Autonomiczna frezarka CNC, robot o ludzkich dłoniach, połączony kask i stan AI w 2018 r.
Data: Podcast Czas czytania: ~3 minut
Goliath CNC - autonomiczna frezarka CNC
Szalenie ciekawe rozwiązanie (kroczek dalej niż Shaper Origin).
Jeśli wierzyć informacjom na Kickstarterze, gdzie prowadzona była kampania, cena wersji ostatecznej ma oscylować wokół 3 000 USD.
Stosunek zakresu ruchu takiej maszyny do ceny: zbiega do nieskończoności ;)
Autonomiczny robot o “ludzkich dłoniach”
Trzeba przyznać, że taka prezentacja robi wrażenie.
Ciekawe jak się będzie prezentował i zachowywał w rzeczywistości. I czy będzie w zasięgu cenowym MŚP.
Hmm “No teaching required” - czy to w ogóle możliwe?
Połączony kask
Mówić o tym kasku, że jest “inteligenty” to trochę wg mnie nadużycie - przynajmniej na podstawie tych informacji - bo czy w samym kasku uruchomiony jest chociażby jakikolwiek model machine learning lub sieć neuronowa?
Już bardziej jest “smart” (bo wie mniej więcej w jakim jest stanie) a tak naprawdę, to przede wszystkim jest “connected” (połączony) - bo wysyła ten stan na serwer.
Cieszy również, że ponoć został zaprojektowany w Polsce przez firmę Cybercom Poland.
Przeszkody w adaptacji Przemysłu 4.0
Przemysł 4.0 oczami dużych firm z UK: zmiany są konieczne, ale wdrożenia mogą być za drogie, zbyt ryzykowne lub czasochłonne.
Z kolei polskie MŚP według raportów (m.in. Siemensa… ) wydają się być dużo bardziej innowacyjne i skłonne do wdrożeń nowych procesów i technologii (w tym Przemysł 4.0 i IoT).
Sytuacja jest również o tyle ciekawa, że powstają bardziej wyspecjalizowane platformy Przemysłu 4.0 dedykowane właśnie dla MŚP (m.in. nasz system monitorowania maszyn CNC), więc może się okazać, że w niedalekiej perspektywie czasowej MŚP szerzej zaadoptują nowe technologie i IoT niż duże, skostniałe przedsiębiorstwa zagraniczne.
Czy AI wystrzeli w 2018 r.?
Wydaje mi się, że pod koniec zeszłego roku były podobne przepowiednie 😉
W omawianym artykule trafnie, moim zdaniem, zdiagnozowano brak szerszej adaptacji AI w “zwykłych” firmach i mniejszym przemyśle: przede wszystkim wymagana jest zmiana nastawienia osób decyzyjnych w firmach i uświadamianie co może w praktyce przynieść zastosowanie AI i jakie są ograniczenia AI (o tym ostatnim szczególnie mało się wspomina).
Druga rzecz to fakt, że wynik praktycznego zastosowania AI niekoniecznie jest “nośny” i medialny, bo zazwyczaj jest to po prostu wartość liczbowa, a w najlepszym razie wykres lub tabela.
Podobnie rzadko się wspomina, że do zastosowania AI wymagana jest względnie duża ilość danych historycznych. Same algorytmy i modele są powszechnie znane, to w danych historycznych leży siła AI. Im więcej i im lepsze są takie dane, tym lepsze wyniki będą w zastosowaniu AI.
Dlatego tyle się mówi, aby już teraz warto zacząć zbierać kluczowe dane (np. dotyczące produkcji lub klientów) w swojej firmie - dzięki nim implementacja AI w odpowiednim momencie będzie szybsza lub w ogóle możliwa.
Wyraź swoją opinię!
Na koniec mam do Ciebie jeszcze raz gorącą prośbę: daj proszę znać w komentarzu poniżej lub na Facebooku czy taka forma tygodniowego lub dwutygodniowego podsumowania przypadła Ci do gustu, czy może nie ma to według Ciebie większego sensu.
Za wszystkie komentarze, polubienia i udostępnienia będę wielce zobowiązany.
Fot. Epson/Seiko