NetRobotics

Описание проекта

Общее описание

Создание облачной системы генеративного AI для обучения технологическим процессам с учетом дефектоскопии с последующий передачей управляющий команд мехатронным манипуляторам и взаимодействия с промышленным оборудованием с возможностью их перемещения от точки к точке производственных циклов в робототизированной ячейке.

Гипотеза о наличии проблемы
1. Функционал существующих систем дефектоскопии производимой промышленными роботами продукции не соответствует высоким критериям качества. В связи с чем отсутствие доверия к технологии.
2. В ходе технологического цикла возникают простои мехатронного оборудования, они не используются на других участках линии производства, стационарно закреплены на одном месте.
3. Проблема перенастройки программного обеспечения при смене оборудования, проблема замены мехатронных устройств на другие или других производителей - требуется писать новый код и использовать инжиниринговые услуги.

Решение:
1. Создать централизованное облачное решение агрегированых знаний о hardware механизированных устройств, оборудования, технологических процессах с этим оборудованием
2. Создать набор драйверов для множества мехатронных устройств популярных производителей. Разработать и внедрить стандарт драйвера мехатронного устройства для взаимодействия с системой.
3. С использованием датасета с фотографиями с помощью ML обучить систему распознавать моделей оборудования, его тип.
4. Для каждой модели оборудования разработать инструкции взаимодействия с получением обратной связи (ответ индикаторов, звуковых сигналов и тп), получение результатов контроля дефектоскопии процесса работы указанной модели оборудования.
4. Для каждой модели оборудования разработать протокол взаимодействия мехатронного устройства с помощью подачи управляющих сигналов через драйвер.
5. С помощью ML обучить систему возможным ошибкам при производстве изделий конкретной модели оборудования на базе данных дефектоскопии (фото/видео), и сопоставление с ними набора инструкций для предотвращении или недопущении указанной ошибки.
5. На базе собранных данных разработать облачную систему с AI для создания роботозированной ячейки производства с автоматическим распознанием оборудования и автономным процессом производства с высоким качеством дефектоскопии с функцией снижения простоя мехатронных устройств за счет перемещения их от одной точки производства к другой с помощью рельсовых или колесных механизмов.

Бизнес модель:

B2B модель: Создание продукта с предоставлением услуг кастомизации, взаимодействие через партнерство интеграторов и поставщиков решений для робототизации производства, конечной точкой являются работотизированные ячейки в виде промышленных предприятий.

Рынок:

Оценка рынка продаж промышленных роботов согласно https://ifr.org/ составляет 15 млрд $ в год, в 2023 году это 593к единиц, рост по стравнению с 2022 годом составил 7%. По прогнозам продажи промышленных роботов будут расти из года в год на 7%. Оценка рынка инжиниренговых услуг для робототизации составляет 30 млрд $ в год. При доле рынка в 7% это 2.1 млрд $.

Стоимость 3 рабочих в России для непрервыного производства в 3 смены требуется OPEX в размере 50-100к $/год. Capex на приобретение промышленного робота составляет 20-50к $, дополнительные инжиниринговые слуги 25-60к $ за unit. Opex при использовании робота в рамках реализуемого проекта предполагается в районе 30к $, что подразумевает экономию средств на ФОТ до 70%.

Конкурентные преимущества: