CC BY
7
УДК 004.896 DOI https://doi.Org/10.35546/kntu2078-4481.2023.4.9
О. М. КУЧК1Н
асшрант кафедри техшчних та програмних 3aco6iB автоматизаци Нацюнальний технiчний ушверситет Украши «Кшвський полiтехнiчний iнститут iMeHi 1горя Сшорського» ORCID: 0009-0004-3287-0948
А. Ю. САЗОНОВ
кандидат технiчних наук, доцент, доцент кафедри техшчних та програмних засобiв автоматизаци Нацюнальний техшчний ушверситет Украши «Кшвський полiтехнiчний шститут iменi 1горя Сшорського» ORCID: 0000-0001-7124-5863
М. В. ЛУК1НЮК
старший викладач кафедри технiчних та програмних засобiв автоматизаци Нацiональний технiчний унiверситет Украши «Кшвський полiтехнiчний iнститут iменi 1горя Сшорського» ORCID: 0000-0001-6923-9501
I. Ю. ЧЕРЕПАНСЬКА
доктор технiчних наук, професор, професор кафедри автоматизаци та систем неруйшвного контролю Нацюнальний техшчний ушверситет Украши «Кшвський пол^ехшчний iнститут iменi 1горя Сшорського» ORCID: 0000-0003-0741-7194
ЩОДО АНАЛ1ЗУ СТРАТЕГ1Й П1ДВИЩЕННЯ ЕФЕКТИВНОСТ1 ВИРОБНИЦТВ ЗА РАХУНОК ШТЕГРАЦП МОБ1ЛЬНИХ РОБОТ1В
Сучасна промисловкть переживае активний розвиток завдяки використанню передових технологш та iнновацшних п1дход1в. Один з ключових способгв пгдвищення продуктивностг та конкурентоспроможностг nid-приемств полягае в ттеграци мобшьних роботiв у виробничий процес з метою зменшення людськоХ участi та навть ii повного виключення. Цей mdxid становить важливий елемент концепцИ Industry 4.0. Стаття пропо-нуе узагальнити сучасш тдходи та стратеги автоматизаци промислових виробництв з метою визначення ролi мобшьних роботiв у niдвищеннi ефективностi цих процеав. Для розумтня задач та проблем сучасно'1' автоматизаци було визначено основнi цШ до^дження, включаючи анал1з поточного стану та перспектив ттеграци мобшьних роботiв у виробничий процес, анализ ix ефективностi та важливостi для сучасно'1' nромисловостi, а також визначення напрямтв подальших дослiджень i розвитку ще' сфери.
За результатами анал1зу поточного стану ттеграци мобшьних роботiв у виробничий процес на основi кон-кретних nрикладiв, видтено фактори, що визначаютьустх цього тдходу. Серед них варто вiдзначити техтчну надтнкть роботiв, iхню здаттсть адаптуватися до ргзномантних виробничих умов, а також взаемодт та сniвnрацю з людським персоналом.
Процес адаптаци та навчання персоналу використовувати новi технологи е ключовим етапом впроваджен-ня мобшьних роботiв. Також aniд враховувати аспекти етики та безпеки, осюльки взаемодiя мiж роботами та людьми вимагае узгоджених стандартiв для запоб^ання можливим ризикам та непорозумтням. Проведен до^дження вказують на актуальтсть використання мобшьних роботiв у сучасних виробництвах i визначають завдання, яю перед ними стоять. Головний акцент робиться на niдвищеннi nродуктивностi та сталостi виробничих nроцесiв. У контекстi Industry 4.0, мобiльнi роботи вiдображають актуальтсть до^дження та iнтеграцiю передових технологш для досягнення необxiдно'i якостi та ефективностi виробництва.
Ключовi слова: мобшьш роботи, автоматизованi виробництва, Iндустрiя 4.0, автоматизаци, стратеги тд-вищення ефективностi, безпшотний лiтальний апарат (БПЛА).
