How intelligent cable management is transforming robotics

00:00:04: Robotic in der Industrie.

00:00:06: Der Podcast mit Helmut Schmidt und Robert Weber.

00:00:11: Hello everybody and welcome to a new episode of our podcast.

00:00:15: My name is Robert Weber and I'm sitting in Copenhagen in New Europe and I invited today one guest and it's Nick from Bisling.

00:00:23: Nick, welcome to the podcast.

00:00:25: Thank you very much Robert.

00:00:26: I appreciate the invite.

00:00:28: I'm really looking forward to a conversation today.

00:00:31: Yeah, me too.

00:00:32: So, Nick, before we start talking about Bislink, please introduce yourself briefly to the listeners.

00:00:39: Yeah, sure.

00:00:39: So, I'm Nick Tobow.

00:00:41: I'm the Global Director of Product Management Innovation at Bislink Robotics Solutions.

00:00:47: My background is in industrial automation, my entire career, different robotics and machine vision and control solutions to what I'm doing today.

00:00:56: Was ist Bizzling?

00:00:57: Was ist Bizzling tun?

00:00:59: Bizzling ist

00:01:00: eine ziemlich große Kooperation, die meistens in Kabelsystemen ist.

00:01:09: Aber für unsere Geschäfts-Unit sind es Robotik-Solutionen.

00:01:12: Wir haben seit über zwanzig Jahren einen großen Spieler, einer der größten in Kabelmanagement-Solutionen für Industrie und Robotik, meistens in der Automatik, in der Produktion, Wie schwierig

00:01:27: ist das Kabelbusiness?

00:01:29: Ich meine, das Kabelbusiness itself is quite a difficult business in terms of, let's say... Differenzieren selbst im Markt.

00:01:40: Wie wir in unserem Geschäfts-Untertitel geleistet sind, ist, weil viele der Höhe flexen Kabel sind.

00:01:45: Das ist unser Background und wie wir in der Industrieautomation begonnen haben.

00:01:50: Wir haben in den ersten Tagen in der Industrie Robots die höhe flexen Kabel gesetzt.

00:01:55: Und dann haben wir angefangen mit Unternehmen in Deutschland und in Frankreich, die sich herausfügen, wie man mehr komplexen Kabelmanagement-Solutionen, die für industrielle Robots spezifisch adaptiert wurden, die die Kabel dann länger gedauert haben.

00:02:12: In essence, der Erfolg der Kabelmanagement hat den Verbrauch der Verbrauch der industriellen Robots geholfen, weil sie so oft

00:02:21: nicht verbreitet wurden.

00:02:22: Okay, und jetzt kombinieren Sie Kabel mit AI.

00:02:26: Was machen Sie mit AI, oder das heißt Maschinenlearning, oder?

00:02:30: Klar.

00:02:30: So, wie gesagt, wir haben eine Geschichte von mehr als zwanzig Jahren und Kabelmanagement-Solutionen.

00:02:38: Wir arbeiten mit den meisten Automotoren von Manufacturer und Tier-One-Supplieren weltweit.

00:02:45: Wir haben hundreds und thousands von Kabelmanagement-Solutionen installiert rund um die Welt.

00:02:51: Und was wir über Zeit gelernt haben, ist, was die Kabel-Management-Systeme, die noch immer auf der Zeit sind, die noch immer auf der Zeit sind.

00:03:00: Und wie das typische und all-automative Manufaktion ist, ist die downtime-sponsiv.

00:03:05: Und wenn dein Robot nicht gut performiert ist.

00:03:08: Also, was wir gefunden haben, ist, wie wir die Kabel-Management-Solution sich selbst monitorieren, um die Korrigation der Kabel- und Hose zu detectieren, die der Protektive-Layer um die Kabel und die Hose ist, breitzt.

00:03:24: Und das ist ein lediger Indikator, dass du die Kabelkabelkabelkabelkabelkabelkabelkabelkabelkabelkabelkabelkabelkabelkabelkabelkabelkabelkabelkabelkabelkabelkabelkabelk.

00:03:39: Ja, ich kann das ein

00:03:41: bisschen beschreiben.

00:03:43: Wir haben Retrex-Systeme.

00:03:44: Wir haben einen, der LSH-III und den LSH-Delta.

