గిడ్డంగి ఆటోమేషన్‌లో అత్యంత కష్టం చివరి 20% కావచ్చు

లైట్స్-అవుట్ గిడ్డంగి ఇంకా వాస్తవం కంటే roadmapగానే ఉంది

ఏళ్లుగా, పూర్తిగా స్వయంచాలక గిడ్డంగి అనే ఆలోచన రోబోటిక్స్‌లో అత్యంత నిలకడైన వాగ్దానాలలో ఒకటిగా ఉంది. ఆ ప్రస్తావన చాలా సులభం: రోబోట్లు అన్నింటిని నిర్వహిస్తాయి, సదుపాయాలు రాత్రింబవళ్ళు నడుస్తాయి, మనుషుల భాగస్వామ్యం కనిష్ఠానికి తగ్గుతుంది. కానీ గిడ్డంగి రోబోటిక్స్ సంస్థ Brightpick తాజా వాదనలు ఏదైనా సూచనగా తీసుకుంటే, ఆ ఫలితానికి వెళ్లే మార్గం ఒక పెద్ద దూకుడుకన్నా, edge cases‌ను క్రమంగా తగ్గించడమే ఎక్కువగా ఉంటుంది.

Brightpick సహ-సంస్థాపకుడు మరియు CEO Jan Zizka ఈ నెల చివర్లో Bostonలో జరిగే Robotics Summit & Expoలో ఈ దృక్పథాన్ని వివరించనున్నారు; అక్కడ కంపెనీ lights-out operations వైపు ఒక ప్రాయోగిక roadmapను ఎలా చూస్తుందో వివరించనుంది. ఈ framing ముఖ్యమైనది, ఎందుకంటే పూర్తి autonomyని ఒక షరతుతో కూడిన ఫలితంగా కాకుండా, త్వరలోనే వస్తుందనేలా చూపించే రోబోటిక్స్ మార్కెటింగ్ ధోరణికి ఇది ప్రతిఘటిస్తుంది.

The Robot Report‌లో వివరించిన కంపెనీ స్థానం ప్రకారం, ఈ రోజుకు అత్యంత ప్రభావవంతమైన operating model అనేది కార్మికులను పూర్తిగా భర్తీ చేయడం కాదు, hybrid automation. ఆ మోడల్‌లో, robots ఎక్కువ repetitive పనులను చేస్తాయి, exceptions, peak demand, లేదా judgment-intensive tasks వచ్చినప్పుడు మనుషులు జోక్యం చేస్తారు.

Hybrid systems ఎందుకు ముందంజలో ఉన్నాయి

ఈ వాదన రోబోటిక్స్ mythology కంటే గిడ్డంగి ఆటోమేషన్ ఆర్థికతను ఎక్కువగా ప్రతిబింబిస్తుంది. గిడ్డంగుల్లో అనేక కార్యకలాపాలు predictable, frequent, మరియు well structuredగా ఉంటాయి. ఇవే robots సమర్థంగా నిర్వహించగల పనులు. కానీ tasksలో ఒక చిన్న భాగం irregular, ambiguous, లేదా standardize చేయడం కష్టంగా ఉండవచ్చు. వాటి మీదే disproportionate engineering effort వెళ్తుంది.

రిపోర్ట్‌లో సమ్మరీ చేసిన Brightpick దృష్టి ప్రకారం, workflows‌లో చివరి 10% నుంచి 20%ని automate చేయడమే complexity మరియు cost వేగంగా పెరిగే చోటు. పనిలోని ఈ చివరి భాగంలో edge cases ఉంటాయి: unusual items, unexpected conditions, order flowలో exceptions, లేదా మనుషులు ఇంకా మరింత సౌలభ్యంగా పరిష్కరించే నిర్ణయాలు.