O. M. KUCHKIN
Postgraduate Student at the Department of Automation Hardware and Software
National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" ORCID: 0009-0004-3287-0948
A. YU. SAZONOV
Candidate of Technical Sciences, Associate Professor, Associate Professor at the Department of Automation Hardware and Software
National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" ORCID: 0000-0001-7124-5863
M. V. LUKINIUK
Senior Lecturer at the Department of Automation Hardware and Software National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" ORCID: 0000-0001-6923-9501
I. YU. CHEREPANSKA
Doctor of Engineering Sciences, Professor, Professor at the Department of Automation and Non-Destructive Testing Systems
National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" ORCID: 0000-0003-0741-7194
ANALYZING STRATEGIES OF THE PRODUCTION EFFICIENCY ENHANCEMENT
BY MOBILE ROBOTS INTEGRATION
The contemporary industry is undergoing active development due to the utilization of advanced technologies and innovative approaches. One of the key methods to enhance productivity and competitiveness of enterprises involves the integration of mobile robots into the manufacturing processes, aiming to reduce human involvement or even exclude it entirely. This approach constitutes a crucial element of the Industry 4.0 concept. The article seeks to synthesize modern approaches and strategies for automating industrial production to determine the role of mobile robots in enhancing the efficiency of these processes. To comprehend the tasks and challenges of contemporary automation, the research defines primary objectives, including an analysis of the current state and prospects of integrating mobile robots into the production process, an assessment of their effectiveness, and their significance for modern industry. Furthermore, the study identifies directions for further research and development in this field. The analysis of the current state of mobile robot integration into the production process, based on specific examples, reveals factors determining the success of this approach. Among these factors, noteworthy are the technical reliability of robots, their ability to adapt to diverse manufacturing conditions, and their interaction and collaboration with human personnel. The process of adapting and educating personnel to use new technologies is a pivotal stage in the implementation of mobile robots. Ethical and safety aspects also need consideration, as the interaction between robots and humans requires coordinated standards to prevent potential risks and misunderstandings. Conducted research underscores the relevance of utilizing mobile robots in contemporary manufacturing and outlines the tasks ahead of them. The primary emphasis is on improving the productivity and sustainability of production processes. In the context of Industry 4.0, mobile robots highlight the significance of research and integration of advanced technologies to achieve the necessary quality and efficiency in production.
Key words: Mobile Robots, Automated Manufacturing, Automation, Industry 4.0, Efficiency Enhancement Strategies, Unmanned Aerial Vehicles (UAV).
Постановка проблеми
Сучасна промисловють переживае перюд штенсивного розвитку та трансформацп завдяки використанню передових технологш та шновацшних пiдходiв за для пвдвищення ефективносп та конкурентоспроможносл виробництва [1]. Одшею з ключових стратегш, для досягнення вказаного е якомога глибша штегращя мобшьних робопв у виробничий процес, для зменшення учасп людини, а де можливо, И повного виключення iз процесу виробництва. Такий шдхш е ключовим у концепцп Industry 4.0 [2] i направлений на тдвищенню рiвня продук-тивносп виробництва, сталосп та точносп виробничих процеав, що детально розкриваеться у дослщженнях багатьох авторiв [1, 2], i у свою чергу, тдкреслюе актуальшсть дослвдження та необхшшсть штеграци передових технологш для досягнення необхшного рiвня якосп i ефективносп виробництва, а також важливють !х застосу-вання в рiзних галузях, де вони можуть пвдтримувати реалiзацiю шновацшних пiдходiв до автоматизацп.
Тому дощльним е узагальнення сучасних пiдходiв та стратегш автоматизацп промислових виробництв з метою видшення ролi мобшьних робопв для пвдвищення !х ефективносп. Таким чином нашi дослвдження спрямоваш на аналiз напрямiв сучасно! автоматизацп з фокусом на штеграци мобшьних робопв у виробничi процеси. Ми аналiзуемо рiзнi аспекти автоматизацп промисловосп як техшчш так i програмш, включаючи штучний ште-лект, машинне навчання, комп'ютерний зiр тощо Загальний аналiз лiтературних даних пiдкреслюе важливють
впровадження мобшьних робопв у виробничий процес як ключово! стратеги для досягнення шдвищення про-дуктивностi та конкурентоспроможностi в сучаснш промисловостi [3, 4]. Водночас, дослвдження вказують на необхiднiсть уважного вирiшення виклик1в та проблем, що виникають при впровадженнi цих технологш.
Аналiз останнiх досл1джень i публжацш
Використання роботизованих системи для автоматизацп процесiв виготовлення продукцп [5-12] набуло широко! популярности Наприклад, збшьшення рiвня автономностi виробничих лiнiй дозволяе досягнути пiдвищення рiвня якостi, що е майже неможливим iз значним втручанням людини у процес виробництва, оскшьки може при-звести до появи стохастичних збурень з боку людського персоналу. Також, набуло широкого застосування для систем контролю та мониторингу технологiчних параметрiв, загального стану обладнання та iнших важливих параметрiв виробничих лiнiй за допомогою сенсорiв, датчиков i систем збору та аналiзу даних, щоб пiдтримувати стабшьшсть та точнiсть виробничих процесiв [13].
Одшею з ключових стратегiй автоматизацп е використання штучного штелекту [14, 15] у поеднанш iз мобшь-ними роботами, що надiляе !х можливiстю аналiзувати велик! обсяги даних, враховуючи контекст, на основi якого приймати ршення, адаптованi до конкретно! ситуаци або середовища, що у свою чергу забезпечуе пiдвищення !х продуктивностi. Наприклад, у машинобудiвних галузях, таких як автомобiле- та лгтакобудування, остаточно не вирiшеною е задача транспортування компонентiв та виконання шших завдань, таких як зварювання або фарбу-вання. Штучний iнтелект дозволяе роботам оптимiзувати маршрути [16], уникати перешкод [17] та зменшувати час виконання завдань. Крiм того, вони можуть навчатися вiд попереднiх завдань i покращувати свою продуктив-шсть з часом [18].