00:03:49: Diese haben eine mechanische Komponente, die über die Komponente, wie ein Roboter, über die Kabel, an der Ende des Armtools gibt.

00:04:02: Was wir mit CARE-DP haben, ist ein Edgedivis, das diese Motion dann kontrolliert.

00:04:10: back and forth.

00:04:11: But this is also interesting for the robotics or for the companies for your customers, right?

00:04:16: It's very interesting, both from the OEM perspective and also with robot manufacturers.

00:04:22: And so what is with all industrial AI, what is always a big question mark and what we try to approach this problem with is how to reduce the complexity of integration and how to make the application be as fast as possible ready to go.

00:04:40: So, our solution doesn't actually connect to a robot.

00:04:42: We're not connected to the robot controller.

00:04:44: We're not connected to a PLC.

00:04:47: We are just connected to our cable management, what we call a dress pack for the mechanical compliance.

00:04:54: And we're monitoring that motion back and forth.

00:04:56: Okay.

00:04:57: So there's a correlating factor with the motion back and forth of a dress pack system.

00:05:04: But of course, it is not actually monitoring the true motion of a robot.

00:05:09: Wir haben mit A.I.

00:05:11: den Kabelmanagement-Solutionen zu kontrollieren, um Probleme oder Verwaltungen in der Robot-Motion und der Korg-Utube

00:05:24: zu kontrollieren.

00:05:26: Aber was ist das, was die Zeitseries-Date ist?

00:05:29: Es ist

00:05:29: Zeitseries-Date.

00:05:30: Wir kontrollieren die Motion, die natürlich Zeitseries-Date

00:05:35: ist.

00:05:36: So, es muss ein sehr kleiner Modell sein, oder ich bin falsch, denn es riecht auf der Höhe.

00:05:40: Eigentlich ist

00:05:40: es nicht ein kleiner Modell.

00:05:42: Und das Grund für das ist, ist, dass jedes Roboter komplett anders ist.

00:05:49: Und also ist es kein Modell, das einfach nur auf der Box geht.

00:05:54: Und also, wie es mit Charity P funktioniert, ist, dass nachdem dieses System live auf einem Roboter ist, Es ist tatsächlich, um die neue Motionsparameter der Robot zu entwickeln.

00:06:08: Wir wissen nicht wirklich, wie der Roboter die richtige Motion ist.

00:06:11: Wir wissen es nur durch unsere Dresdbecken.

00:06:13: Und die AI itself ist das eigene Modell über die Zeit zu entwickeln.

00:06:17: Also es ist im Kontext Learning.

00:06:19: Es ist

00:06:20: im Kontext Learning.

00:06:21: Und es gibt... Es gibt viele Elemente zu es, so dass man es sich vorstellen kann, dass wenn du einen Korrektor, der ein volles Package von Wälder und Hosen für Wasser hat, dann hast du einen ganz anderen Verbrauch von einem Korrektor, als wenn du nur zwei Kabel drin hast.

00:06:44: Und die Bewegung kann sich ändern.

00:06:46: Und das über die Zeit ist alles zurückgefahren in den Algorithmen.

00:06:51: und wie viele verschiedene Motionen sind.

00:06:54: Manche Robots haben drei, fünf Spotwellen, und das ist alles, was sie tun.

00:06:59: Manche Robots haben eine sehr komplexe Serie von Motionen.

00:07:04: Und wir wissen nicht mehr, wie es sich geht.

00:07:06: Also das Modell selbst ist, über fünf bis zehn, wir nennen es die Arbeitszeit, über wie viele Variationen es gibt.

00:07:17: wie viel Motionen es gibt auf der Dresspack und sich das eigene Beststrengungsmodell für die Zukunft

00:07:24: verabschieden.

00:07:25: Von meiner Sicht braucht man auch die Stadietrackung, weil man muss wissen, wo der Roboter ist und in welchem Staat er ist und dann die Daten zu collectieren, oder bin ich falsch?

00:07:34: Ja, wir sind nicht mit dem Roboter in so einem Fall verbunden.

00:07:39: Wir sind nicht mit dem Plan-Equivalenten verbunden.

00:07:46: Es ist, was normal ist, wenn man es will, nach fünf bis zehn Tagen.

