具有危險性的工作,一般都交由工業機器人操作,主要適應對像為大批量、重復性強或是工件重量較大的情況下使用,此為目前常見的上下料機器人應用。
不過,由于此種機器人大多執行重復性作業,任務設定單純,其運動路徑與取放動作相對必須設計在固定模式下進行,因此在前置作業通常仍需要額外透過人力將來料排列整齊再等待夾取上料,這也是當前上下料應用靈活度不足,而期待能夠有所改善之處。
簡言之,自動化上下料只解決了問題的一半。相比人類,對機器人來說,從容器中取出隨機排放的零件,再將其精確地放入機器中卻是困難重重。為改善此應用缺陷,市場積極發展機器人隨機取放( Random Bin Picking)技術,同時結合AI、3D視覺,可借此識別物件包括位置、姿態與擺放順序等信息,透過AI自適應夾取路徑與取放動作,由于工件不需事先整理及排列即可被識別,因此能有效提升許多工廠的生產效率。
在金屬加工產業中,不如焊接機器人的普及,研磨與拋光兩個制程至今仍大量仰賴人工作業,由于像是水五金制品具有如孔洞、多重曲面的復雜外形,因此其較難以導入自動化。不過,目前國內水五金產業在研磨拋光制程的缺工越來越嚴重,促使市場對于研磨拋光機器人的需求增強,而在3D視覺與虛實整合系統輔助下,對于具有復雜研磨拋光路徑需求的機器人來說,可降低其在路徑生成的難度,并達到加工穩定。
值得注意的是,除了汽車、電子電機以及機械金屬加工產業為主要應用領域,工研院產科國際所分析師黃仲宏觀察,目前包括紡織、制鞋、食品加工等輕工業的機器人裝機量也正成長中,漸朝自動化、智能化發展。例如制鞋業在涂膠制程與研磨拋光遭遇相同加工路徑復雜之問題,現也透過3D視覺引導改善,或有廠商開發協助成衣業者改善打樣流程的機器手臂。
工業機器人從應用領域分布來看,汽車與電子電機制造為目前兩大主要應用領域,市占比例分別約3成,而其主要使用場景則以搬運、焊接與上下料為主。不過,除了源自于缺工效應下自動化需求比例提高,工業機器人在AI、感測技術的加值下帶來新的能力延伸其功能性,有別于以往操作規則性的任務。
當前具有認知學習能力與自主調適能力的智能機器人能夠依據行業需求設計出特用功能以適應復雜的工作場景,也因此使其應用觸角延伸至更多新興行業應用。
在量產模式時代,為發揮最高生產效率與節省人力成本,諸如上下料此種高度重復性,或是機床上下料繁重且具有危險性的工作,一般都交由工業機器人操作,主要適應對像為大批量、重復性強或是工件重量較大的情況下使用,此為目前常見的上下料機器人應用。
不過,由于此種機器人大多執行重復性作業,任務設定單純,其運動路徑與取放動作相對必須設計在固定模式下進行,因此在前置作業通常仍需要額外透過人力將來料排列整齊再等待夾取上料,這也是當前上下料應用靈活度不足,而期待能夠有所改善之處。
簡言之,自動化上下料只解決了問題的一半。相比人類,對機器人來說,從容器中取出隨機排放的零件,再將其精確地放入機器中卻是困難重重。為改善此應用缺陷,市場積極發展機器人隨機取放( Random Bin Picking)技術,同時結合AI、3D視覺,可借此識別物件包括位置、姿態與擺放順序等信息,透過AI自適應夾取路徑與取放動作,由于工件不需事先整理及排列即可被識別,因此能有效提升許多工廠的生產效率。
在金屬加工產業中,不如焊接機器人的普及,研磨與拋光兩個制程至今仍大量仰賴人工作業,由于像是水五金制品具有如孔洞、多重曲面的復雜外形,因此其較難以導入自動化。不過,目前國內水五金產業在研磨拋光制程的缺工越來越嚴重,促使市場對于研磨拋光機器人的需求增強,而在3D視覺與虛實整合系統輔助下,對于具有復雜研磨拋光路徑需求的機器人來說,可降低其在路徑生成的難度,并達到加工穩定。
值得注意的是,除了汽車、電子電機以及機械金屬加工產業為主要應用領域,工研院產科國際所分析師黃仲宏觀察,目前包括紡織、制鞋、食品加工等輕工業的機器人裝機量也正成長中,漸朝自動化、智能化發展。例如制鞋業在涂膠制程與研磨拋光遭遇相同加工路徑復雜之問題,現也透過3D視覺引導改善,或有廠商開發協助成衣業者改善打樣流程的機器手臂。