ఇది ఆటోమేషన్‌లో సుపరిచితమైన pattern. శూన్య స్థితి నుంచి భాగస్వామ్య స్వయం ప్రతిపత్తికి వెళ్లడం పెద్ద లాభాలను ఇస్తుంది. అయితే అధిక automation నుంచి దాదాపు సంపూర్ణ autonomyకి వెళ్లడానికి, చిన్న అదనపు లాభం కోసం మరింత capital మరియు system sophistication అవసరం అవుతుంది. ప్రాక్టికల్‌గా, value ప్రశ్న సాంకేతిక ప్రశ్నలంతే ముఖ్యమైనదిగా మారుతుంది.

అందుకే smart operators automationను return on investment అత్యంత బలంగా ఉన్న చోట దృష్టి పెట్టాలని Brightpick వాదిస్తుంది. మొదటి రోజునుంచే పూర్తిగా human-free facilityని పట్టుబట్టడం బదులు, కంపెనీలు operations యొక్క repetitive coreను automate చేయవచ్చు, అత్యంత అవసరమైన చోట human flexibilityను ఉంచవచ్చు, మరియు కాలక్రమేణా exception setను తగ్గించవచ్చు.

కొన్ని సందర్భాల్లో partial lights-out ఇప్పటికే సాధ్యం

కంపెనీ యొక్క స్థానం lights-out warehousing ఒక కల్పన అని కాదు. కొన్ని నిర్దిష్ట workflows మరియు environmentsలో, ముఖ్యంగా selectively వర్తింపజేసినప్పుడు, ఈ భావన ఇప్పటికే సాధ్యమేనని అది చెబుతోంది. The Robot Report ప్రకారం, partial lights-out operationsలో unsupervised night shifts ఉండవచ్చు, అయితే ప్రజలు పగటి peakలు మరియు exceptionsను నిర్వహిస్తారు.

ఇది ఒక ముఖ్యమైన తేడా. autonomy మొత్తం operational conditionగా కాకుండా, మొదట scheduling strategyగా విస్తరించవచ్చని ఇది సూచిస్తుంది. రోబోట్లు తక్కువ-సంక్లిష్టత గల కాలాల్లో processesను కొనసాగించగలిగితే, operators కఠినమైన full-time edge-case automationపై అధికంగా పందెం వేయకుండా labor మరియు throughput లాభాలను పొందగలరు.

మరొక మాటలో చెప్పాలంటే, సమీప భవిష్యత్తులో గిడ్డంగి ఎప్పుడూ పూర్తిగా darkగా ఉండకపోవచ్చు. దాని బదులు, automation స్థిరమైన కాలాలను కవర్ చేస్తూ, variability పెరిగినప్పుడు మనుషులు ముందుకు రావడం వంటి మోడ్‌ల మధ్య అది మారవచ్చు. ఇది classic lights-out narrativeకన్నా తక్కువ నాటకీయమైన దృక్పథం, కానీ బహుశా మరింత నమ్మదగినది.

Brightpick వ్యాపార నమూనా విస్తృత మార్కెట్‌ను ప్రతిబింబిస్తుంది

రిపోర్ట్ Brightpick గురించి మరికొంత సందర్భాన్ని ఇస్తుంది. 2021లో machine-vision provider Photoneo నుంచి విడిపోయిన ఈ సంస్థ, తన AI robots order picking, buffering, consolidation, dispatch, మరియు stock replenishmentను automate చేయగలవని చెబుతోంది. అలాగే, తన Autopicker systems కొన్ని వారాల్లో అమలు చేయవచ్చని, గిడ్డంగి నిర్వాహకులు labor అవసరాలను తక్కువగా ఉంచేందుకు ఇవి సహాయపడతాయని కూడా చెబుతోంది.

ఈ వాదనలు రోబోటిక్స్‌లోని విస్తృత మార్కెట్ patternకు సరిపోతాయి, ఇందులో కంపెనీలు automationను మనుషుల పనికి సార్వత్రిక ప్రత్యామ్నాయంగా కాకుండా, modular operational slicesగా విక్రయిస్తున్నాయి. Order picking మరియు replenishment ఆకర్షణీయ లక్ష్యాలు, ఎందుకంటే అవి labor-intensive మరియు repetitiveగా ఉంటాయి, కానీ machine vision మరియు mobile manipulation ద్వారా లాభపడేంత structuredగా కూడా ఉంటాయి.

