Skip to main content

Self-learning Robots and Cobots for Machine Learning in Industrial Automation


    Industrial Automation ရဲ့သိသာတဲ့ပြောင်းလဲမှုဖြစ်စဉ်ကိုသိပ်မကြာတဲ့အနာဂါတ်ကာလတစ်ခုမှာကြုံတွေ့လာရတော့မှာပါ။စဉ်ဆက်အပြတ်နဲ့အရှိန်ပြင်းပြင်းတိုးတက်လာတဲ့နည်းပညာဟာကုမ္ပဏီရဲ့လိုအပ်ချက်များကိုဖြည့်ဆည်းပေးဖို့အတွက်အထောက်အကူတစ်ခုဖြစ်လာပါတယ်။အဲ့ဒီထဲမှာမှ AI(Artificial Intelligence) ဟာအဓိကကျတဲ့နေရာမှာပါဝင်နေပါတယ်။အထူးသဖြင့် ML(Machine Learning) ဆိုရင်ပိုမှန်ပါလိမ့်မယ်။ အခုဖော်ပြမယ့်အကြောင်းအရာဟာ Industrial ထဲမှာ Machine Learning သို့မဟုတ် AI ကို ဘယ်မှာသုံးနေကြသလဲဆိုတာသိဖို့အတွက်ရည်ရွယ်ပြီးရေးထားတာပါ။

    အခုဖော်ပြမှာကတော့ ကုန်ထုတ်လုပ်မှုမှာ Machine Learning အသုံးပြုမှုအတွက်အသုံးချပုံနမူနာများကိုဖော်ပြမှာပါ။အဲ့တာတွေကတော့

- Self-learning Robots & Cobots
- Environmental Monitoring in Factory Automation
- Operations and Process Management with AI Based Smart Glasses
-Edge Computing and Intelligent Sensors တို့ဖြစ်ပါတယ်။အခုအကြောင်းအရာကတော့ Self-learning Robots & Cobots အကြောင်းကိုအရင်ရေးသွားမှာပါ။

Self-learning Robots and Cobots

    Manufacture သမားတွေဟာ Robot တွေကိုစတင်အသုံးပြုတဲ့အချိန်ကစပြီး သူတို့ရဲ့အဓိက အားစိုက်မှုကို‌ ပြောရမယ်ဆိုရင် Mass Production လုပ်ငန်းတွေမှာ Repeatable Processes တွေကို ပိုမိုမြန်ဆန်ဖို့နဲ့ထုတ်ကုန်တွေကိုကောင်းမွန်ဖို့အတွက်ပဲအာရုံစိုက်ကြတာပါ။ ဒီသမာရိုးကျ Robot တွေဟာ Self-learning mechanism ရဲ့ ပေါင်းစပ်မှုနဲ့ သိသာတဲ့တိုးတက်မှုဖြစ်အောင်လုပ်ရင်လုပ် ဒါမှမဟုတ် သူတို့ရဲ့နေရာကို Collaborative Robot (တစ်နည်းအားဖြင့် Cobots) တွေနဲ့အစားထိုးရင်ထိုးဖို့ လုပ်လာကြပါတယ်။ Computer Vision (Smart Image Processing) , Integrated Sensor Technologies နဲ့ Machine Learning ရဲ့အကူအညီတွေနဲ့ပဲ Company တွေရဲ့ရည်မှန်းချက်တွေကိုဖြည့်ဆည်းပေးနိုင်ပါတယ်။

    သမာရိုးကျ Robot နဲ့ Self-Learning Robot တွေရဲ့ခြားနားချက်ကတော့ သမာရိုးကျ Robot တွေဟာပေးထားတဲ့ Programming တွေနဲ့အတူတခြားမည်သည့်အခြေအနေတွေပဲဖြစ်ဖြစ် ဒီအလုပ်ကိုပဲ မည်သည့်ပြောင်းလဲခြင်းမျိုးမှမရှိဘဲနဲ့လုပ်ဆောင်တာပါ။ Self-Learning Robot ကတော့တိကျတဲ့ Programming တွေကိုမွမ်းမံမှုတွေမလိုအပ်ပဲနဲ့ချိန်ညှိပေးနိုင်သလိုသင်ယူစေခြင်းဖြင့်သူရဲ့ပတ်ဝန်းကျင်ဒါမှမဟုတ်ဒေတာထည့်သွင်းမှုများနဲ့အချိန်ကာလကြာလာတာနဲ့အမျှ၎င်း၏စွမ်းဆောင်ရည်ကိုမြှင့်တင်ပေးနိုင်ပါတယ်။တစ်နည်းပြောရရင် အလုပ်တစ်ခုမှာတစ်သမတ်တည်းဒီအလုပ်ကိုမပြောင်းမလဲလုပ်တဲ့သူနဲ့ Creative ရှိပြီးပတ်ဝန်းကျင်အခြေအနေပေါ်လိုက်ကြည့်ပြီးတော့ ပြောင်းလဲအလုပ်လုပ်တဲ့သူနှစ်ယောက်ရဲ့ပုံစံကိုနှိုင်းယှဉ်ကြည့်ရင်ဒီသဘောတရားနဲ့အတူတူပါပဲ။