Ще одшею важливою стратегiею е використання моделей нечiтко! логiки [19] та алгорштшв нелiнiйно! опти-мiзацi! [20] для керування мобшьними роботами [21, 22]. Нечгтка логiка дозволяе враховувати нечита або нестан-дартнi умови та вводити !х у процеси прийняття рiшень. Наприклад, у сферi лопстики мобiльнi роботи, якi використовують моделi нечiтко! логiки, можуть керувати маршрутами доставки в умовах, коли шляхи не завжди е щеальними. Алгоритми нелшшно! оптимiзацi! можуть бути використаш для мiнiмiзацi! витрат часу та ресурав при плануваннi оптимальних маршрупв руху мобiльних роботiв у складних умовах.
Машинне навчання е шшою ключовою стратегiею, яка вiдiграе важливу роль у пiдвищеннi ефективностi виробничо! сфери через iнтеграцiю мобiльних робопв [23, 24]. Машинне навчання дозволяе роботам аналiзувати та використовувати даш для вивчення патернiв, прогнозування результата та оптимiзацi! процесiв. Наприклад, на виробнищга методи машинного навчання можуть використовуватися для прогнозування несприятливих умов для обладнання, що дозволяе уникнути аваршних ситуацiй шляхом проведення планових ремонпв обладнання вiдповiдно до прогнозованого графiку вiдмов. Основними напрямами розвинення машинного навчання для застосування и у сферах промислового виробництва можна вважати:
1. Використання навчання в лопстищ: Мобiльнi роботи в складах можуть використовувати машинне навчання для покращення розпод^ товарiв на полицях. Наприклад, системи МН можуть навчити робопв розпiзнавати популярнi товари та оптимiзувати розмiщення !х на видатних мюцях.
2. Автономна навшац1я в складних умовах: Мобiльнi роботи, оснащеш системами комп'ютерного зору та штучного штелекту, можуть навчатися навшацп в умовах, коли середовище постшно змiнюеться. Наприклад, роботи у виробничому примiщеннi можуть уникати перешкод та рухатися ефективно навиъ у вузьких коридорах.
3. Автономнi мобiльнi роботи в сшьському господарствi: В сшьському господарствi мобiльнi роботи вико-ристовуються для виконання завдань, таких як збiр врожаю або полив. Вони можуть використовувати даш з дат-чишв та аналiзувати !х для оптимального розпод^ ресурсiв та шдтримки високого врожаю.
4. Системи медичних робопв: У медицинi мобiльнi роботи можуть використовуватися для автономно! доставки лЫв, матерiалiв або навiть виконання дрiбних хiрургiчних процедур. Ш1 та комп'ютерний зiр допома-гають забезпечити точшсть та безпеку цих операцш.
5. Роботи в електронному виробництва У виробництвi електронiки мобiльнi роботи використовуються для завантаження компонентiв на плати, виконання лазерного спайку або перевiрки якосп виробiв за допомогою вбу-дованих камер. Машинне навчання допомагае !м розпiзнавати дефекти i зменшувати брак.
Використання комп'ютерного зору, що надме роботiв когнiтивними властивостями [25], також отримало широке застосування i розвинулось у окремий напрям «когштивна робототехшка» [26-28], направлений на роз-пiзнавання об'ектiв, людей та оточуючого середовища тощо. Наприклад, для автоматичного визначення мюця роз-мщення товарiв у складських примiщеннях, що дозволяе прискорити та оптимiзувати процес збору та доставки замовлень.
Не останню роль вщграе робототехнiка як наука у процесах автоматизацi! виробництв, оскiльки досл1дження та новiтнi розробки в цiй галузi призводять до швидкого впровадження !х у виробничi лiнi! i як насл1док фор-мування концепцi! «розумних заводiв» [29, 30]. Дана концепщя в1дкривае новi можливостi для застосування мобiльних робопв. У свою чергу розвиток 1ндустрп 4.0 також може стати ключовим фактором активного зрос-тання попиту на ринку мобiльних роботiв у майбутньому. Проте iнтеграцiя роботiв у виробничi сфери мае велику
шльшсть ризишв [31] та обмежень. Насамперед, за даними автор1в [4] збшьшення витрат на встановлення та обслуговування мобшьних робопв може перешкодити розвитку галуз1 впродовж 2023-2030 рок1в; обмежена кшь-к1сть квал1фшэваного персоналу для роботи з мобшьними роботами може стати серйозною загрозою для розвитку галузц питання безпеки, пов'язаш 1з використанням як мобшьних робопв, так 1 систем контролю та можуть стати суттевою проблемою мобшьно! робототехшки найближчими роками.