రిపోర్ట్‌లో చూపిన Zizka నేపథ్యం కూడా సాంకేతిక framingను బలపరుస్తుంది. Brightpickకు ముందు, ఆయన Photoneoను సహ-స్థాపించారు; ఆ కంపెనీని 2024లో Zebra Technologies కొనుగోలు చేసింది. ఆయన వద్ద 3D sensing, mobile robotics, మరియు సంబంధిత రంగాలను కలుపుకుని 20కు పైగా patents ఉన్నాయని చెబుతున్నారు. ఇది కంపెనీ thesisని నిరూపించదు, కానీ Brightpick ఎందుకు శుద్ధ ప్రచారం కంటే engineering-and-economics argumentపై దృష్టి పెడుతోందో అర్థం చేసుకోవడానికి సహాయపడుతుంది.

నిజమైన పోటీ పూర్తి autonomyను మొదట సాధించడం కాదు

Brightpick సందేశాన్ని అర్థం చేసుకోవడానికి మరింత ఉపయోగకరమైన పఠనం ఏమిటంటే, గిడ్డంగి రోబోటిక్స్ ఒక maturity phaseలోకి ప్రవేశిస్తోంది. పోటీ ప్రశ్న ఇక total autonomy గురించి అత్యంత ధైర్యమైన వాగ్దానం ఎవరు చేయగలరు అనేది కాకపోవచ్చు. బదులుగా, ఇప్పుడే automate చేయడానికి అత్యంత విలువైన work subsetను ఎవరు గుర్తించగలరు, అదే సమయంలో కాలక్రమేణా మరిన్ని exceptionsను గ్రహించే systemsను ఎవరు నిర్మించగలరు అనేది.

ఇది పూర్తిగా darkగా ఉన్న గిడ్డంగి గురించి చెప్పే cinematic కథకంటే తక్కువ, కానీ పరిశ్రమ సాంకేతికత సాధారణంగా ఎలా వ్యాపిస్తుందో దానికి ఇది ఎక్కువగా సరిపోతుంది. Breakthroughs ముఖ్యమైనవి, కానీ అవి సాధారణంగా staged adoption, narrow use cases, మరియు operational discipline ద్వారా monetise చేయబడతాయి.

Robotics Summitలోని ప్రసంగం ఇప్పటికీ అదే, ఒక talk మాత్రమే. ఇది product launch కాదు, స్వతంత్ర validation study కూడా కాదు. కానీ underlying claimని గమనించడం విలువైనది, ఎందుకంటే గిడ్డంగి రోబోటిక్స్ ఎటు సాగుతున్నదో ఇది చూపిస్తుంది: instant perfection వైపు కాదు, economics స్పష్టంగా న్యాయపరచే చోట autonomous operationను విస్తరించే increasingly capable hybrid systems వైపు.

ఈ తర్కం నిలబడితే, గిడ్డంగి పనిలోని చివరి 20% వచ్చే దశాబ్దంలోని automationను మొదటి 80% కంటే ఎక్కువగా నిర్వచించవచ్చు. గెలిచే కంపెనీలు కేవలం పని చేసే robotsనే నిర్మించవు. human ఇంకా వెళ్లిపోయినట్టు నటించాల్సిన సమయం ఎప్పుడు కాదో సరిగ్గా తెలిసిన deployment modelsను నిర్మిస్తాయి.

• Brightpick ప్రకారం, hybrid automationే ఈ రోజు అత్యంత ప్రాయోగిక warehouse model.
• Automationలో చివరి 10% నుంచి 20% భాగం అనుపాతానికి మించిన కష్టం మరియు ఖర్చుతో ఉంటుంది అని కంపెనీ అంటోంది.
• Unsupervised night shifts వంటి partial lights-out operations సమీప కాలంలో మరింత వాస్తవిక మార్గం కావచ్చు.

ఈ వ్యాసం The Robot Report నివేదికపై ఆధారపడి ఉంది. మూల వ్యాసాన్ని చదవండి.