00:07:52: Und von dort geht es durch jedes Zeichen von Motionen.

00:07:57: Und wenn man einen Verkauf macht, ist es oversimplifiziert, wenn ich einen Verkauf sage.

00:08:02: Aber ich mag die Leute sagen, in den alten iPhones, dass man das Fingerprinzen programmieren kann.

00:08:08: Und man muss es viele, viele times machen, bevor der Phone sagt, hey, ich mag das.

00:08:12: Ich verstehe jetzt, dass das dein unique Fingerprinzen ist.

00:08:15: Und dann in der Zukunft kann man sagen, ob es eine Demonstration von dem gibt.

00:08:19: Oder es ist verabschiedet.

00:08:20: Das ist eine sehr similarlye Art.

00:08:23: So, einen Schritt zurück.

00:08:24: Wir reden über die Klassifizierung.

00:08:27: Oder ist es auch ein Fokuss?

00:08:30: Und du fährst die Klassifizierung auf den Fokuss, dass du siehst, dass es in einer Stunde breit wird oder dass es in zwei Tagen oder in einem Tag breit wird.

00:08:41: Oder hast du nur eine Klassifizierung auf den Status?

00:08:45: Ja, also, wo wir heute sind, ist, dass wir die Statistik klassifieren.

00:08:49: Wir sind nicht vorgekostet.

00:08:50: Und es bringt noch den Wert, wenn du denkst...

00:08:54: Aber ist es eine Option, das zu tun?

00:08:55: Nichts

00:08:56: noch.

00:08:57: Okay.

00:08:57: Nichts noch.

00:08:57: Es ist etwas, was wir sehen als eine Möglichkeit in der Zukunft, aber es gibt Komplikationen zu dem.

00:09:03: Und wo wir sehen, ist, dass heute, wenn du die Praktikale der App, Die Bedeutung, dass ein Korg-A-Tub breitzt, in ein paar Stunden, nicht der Fall ist, dass du noch etwas Zeit hast, nach dem Korg-A-Tub breitzt.

00:09:22: Es ist nicht, dass ein Korg-A-Tub breitzt, und dass du einen Downtime-Event auf der Welt selbst hast.

00:09:28: Unsere Fokus war auf die beste Beliebung.

00:09:34: und der Belastungsfaktor zu der actualen Statistik der Korg-Gate Tube und nicht der Belastungsfaktor zu reduzieren, dass wir ein Modell auf

00:09:45: der anderen Seite versuchen können.

00:09:47: Was sagen

00:09:48: die Kunden?

00:09:48: Die Kunden sind glücklich, die Statistik zu haben.

00:09:52: Und wenn man mit praktischen Tools, wie E-Mail Alerts, Apps on your cell phone, dashboards where they can actually use it.

00:10:02: Similar to like a CMMS system where you can actually kind of tag some of your different problems and create trend lines across your plant.

00:10:10: This is creating the practical value that they're looking for.

00:10:15: Is it constantly doing a classification task or do you have to give them a signal, do now a classification task or is it hourly, is it weekly?

00:10:26: Daily, was ist die Idee da?

00:10:28: So, there is an initial self-learning mode and after it goes live then... Es ist in einem ständigen Staat, der Judgment ist, um zu schauen, ob es die Klassifikationen brauchen.

00:10:44: Das ist all in its own.

00:10:45: Warum das passiert, ist auch, weil Korg-Gate-Tubes und Polymer sind.

00:10:51: Polymer sind die Age und die Erlangung.

00:10:53: Das könnte natürlich von der Percentage der Erleihigkeit von einem Modell abnehmen, wenn es ein statisches Modell ist.

00:11:08: Das ist wirklich

00:11:11: interessant.

00:11:12: Ich möchte nach dem Edge-Device zurückkommen, was du gesagt hast.

00:11:16: So, haben wir hier über, ich weiß nicht, ein Intel Atom, oder ist es ein GPU,

00:11:21: oder

00:11:21: was für eine Art, was du dafür

00:11:24: brauchst?

00:11:24: Ja, ich würde sagen hier, dass wir unsere Hardware für den Kustner gefordert haben.

00:11:30: Und so, alles da drüben ist ein... Es ist ein klein, aufbohrendes Computer.