Формулювання мети дослщження
Основною метою даного дослщження е анал1з поточного стану та перспектив штеграцп мобшьних робо-т1в у виробничий процес, анал1з !х ефективносп 1 важливосп у сучаснш промисловосп, визначення напрямк1в подальших дослщжень та розвитку ща сфери. Для досягнення ще! мети необх1дно акцентувати увагу на наступ-них задачах:
1. Провести огляд р1зних стратегш автоматизацп конкретних тдприемств та галузей, де штеграцш мобшьних робопв призвела до тдвищення продуктивносп та якосп виробництва.
2. Розглянути економ1чну складову цих метод1в, дослщити
3. Визначити переваги та недолши даних метод1в;
4. Розглянути проблеми, пов'язаш з штегращею мобшьних робопв, так1 як безпека, витрати, подготовка персоналу та правов1 аспекти;
5. Проанал1зувати потенцшш майбутш тренди в галуз1 автоматизацп виробництва з використанням мобшьних робопв та нов1 технологи, як можуть змшити спос1б, якими ми виробляемо товари;
6. Зробити висновки, тдсумувавши переваги штеграцп мобшьних робопв у виробничий процес, тдкрес-лити !хню важлив1сть у сучаснш промисловосп.
Викладення основного матер1алу досл1дження
Дослвдження сучасних промислових виробництв
Як зазначено вище, сучасш пщприемства вже мають великий досвш у використанш робопв для задач автоматизацп. Для б1льш ч1ткого розумшня стратегш автоматизацп було розглянуто дек1лька конкретних приклад1в тдприемств светового р1вня [5-12], зокрема таких кра!н як США, Шмеччина, Япошя та Великобритан1я, оск1льки Ш кра!ни е передовими щодо використання робопв у виробничих процесах.
Напрями розвитку мобшьних робопв, за типом середовища функцюнування, класифжоваш наступним чином: безпшотш наземш апарати (A-UGV) [32], безпшотш ттальт апарати (иАУ). иАУ, здатш виконувати р1зномаштш завдання завдяки сво!м ушкальним характеристикам 1 перевагам. Вони знаходять застосування в широкому спек-тр1 сфер, включаючи фото- та вщеозйомку, сшьське господарство, геодезш та картографш, л1сове господарство, мониторинг навколишнього середовища тощо (рис. 1).
Мобггшг
[КЧЧТП!
------—
(сшшгай ^ИШПЙ лпнрхт
[ 1сти])я не спостережгнни та рСШцща
км 411.-1 1 мни сориш' ирооыии
[ ¡(чилтлжо-раптйпьн! опгрлтТ
Г.КИЧШТСШШ М<Н11 [(^71111]' III «орсн гпв[М11 ию1ц> дону
Пц|Н.'1НрКЛ МЛ [Ш (ГСМрМК'ии. .МММ ИИЖЕу^Л^'ШЧ)
> и. 1млч |[ц ияяллчшлм си ^'лдльь 1А у 11 11ШЯ Кй ии.'1|Хт]НШ1|
1 ||фсип лгтар ммо гл че.иг»
|хМиЫ|>|Л1|Г| |ПИ'!||1|]Г1 апарит (Ц(гУ)
VII
ичишинл |:\:ы<.'[|;-[и I :'ч .1' |:м..|
Примиьми«;!!! м 11М!.1Ш1 и
■щибшщдд
акта пскк гс [х^и.'лия л
Оп|ня>кЛ ел п^ли^ки I к-бъ- >1 К'ЧН IIX Ы11 [(¿|1||11Ш
{"1 щ.сиот! ЛСЛ4ЛАрСМ(1 '|ля,'|л I |Г| ч
Ми«И |и^ЛШ будлслыглх
шПшпшш
(Збирткл та «ЛГСЬКРРЕ (ЯйрШЙ
ялардт
МпрськпЛ ИЯП1ГЛ1 ¡фИРЧГНЧППШ
И}|р ДЛ|[|]\
Lhliji.ll ¿4111111 моинорши ШМ|Ш> ЬЧЧ МЕ1Ч
П|?(НЯ11]Ж31 ]]|ф]»1СТ]П (■шири 11 л1л[л!рм)
ТЛ мАан 1№^1П1П' пп]^п|1
Мечи юрии|' 1Л Зиср^'^'ШШ ■ШИШ цпшзпв
■:■.! 1: .и ыир1
Рис. 1. Граф1чна 1нтерпретац1я використання мобшьноТ робототехшки у рпних галузях промисловост1
Сегмент безпшотних лпальних апарапв е домшантним для промислових виробництв, оск1льки UAV мають широкий спектр застосувань 1 переваг, як1 роблять !х привабливими для р1зних галузей промисловосп, зокрема:
1. Дiапазон застосування: UAV можуть використовуватися в рiзних галузях, вiд приватного сектору до галу-зей промисловостi, що потребують монiторингу та збору даних.