    Self-Learning Robot တွေမှာဘယ်လို Technique တွေသုံးလာလဲဆိုတော့ Reinforcement Learning နဲ့ Unsupervised Learning တွေကို Camera တွေနဲ့အသုံးပြုပါတယ်။

Collaborative Industrial Robots or "Cobots"
    Cobot ဆိုတာဟာလူနဲ့အတူအပြန်အလှန်ဆက်ဆံရန်ဒီဇိုင်းထုတ်ထားတဲ့စက်ရုပ်များအဖြစ်သတ်မှတ်ထားတာပါ။ Cobot တွေမှာ ရှုပ်ထွေးလှတဲ့ Machine တွေနဲ့ အတူ Sensors, Integrated Image Processing အပြင် Protected Moveable Parts(Arms) တွေပါတပ်ဆင်ထားပါတယ်။သူတို့ဆီရဲ့အစိတ်အပိုင်းမှာ Jamming ဖြစ်တဲ့အပိုင်းမရှိတာကြောင့်လူတွေနဲ့အလုပ်လုပ်ရာမှာလွယ်ကူလှပါတယ်။ ဥပမာ Assembly Line တွေမှာ Cobot နဲ့အတူ လူတွေတွဲပြီးတော့အလုပ်လုပ်ကြပါတယ်။
    
Reference: Avnet 

Comments

Popular posts from this blog

IPv4 Vs IPv6 - What's the difference between IP Addresses

ကျွန်တော်တို့ IOT Project သို့မဟုတ် PLC တို့ HMIတို့ကို Ethernet နဲ့ချိတ်တဲ့အခါမှာ IP Address တို့ Subnet Mask တို့သတ်မှတ်ရတာတို့ကိုတွေ့ရမှာပါ။အခုကတော့ IP Addressအကြောင်းကိုမှ IPv4 နဲ့ IPv6 အကြောင်းကိုရေးမှာပါ။           IP Address ဆိုတာကတော့ ကျွန်တော်တို့ရဲ့အိမ်နံပါတ်လိုသဘောမျိုးလုပ်ထားပေးတဲ့ Internet Protocol တစ်ခုပါပဲ။ အိမ်တိုင်းအိမ်တိုင်းမှာသူရဲ့သက်ဆိုင်တဲ့နေရာလိပ်စာတွေရှိကြသလိုပဲ စက်တိုင်းမှာလည်းသူရဲ့ သက်ဆိုင်တဲ့ IP Address တွေရှိကြပါတယ်။ ဒါကတော့ IP Address အကြောင်းကိုရှင်းပြတဲ့ရိုးရှင်းတဲ့ ဥပမာတစ်ခုပါ။ ဒီမှာအဓိကထားပြီးရှင်းပြသွားမှာကတော့ IPv4 နဲ့ IPv6 ကိုရှင်းပြသွားမှာပါ။      What is IPv4 : simple meaning & features guide     ဒီ IPv4 မှာဘာတွေပါလဲဆိုတော့ Set Numbers လေးခုပါဝင်ပါတယ်။ ယေဘုယျအားဖြင့် ဘယ်လိုပုံစံနဲ့ရေးကြသလဲဆိုရင် 106.102.77.43 (ဒါကဥပမာပုံစံပါ။) လိုပုံစံမျိုးဖြစ်ပြီးတော့ မတူညီတဲ့ ကိန်းဂဏန်းလေးခုကို Cover လုပ်ပေးထားပါတယ်။ IPv4 ဘာကြောင့်ဖြစ်လာရလည်းဆိုရင် လွန်ခဲ့တဲ့ 1980 ဝန်းကျင်ကာလတွေမှာ I...