00:11:37: Es

00:11:37: ist ein CPU.

00:11:38: Ja, das ist es.

00:11:40: CPU.

00:11:42: Und so ist es alle in einem Uniz.

00:11:43: Und so haben wir es einfach für Retro-Feeding auch, damit der Kussner direkt weg kann, sogar in existierten Systemen.

00:11:51: Und dann ist es cloud-konektiert.

00:11:52: Okay.

00:11:53: Ist das ein Problem für deine Kunden?

00:11:54: Eigentlich würde ich sagen,

00:11:55: dass es ein Mix ist.

00:11:56: Ich würde sagen, dass es für die meisten Kunden nicht ist.

00:11:58: Und der Grund, warum, ist, dass ich einen Nähmdruck habe.

00:12:00: Aber einer der Kussner hat gesagt, dass wenn jemand in der Theorie ist, dass er in deinem System hacken kann, Was wissen sie über unsere Operationen?

00:12:12: Und die Antwort ist nichts.

00:12:14: Was können sie über unsere Operationen kontrollieren?

00:12:16: Und die Antwort ist nichts.

00:12:17: Denn wir sind nicht connectiert zu allen Planeten.

00:12:20: Und das für die meisten IT-Gruppen mit Automotiven ist ein leichter Pass.

00:12:26: Das ist eines der Bedeutung zu der Probe, die wir mit dem Produkt

00:12:29: haben.

00:12:30: Absolut, absolut.

00:12:31: Und du hast keine Verbindung mit dem PLC oder etwas wie das.

00:12:34: Du hast keine gefährlichen

00:12:37: kritischen

00:12:37: Themen, oder?

00:12:38: Ja.

00:12:38: Und wir sind zurück von Microsoft Azure, der für IT-Sekurität der Partnerin ist.

00:12:42: Klar.

00:12:42: Lass uns ein bisschen in die

00:12:43: Zukunft schauen.

00:12:44: Da könnte es noch mehr sein, was diese Zeit-Series-Daten sind.

00:12:50: Am I'm wrong?

00:12:51: Gibt es Fancy?

00:12:52: Was ist es auch möglich, damit

00:12:54: zu tun?

00:12:55: Ja, es gibt viele Optionen, die wir in der Zukunft verwenden können, aber wahrscheinlich eine der größten ist die Veränderung der Robotsprogramme.

00:13:05: Wir haben schon heute gesehen, dass wir ableben können, wenn jemand in ein Robotsprogramm geändert wird.

00:13:14: Das ist ein großer Problem in der Produktion, weil, wenn die Linie hoch und ran ist, in der Theorie, dass niemand den Robotsprogramm geändert wird.

00:13:22: Und wenn sie das machen, dann haben sie größere Qualitätsprobleme.

00:13:25: Das ist etwas, was wir schon zu detectieren können.

00:13:29: Aber wir können sehen, dass in der Zeit die Möglichkeit zu cross-linken Resulten aus der gesamten Facilität ist.

00:13:37: zu verstehen, wo sie größere

00:13:39: Probleme haben.

00:13:39: Das ist interessant.

00:13:40: Es ist nicht nur ein Kabel, sondern auch ein Robotik-Fleet.

00:13:45: Ja, und

00:13:47: diese Diskussionen haben wir schon mit einigen early-Kustomern.

00:13:50: Wir haben jetzt für ca.

00:13:51: zwei Jahre mit Kustomern gearbeitet, wie wir die Pilot-Konferenz gemacht haben.

00:13:59: both prove out the technology and utilize that customer feedback to make a better overall solution for the marketplace.

00:14:07: Can you tell me to one to figures about the arrow eye of the edge device and your intelligent with the cable?

00:14:17: How long is the arrow eye for this application?

00:14:20: Sure.

00:14:20: So we're seeing for most cases less than one year.

00:14:26: Less than one year.

00:14:27: Okay.

00:14:27: Less than one year.

00:14:28: Yeah, we worked very hard to reduce the initial investment into these devices.

00:14:34: And with that, the cost of downtime, of course, is variable throughout plants.

00:14:41: You know, sometimes you read a McKinsey study and it says, okay, all downtime is thirty thousand Euro a minute.

00:14:48: But the reality is that it's complex with an automotive plants.