2. Ефектившсть i вартiсть: Вони дозволяють зберiгати час i ресурси, яш ранiше витрачалися на ручш методи обстеження та дослiдження, роблять деяш завдання доступними для автоматизацп та значно зменшують витрати.
3. Технолопчний прогрес: Постiйний розвиток технологш, таких як вдосконаленi камери, лазерш сенсори та збiльшення обчислювально! потужносп, пiдвищуе можливостi i унiверсальнiсть UAV, що робить !х все бшьш привабливими для використання у рiзних галузях.
Крiм того розроблення складшших датчиков, збiльшення термiну служби батаре! та збiльшення обчислювально! потужносп, робить БПЛА бiльш потужними та ушверсальними, що ще бiльше п!двищуе !х популярнiсть i впровадження.
Виходячи iз проблем промислових виробництв, напрями застосування включають логiстику та складування, вiйськову й оборонну сферу, охорону здоров'я, побутову технiку, розваги, освiту, сiльське та люове господарство та iншi. Сегмент лопстики та складування наразi е домшантним. Зростаючий попит на автоматизащю та потреба в ефективних i рентабельних логiстичних операцiях е одшею iз ключових рушiйних сил ще! тенденцп. Мобiльнi роботи, так1 як автоматизоваш керованi транспортнi засоби (AGV) i автономнi мобiльнi роботи (AMR), вже вико-ристовуються на складах i у розподiльчих логiстичних центрах, наприклад DEACTHLON [33], для перемщення товарiв та матерiалiв в межах робочого середовища завдяки можливостi орiентування, планування маршрутiв, iз врахуванням перешкод, п!двищують ефективнiсть i знижують ризик нещасних випадк1в на виробництвi.
Нижче представлена таблиця приклади успiшного впровадження стратегiй автоматизацi! в промислових виробництвах. Цi данi базуються на реальних виробництвах i показують позитивний вплив автоматизаци на результати пiдприемств.
Таблиця 1
Приклади усшшного впровадження стратегiй автоматизацп
Iнформацiя про виробництво Сфера застосування мобшьних роботш Переваги штегращ!' мобшьних роботш
Amazon Robotics [34,35] Викорисговуюгься для соргування, перемщення та упаковки товар!в у складних умовах дистрибуц!!. Впроваджено 750 тис. моб!льних роботов, за даними 2022 року [34] Внасл!док впровадження моб!льних робот!в, Amazon зм!г значно зб!льшити продуктившсть сво!х складських операц!й, знизити час доставки та зменшити к!льк!сть людських помилок
Tesla Gigafactory [36,37] Автоматизащя виробничого процесу для виробництва л!т!й-!онних батаре! для електромоб!л!в. Упаковка осередк!в батарей для автомоб!л!в Моб!льн! роботи в Gigafactory допомагають виробляти батаре! бшьш ефективно та точно, знижуючи ризик помилок та забезпечуючи постшну як!сть продукц!!. П!двищення швидкост! упаковки л!т!й-!онних осередк!в на 50% швидше
Vathos GmbH [5] Сортування та точне розм!щення за допомогою вангажопiдйомних роботов, завантаження та розвантаження деталей, в!зуальна шспекщя для оц!нки якост! деталей. Використання програмних продуктов для керування роботами хмарна архитектура, перифер!йний та г!бридний !нтерфейси, API. Моб!льн! роботи можуть швидко та точно сортувати велик! об'еми матерiалiв або вироб!в, забезпечуючи оптимальне розм!щення з врахуванням простору та !нших параметр!в. Використання програмних р!шень дозволяе координувати роботи, створювати оптимальн! маршрути та дiагноетувати проблеми в реальному час!, Застосування API дозволяе !нтегрувати роботш з !ншими системами та програмами для забезпечення !х сшльно! роботи та о6м!ну даними
Verosim Solutions [6] В!зуал!зац!я буд!вельних даних з файл!в IFC, в!зуал!зац!я моделей м!ста в ландшафт!, моделювання рухомих компонент!в буд!вл!, !нтерактивний анал!з моделей IFC, !нтерактивне представлення в!ртуально! реальност! моделей i процес!в у реальному час!. Застосування роботов для сканування 3D об'ект!в Б!льш точне моделювання динам!чних сценарив у !х динам!чному середовищ! з великими масштабами середовища, в!дтворення повед!нки об'ект!в ! систем за допомогою к!нематично! та динам!чно! симуляц!!, симуляц!! руху людей по заздалег!дь визначених маршрутах !з заздалег!дь визначеними моделями руху.