Indirect Addressing

Indirect Addressing      တကယ်တမ်း​တော့ ဒီစာကို​ရေးဖြစ်တာကလည်း ဆရာရဲ့ Project Problem တစ်ခုချ​ပေးပြီ ​ဖြေရှင်းရင်းနဲ့ ​တွေ့လာတာပါ။ အဲ့​တော့ အဲ့ဒီဟာက ဘယ်​နေရာမှာ ဘယ်လိုသုံးတာလဲ,ဘာ​တွေသုံးတယ်,ဘယ်လို Program နဲ့​ရေးတာလဲဆိုတာ အဓိကထားပြီး​တော့ ​ပြောပြ​ပေးသွားမှာမယ်။ သူ့အ​ကြောင်းသိဖို့အရင် Index Register ကိုအရင်​ပြောပါမယ်။ What is Index Register?     Index Register ဆိုတာက Process Register လို့လဲ​ခေါ်ပြီး​တော့ Program ကို Operand ​တွေရဲ့ Address ကို Program က Run ​နေတဲ့အချိန်မှာ Modify လုပ်တာပါ၊ PLC မှာရှိတဲ့ Register ​တွေက PLC ထုတ်တဲ့ Company အမျိုးအစား​ပေါ်မူတည်ပြီး​တော့ ​သုံးစွဲတာမတူကြ​ပေမယ့် သ​ဘောတရားက​တော့အတူတူပါပဲ။ အခု ဥပမာ​ပေးမှာက Delta PLC နဲ့ ဥပမာ​ပေးပါမယ်။     Delta မှာရှိတဲ့ Index Register က​တော့ E နဲ့ F ဆိုပြီးသတ်မှတ်ထားပါတယ်။ E နဲ့ F ကိုတစ်လုံးချင်း သုံးရင်​တော့ 16 bit အ​နေနဲ့သုံးလို့ရပါတယ်။ Eနဲ့F ဟာတွဲခဲ့ရင်​တော့ 32 bit ဖြစ်သွားပါပြီ။ E ဟာ Lower 32 bit ဖြစ်လာပြီး​တော့ F ဟာ Higher 32 bit ဖြစ်လာပါတယ်။     ဒုတိယပုံက...

PLC Scan Time Problem

PLC Scan Time Problem     ဒီ Post ကို အရင် account အ​ဟောင်းမှာတုန်းက​တော့တင်ဖူးတယ်။ ဒါ​ပေမယ့် အခုကပြန်ပြီး နားလည်လွယ်မယ့်ပုံစံမျိုးနဲ့ပဲကျွန်​တော်​ရေး​ပေးပါမယ်။     ကျွန်​တော်တို့  PLC project ​တွေမှာဆိုရင် Programming ကို Ladder Diagram နဲ့​ရေးကြတာများပါတယ်။ တခြား Structure Text တို့ Function  Block တို့ Sequence တို့နဲ့လည်း​ရေးလို့ရပါတယ်။သို့​သော်လည်း ဒီကိစ္စမှာ​တော့ Ladder Diagram နဲ့ ဥပမာကိုတင်ပြသွားပါမယ်။      Scan Time ဆိုတာ ဘာလဲအရင် အကျဥ်းချုံပြီး​ပြောပါမယ်။ ပထမပုံက Ladder Diagram လိုပုံစံမျိုး​ရေးထားတယ်ဆိုပါစို့။ Program ရဲ့ ထိပ်ဆုံးအပိုင်းက​နေ Program ရဲ့ အဆုံးအထိ PLC က Scan ဖတ်ပါတယ်။ Scan ဖတ်နှုန်းဟာလည်း ​ရေးတဲ့ Program ​ပေါ်မူတည်ပြီး တစ်စက္ကန့်ကို Scan ဘယ်နှကြိမ်ဖတ်လည်းဆိုတာ​တွေရှိပါတယ်။      ကျွန်​တော်တို့ PLC Ladder Diagram မှာ Program ​တွေ​ရေးတယ်ဆိုရင် သာမန် Line 20 ခု, 30 ခု​လောက်​တော့ ပြသာနာမရှိ​လောက်ပါဘူး။ သို့​သော်လည်း Line အခု 20တို့ 30တို့မှာ High Counter ​တွေတို့ တခြား API ​တွေ အများကြီး​တွေသုံး...