00:14:52: Some lines, your final line assembly, of course, is quite high.

00:14:56: Aber du gehst zum Sub-Assemblies und es geht hoch.

00:14:58: Und sogar bei Tier-One Manufacturing haben wir weniger als ein Jahr R.O.I.

00:15:06: zu tun.

00:15:06: Auch mit ihrer niedrigen Verteilung, sagen wir es per downtime-Kosten.

00:15:11: Und das ist unsere Übersetzung zum Markt.

00:15:13: Okay, also deine ersten Kunden kommen aus der Automotive-Industrie, oder?

00:15:19: Das ist correct.

00:15:20: Okay.

00:15:21: So, they are running this technology on different robots and different cells on their shop floor, right?

00:15:29: That's correct.

00:15:29: We are robot brand agnostic.

00:15:32: And so, we also are able to serve multiple different types of applications within the plant.

00:15:40: So, was ist der nächste Schritt, wenn es um die AI-Solution kommt?

00:15:44: Du hast schon ein paar Pläne erwähnt, aber kannst du dir ein Ausdruck zeigen, was auf dem Horizont ist, wenn es um, sagen wir mal, Kabel, ein typisches Hardware-Topic und AI, wie man diese Worte kombinieren kann?

00:15:57: Hast du noch ein paar Pläne zu teilen?

00:16:00: Ja, es ist immer der Herausforderung in der Industrie.

00:16:04: Viele Unternehmen haben sich darauf nachgedacht, wie zu kreieren.

00:16:11: Und das ist ein Bereich, das wir jahrelang gesehen haben.

00:16:14: Es ist nicht eine einfache Lösung, beide aus der Technologie und der AI, um die Fähigkeiten, die ihr habt, in den Schildern und anderen Komplexitäten, aber auch, wie es ein... Kost-Value-Solution für ein Kostner.

00:16:34: Wenn du jeden Kabel in einer Solution kontrollierst, dann hast du das Hardware- und Plattform-Setup in einem Weg, das es low-Kost zu installieren und low-Kost zu unterstützen.

00:16:47: Ich würde sagen, dass das ist, wo viele Spieler sind.

00:16:51: Wir haben uns in den letzten Jahren angeschaut.

00:16:52: Ich könnte es mir vorstellen, in der Zukunft, in diese Richtungen zu schauen.

00:16:56: Aber ich denke, wir sind Zeit.

00:16:57: Nick, es war wirklich

00:16:58: ein Erfolg, weil das eine wirklich gute Applikation auf die Prämie war.

00:17:05: Kannst du mir erzählen, was du an deinem Tisch bist, bevor du Christmast bist?

00:17:09: Was musst du

00:17:10: tun?

00:17:11: Oh, es ist immer für das nächste Jahr geplant.

00:17:13: Wir haben viele Projekte mit Blick auf dieses Produkt, das wir mit den Kunden arbeiten.

00:17:18: Und wie immer ist es... Reflecting upon.

00:17:23: What is the biggest bottleneck when it comes to the solution?

00:17:26: Is it to emphasize the customers to do that?

00:17:29: or what is the biggest bottleneck?

00:17:31: I think whenever you have newer technology, then you're always doing a bit of educating as well as building trust with pilots and allowing them to get a hands-on feel.

00:17:45: Und in diesem Weg ist das, wo wir uns heute finden.

00:17:49: Wir sprechen immer über die Höhe der Adoption für neue Technologie.

00:17:54: Und natürlich haben wir ein paar Kunden, die eine sofortige Antwort haben, sagen, ja, gehen wir jetzt.

00:18:00: Und natürlich brauchen Sie mehr Zeit, um alle Boxen mit IT-Sekurität zu checken, alle Boxen zu checken, die Implementation zu

00:18:08: checken.

00:18:08: Aber das ist einfach, oder?

00:18:09: So gibt es keine Verbindung zu der Schopflache.

00:18:12: Das

00:18:12: ist korrekt.

00:18:12: Lass uns sagen, dass es in den meisten Cases sehr einfach ist.

00:18:17: Nick, es war ein Schöne.

00:18:18: Vielen Dank für die Inzidenz in Ihren Übergang.

00:18:22: Tschüss.

00:18:22: Danke sehr Robert.

00:18:23: Tschüss.