Даш приклади демонструють, що автоматизащя сприяе пiдвищенню ефективностi виробництва, включаючи зменшення витрат, полiпшення якостi продукцi!, тдвищення продуктивностi працi. Автоматизацiя вiдкривае новi можливостi для оптимiзацi!' процесiв та впровадження шновацшних рiшень, що допомагае тдприемствам зали-шатися конкурентоспроможними в сучасному бiзнес-середовищi. Застосування автоматизованих ршень дозволяе п!дприемствам бiльш точно прогнозувати i вирiшувати виробничi проблеми, що веде до п!двищення якостi про-дукцi! та задоволеностi клiентiв. Щдприемства, як1 iнвестують у автоматизацiю, здатш п!двищити свою конкурен-тоспроможнiсть та досягти стiйкого зростання в довгостроковш перспективi.
Результати досл1джень та висновки Ощнка ефективностi стратегi! автоматизацi!' виконана на основi порiвняння кiлькiсних економiчних характеристик. Бiльшiсть впроваджених стратегш по iнтеграцi! мобiльних роботiв у процес виробництва показують iстотне тдвищення ефективносп. Це досягаеться завдяки наступним факторам:
1. Зниження витрат на робочу силу: Мобшьш роботи можуть виконувати багато завдань, як1 рашше вимагали людсько!' пращ. Це дозволяе п!дприемствам зменшити витрати на оплату пращ.
2. Зниження ризику помилок: Мобшьш роботи працюють з високою точшстю i не схильш до втоми або вад-волшань, що допомагае уникнути помилок у виробництв!
3. Збшьшення продуктивности Мобшьш роботи можуть функщонувати цшодобово без перерви, що призво-дить до збшьшення продуктивносп i тдвищення обсягу виробництва.
Структуроваш результати анал!зу (табл. 1) св!дчать, що використання мобшьних робопв е дшсно важливим компонентом сучасно! автомтизаци, та передбачае швидкий розвиток ще! галуз! в майбутньому. А задач! вдо-сконалення систем мобшьних робопв, обслуговування, яшсного i точного керування будуть одними !з найважли-вших. На тдстав! даних дослщження ринку промислово! робототехшки [3, 4, 10, 11, 12], можна стверджувати, що основним напрямом досл!джень на найближч! 10 рошв е виршення комплексних задач керування роботами, штерфейсах комушкацп м!ж людиною i роботом та анал!зу даних отриманих в!д робопв. Ц! дан! показують акту-альшсть теми використання робопв для промислових цшей, i прогнозують швидкий розвиток цього ринку до 2030 року (рис. 2).
Вщповвдно до звпу, опублшованого Facts & Factors, у 2022 рощ розм!р свггового ринку промислово! робототехшки ощнювався в 27,11 мшьярда долар!в США, а до кшця 2030 року плануеться досягти 60,57 м!льярда дола-р!в США з CAGR майже 10,7% м!ж 2023 та 2030 роками. Звгт промислово! робототехшки охоплюе географ!чний ринок разом !з комплексним анал!зом конкурентного середовища. Вш також включае анал!з грошових потоков, анал!з коефщента прибутку, анал!з ринкового кошика, анал!з ринково! привабливосп, анал!з PESTEL, SWOT-анал!з, анал!з п'яти сил Портера та анал!з ланцюга створення вартост! Кр!м того, звгт про ринок промислово! робототехшки дослщжуе проспр швестор!в i защкавлених сторш.
80 70 60
hlllllll
2022 2023 2024 2025 2026 2027 2028 2029 2030
USD Billion —Линейная (USD Billion) Рис. 2. Прогноз ринку промислових робо^в (витрати на ix закушвлю) до 2030 року [10]
У 2022 рощ розм!р ринку моб!льно! робототехшки ощнювався в 2,97 м!льярда долар!в США. Прогнозуеться, що галузь моб!льно! робототехшки зросте з 3,53 мшьярда долар!в США у 2023 рощ до 7,51 м!льярда долар!в США до 2030 року (рис. 3), демонструючи сукупний р!чний темп зростання (CAGR) 12,30% протягом прогнозо-ваного перюду 2023-2030 рр. Ринок розширюеться в результат! розвитку технолог!! робопв i зростання !х використання. Мобшьш роботи використовуються в р!зних галузях промисловосп, включаючи транспорт, операцп з шдбору й розмщення, охорону здоров'я та клшки.
Таким чином, можемо зробити висновок, що автоматизация мае великий попит по всьому свпу. Компани авто-матизують сво! виробнич! та адмшстративш процеси, з метою економи витрат, часу i покращення якосп продукций У вшповадь на жорстку конкуренщю на свгговому ринку, компани активно впроваджують мобшьних робопв, щоб шдвищити яшсть продукци, продуктившсть i безпеку для сво!х пращвнишв.
