生产效率与安全的统一：关于机器人技术传感器解决方案的采访

在确保安全、高效使用机器人的传感器和系统解决方案领域，SICK 正在实行模式转变。Integrated Automation高级副总裁 Volker Glöckle 阐述了这一市场的动态变化，以及 SICK 成为解决方案提供商的路径。

Glöckle 先生，“Integrated Automation”部门的任务是将 SICK 打造成自动化应用解决方案的提供商。您怎样实现这一目标？

Glöckle：值得庆幸的是，我们并不是从零开始：多年来，SICK 在为机器人应用开发自动化和安全解决方案方面积蓄了强大的实力 —— 但到目前为止，这些解决方案都是相互孤立的。我们希望通过将机器人理解成一个整体系统来解决这个问题，专注于传感器的主要应用领域，从而满足高安全性和高生产效率的要求。当然，我们仍会继续为机器人制造商和集成商提供传感器

该整体解决方案的必要性源自于哪里？

Glöckle：提高自动化水平一直是所有行业的主要驱动力之一，也是我们持续增长的保障。此外还包括新的技术可能性。例如，如今的算力似乎已不再重要，客户的要求越来越高，应用领域也越来越广。所有这些都产生了巨大的动力。解决方案不再局限于个别行业。对我们来说，这意味着我们要与机器人制造商紧密合作，共同为客户的个性化应用开发理想的解决方案。

整体解决方案的具体开发过程是怎样的？

Glöckle：首先是观察和学习。我们对应用场景了解得越多，我们就能更好地为其量身定制整体解决方案。同时，我们收集的数据和应用案例越多，我们就越能针对性地开发新解决方案。随着时间的推移，我们的积累逐渐丰厚，我们可以在此基础上更快速、更高效地实现客户项目。

那么数据源自于哪里？

Glöckle：大部分的数据都通过传感器生成。我们的数字平台 App Space 和 Integration Space 以及基于此实现的功能和服务，可以帮助我们合并和解析数据。当然，我们也充分利用了来自客户系统的流程数据

人工智能在新解决方案中发挥了多大作用？

Glöckle：人工智能，具体来说是 Deep Learning，一个关键的组成部分，为我们开启了全新的可能性。当必须考虑应用中的差异，而这些差异又无法通过静态编程来体现时，AI 就能充分发挥潜力。例如，物流领域中的机器人拣货。此时可以通过 Deep Learning 学习新的产品或改变后的产品功能，即重新训练算法，投入可控且无需深入的编程知识。除了提高耐用性之外，学习新的场景，让客户更容易、更方便地适应变化后的框架条件，也是我们的系统所努力的方向。

也就是说，易操作性非常重要。那么你们采取了哪些措施来改进这一点？

Glöckle：我们与机器人制造商的合作比以前更加紧密，我们的解决方案从一开始就被集成。我们的安全和引导解决方案以理想的方式集成到机器人控制系统中。例如，我们的解决方案可以通过机器人操作面板轻松实现参数设定和可视化。我们在 2022 年推出的 SARA-App（“SICK Augmented Reality Assistant”的简称）也让一切变得更加简单。通过平板电脑或智能手机进行故障诊断和操作，大幅降低了员工使用应用程序的复杂性。

解决方案正好及时出现，你们是如何做到的？

Glöckle：正如我所说，我们在这条道路上已经走了很长时间，诸如用于仿真的数字化双胞胎、用于提高效率的动态安全解决方案，或者用于提高灵活性和耐用性的 Deep Learning 等主题，早已在我们公司的许多领域得到实施。现在，我们正在为客户整合这些因素。正如开头所提到的：我们要认真倾听，结合专业能力，然后得出正确的结论。

推动力：2022 年营业报告杂志

仔细研究成功案例，寻找推动力。是什么时刻或契机推动了一切并取得成功？

杂志文章表明，推动力并非偶然，也不仅仅是一系列幸运事件。推动力来自直觉、灵感、经验、能力和激情。

另请阅读 2022 年营业报告中的其他文章

更多来自 SICK 传感器博客的文章

阅读更多

阅读更多

阅读更多