Мобшьш роботи досягли значних шновацш та продовжують активний розвиток у всьому свт. 1х ринкова щншсть зростае завдяки розширенню використання роботизованих ршень як у вже розвинутих галузях виробництва, так i в вадносно нових. Кр!м того, зростакта шщативи в обласп наукових дослщжень та швестици у розвиток робототехшки сприяють стр!мкому розширенню ринку.
10
2022 2023 2024 2025 2026 2027 2028 2029 2030
USD Billion —Линейная (USD Billion) Рис. 3. Прогноз ринку мобшьних робоив (витрати на ix закушвлю) до 2030 року [12]
CnHCOK iMiKopiiciaiioT ^rrepaTypH
1. Bai, C. et al. (2020) 'Industry 4.0 technologies assessment: A sustainability perspective', International Journal of Production Economics, 229, p. 107776. doi:10.1016/j.ijpe.2020.107776.
2. Park, H.-A. (2016) 'Are we ready for the fourth industrial revolution?', Yearbook of Medical Informatics, 25(01), pp. 1-3. doi:10.15265/iy-2016-052.
3. Mobile robots market size, share, industry report, Revenue Trends and Growth Drivers MarketsandMarkets. Available at: https://www.marketsandmarkets.com/Market-Reports/mobile-robots-market-43703276.html (Accessed: 17 October 2023).
4. Market Research Future, Mobile Robotics Market Size, trends and forecast- 2030, Mobile Robotics Market Size, Trends and Forecast- 2030. Available at: https://www.marketresearchfuture.com/reports/mobile-robotics-market-1946 (Accessed: 17 October 2023).
5. Vathos GmbH (2023). https://www.vathos-robotics.de/. Accessed 11 Oct 2023
6. Verosim Solutions (2023). https://www.verosim-solutions.com/. Accessed 11 Oct 2023
7. Müller, R., Hörauf, L., Vette-Steinkamp, M., Kanso, A., Koch, J.: The assist-by-X system: calibration and application of a modular production equipment for visual assistance. Proc. CIRP 86, 179-184 (2019). https://doi. org/10.1016/j.procir.2020.01.021
8. SQRP: Sensing Quality-aware robot programming system for ... - arxiv.org. Available at: https://arxiv.org/ pdf/2107.00127 (Accessed: 11 October 2023).
9. K. He, A. M. Wells, L. E. Kavraki, and M. Y. Vardi, "Efficient symbolic reactive synthesis for finite-horizon tasks," in 2019 International Conference on Robotics and Automation (ICRA). IEEE, 2019, pp. 8993-8999.
10. Global Industrial Automation Market Report and forecast 2024-2032 (2023) Industrial Automation Market Analysis, Size, Share, Report 2024-2032. Available at: https://www.expertmarketresearch.com/reports/industrial-automation-market (Accessed: 06 October 2023).
11. Facts and Factors (2023) Industrial Robotics Market Size, growth, trends analysis & forecast 2030, Facts and Factors. Available at: https://www.fnfresearch.com/industrial-robotics-market (Accessed: 11 October 2023).
12. Mobile Robots Market Size & Share Analysis - Industry Research Report - Growth Trends. Available at: https:// www.mordorintelligence.com/industry-reports/global-mobile-robots-market (Accessed: 17 October 2023).
13. D. Hüsener, M. Schluse, D. Kaufmann, J. Roßmann, The Digital Twin as a Mediator for the Digitalization and Conservation of Expert Knowledge. (2022) Annals of scientific society for assembly, handling and Industrial Robotics 2021. Cham: Springer International Publishing.
14. Dzedzickis, A. et al. (2021) Advanced applications of industrial robotics: New trends and possibilities, MDPI. Available at: https://www.mdpi.com/2076-3417/12/1/135/htm (Accessed: 11 October 2023).
15. Müller R., Scholer, M., Karkowski, M.: Generic automation task description for flexible assembly systems. Proc. CIRP 81, 730-735 (2019). https://doi.org/10.1016/j.procir.2019.03.185
16. D. Shen, Y. Chen, L. Li, and S. Chien, "Collision-free path planning for automated vehicles risk assessment via predictive occupancy map," in 2020 IEEE Intelligent Vehicles Symposium (IV), pp. 985-991, IEEE, 2020.
17. Active Collision Avoidance System for E-Scooters in Pedestrian Environment. Xuke Yan, Dan Shen. arXiv:2311.04383v1 [cs.RO] 7 Nov 2023
18. MROS: A framework for robot self-adaptation. Gustavo Rezende Silva, Darko Bozhinoski Mario Garzon Oviedo, Mariano Ramirez Montero, Nadia Hammoudeh Garcia. arXiv:2303.09227v1 [cs.RO] 16 Mar 2023
19. Mobile Robot Motion Control Using a Combination of Fuzzy Logic Method and Kinematic Model. Anh-Tu Nguyen, Cong-Thanh Vu. N. L. Anh et al. (Eds.): Intelligent Systems and Networks, LNNS 471, pp. 495-503, 2022. https://doi.org/10.1007/978-981-19-3394-3_56
20. A. Meduri, P. Shah, J. Viereck, M. Khadiv, I. Havoutis, and L. Righetti, "Biconmp: A nonlinear model predictive control framework for whole body motion planning," IEEE Transactions on Robotics, vol. 39, no. 2, pp. 905-922, 2023.
21. F. Hoffmann, V. Wesskamp, R. Bleck, J. Deuse. Scalability of Assembly Line Automation Based on the Integrated Product Development Approach. (2022) Annals of scientific society for assembly, handling and Industrial Robotics 2021. Cham: Springer International Publishing.
22. Müller R., Kanso, A. and Adler, F. An approach to integrate a blockchain-based payment model and independent secure documentation for a robot as a Service, SpringerLink. Available at: https://link.springer.com/chap ter/10.1007/978-3-030-74032-0_15 (Accessed: 11 October 2023).
23. Enes K. Web Service for Point Cloud Supported Robot Programming Using Machine Learning. (2022) Annals of scientific society for assembly, handling and Industrial Robotics 2021. Cham: Springer International Publishing.
24. John, J. et al. (2023) Industry 4.0 and Beyond: The role of 5g, WIFI 7, and TSN in enabling Smart Manufacturing, arXiv.org. Available at: https://arxiv.org/abs/2310.02379v1 (Accessed: 11 October 2023).
25. Cichon, T., Rossmann, J.: Digital twins: assisting and supporting cooperation in human-robot teams. In: Proceedings of the 15th International Conference on Control, Automation, Robotics and Vision (ICARCV 2018), November 18-21, 2018, Singapore, pp. 1-6 (2019)
26. Kawamura, K. and Browne, W. (2009) 'Cognitive robotics', Encyclopedia of Complexity and Systems Science, pp. 1109-1126. doi:10.1007/978-0-387-30440-3_74.
27. Katiyar, S. and Katiyar, K. (2021) 'Recent trends towards Cognitive Science: From Robots to humanoids', Cognitive Computing for Human-Robot Interaction, pp. 19-49. doi:10.1016/b978-0-323-85769-7.00012-4.
28. Tawiah, T. (2022) 'Machine Learning and Cognitive Robotics: Opportunities and challenges', Cognitive Robotics and Adaptive Behaviors [Preprint]. doi:10.5772/intechopen.107147.
29. Grieves, M., Vickers, J.: Digital twin: mitigating unpredictable, undesirable emergent behavior in complex systems. In: Transdisciplinary Perspectives on Complex Systems, pp. 85-113. Springer, Cham (2017). https://doi. org/10.1007/978-3-319-38756-7_4
30. Tao, F., Zhang, H., Liu, A., Nee, A.Y.C.: Digital twin in industry: state-of-the-art. IEEE Trans. Ind. Informat. 15, 2405-2415 (2019). https://doi.org/10.1109/TII.2018.2873186
31. Malm, T. et al. (2022) 'Safety risk sources of autonomous mobile machines', Open Engineering, 12(1), pp. 977-990. doi:10.1515/eng-2022-0377.
32. Bostelman, R. and Messina, E. (2019) 'A-UGV capabilities', 2019 Third IEEE International Conference on Robotic Computing (IRC) [Preprint]. doi:10.1109/irc.2019.00130.
33. Staff, R. 24/7 (2022) Decathlon deploys geek+ mobile robots in European e-commerce expansion, Robotics 24/7. Available at: https://www.robotics247.com/article/decathlon_deploys_geek_mobile_robots_european_ecommerce_ expansion (Accessed: 29 November 2023).
34. Staff, A. (2022) Look back on 10 years of Amazon Robotics, US About Amazon. Available at: https://www. aboutamazon.com/news/operations/10-years-of-amazon-robotics-how-robots-help-sort-packages-move-product-and-improve-safety (Accessed: 09 November 2023).
35. Joseph Quinlivan, V.P.F.T. and R. at A. (2023) How Amazon deploys collaborative robots in its operations to benefit employees and customers, US About Amazon. Available at: https://www.aboutamazon.com/news/operations/how-amazon-deploys-robots-in-its-operations-facilities (Accessed: 09 November 2023).
36. Lambert, F. (2020) Tesla Gigafactory: A look at the robots and 'machine building the machine ' at the Battery Factory, Electrek. Available at: https://electrek.co/2016/07/31/tesla-gigafactory-robots-machines-battery-factory/ (Accessed: 09 November 2023).
37. 2022 top Article - How Tesla used robotics to survive (no date) RoboticsTomorrow. Available at: https://www. roboticstomorrow.com/article/2022/06/2022-top-article-how-tesla-used-robotics-to-survive-production-hell-and-became-the-worlds-most-advanced-car-manufacturer/18908 (Accessed: 09 November 2023).
