Må vi gemme en cookie?

Vi bruger cookies for at forbedre din oplevelse af vores hjemmeside, målrette indhold samt statistik. Læs mere om cookies

Cobot Knowledge Lab

Peter Lemcke Frederiksen

Jeg er din kontaktperson

Skriv til mig

Indtast venligst et validt navn
Eller dit telefonnummer
Sender besked
Tak for din besked
Vi beklager

På grund af en teknisk fejl kan din henvendelse desværre ikke modtages i øjeblikket. Du er velkommen til at skrive en mail til Send e-mail eller ringe til +45 72 20 20 74.

-

Cobot Knowledge Lab

Cobots - robotter, som arbejder tæt sammen med mennesker - har et enormt potentiale i forhold til at gøre virksomheders processer mere agile og dermed omstillingsparate, hvilket er en afgørende parameter i forhold til at sikre danske fremstillingsvirksomheders internationale konkurrencekræft.

Danmark har med frontløbervirksomheder som f.eks. Universal Robots og Mobile Industrial Robots (MiR) en unik styrkeposition i forhold til udvikling og produktion af kollaborative robotsystemer, men særligt de mange små og mellemstore danske fremstillingsvirksomheder mangler viden om hvorfor og ikke mindst hvordan, de kommer i gang med at implementere kollaborative robotter.

Udfordringen
Selvom kollaborativ robotteknologi af IFR spås en voldsom vækst med en gennemsnitlig årlig vækstrate på 61,2 procent frem mod 2025 indgår stort set alle de ca. 2.500 kollaborative robotter, som er blevet solgt i Danmark inden for de seneste fem år stadig i traditionelle produktionslinjer, hvor de "samarbejder" med maskiner og ikke med mennesker.

Teknologisk Institut har igennem en årrække arbejdet tæt sammen med en lang række fremstillingsvirksomheder. Her har Instituttets fået øje på, at særligt de små og mellemstore virksomheder mangler viden om potentialet og de muligheder, der er forbundet med implementeringen af kollaborative robotter.

Hvad kan der gøres?
At lave businesscases for processer hvor mennesker og robotter samarbejder er generelt vanskeligt, og eksisterende værktøjer fungerer dårligt i forhold til at lave præcise ROI-beregninger for investeringer i cobots og agile produktionssystemer. 

Teknologisk Institut har derfor mobiliseret de førende nationale og internationale videnspartnere til udvikling af et nyt 'cobot investment tool' samt et 'roadmap tool', der kan hjælpe med at lave en effektiv og realiserbar handlingsplan, der kan rykke virksomhederne fra vision til handling.

Projektpartnerne vil sikre, at den dybdegående viden, der i projektets indledende fase generes om slutbrugernes udfordringer med at implementere cobots fremadrettet vil blive udnyttet af robotproducenter og i udviklingen af værktøjer og nye kurser, der netop skal forsøge at klæde produktionsvirksomhederne på til at implementere cobots i deres produktion.

I projektet arbejdes først i dybden med 15 virksomheder i fase 1 og 2, hvorefter de udviklede værktøjer anvendes til kompetenceudvikling af 40 virksomheder i fase 3. På denne måde kan der med udgangspunkt i de indsamlede kvalitative data udvikles og testes to værktøjer, der kan bidrage til at nedbryde produktionsvirksomhedernes barrierer med at komme i gang.

Formål
Cobot Knowledge Lab vil udvikle og teste nye værktøjer, som virksomhedsledere kan bruge til at tage de rette valg mhp. at imødekomme de teknologiske, forretningsmæssige, ledelsesmæssige, organisatoriske og menneskelige udfordringer, som danske fremstillingsvirksomheder støder på, når de vil udnytte mulighederne i kollaborativ robotteknologi (cobots).

Målgruppe
Den primære målgruppe for projektet er ledere og medarbejdere i mellemstore danske virksomheder inden for fremstillingsindustrien, som overvejer at implementere cobots i deres produktion med henblik på at gøre deres produktionssystemer mere agile, effektive og konkurrencedygtige.

Projektets sekundære målgruppe består af teknologileverandører (medlemmer af DIRA og Odense Robotics), som ønsker at bruge Cobot Knowledge Lab til at få bedre indsigt i slutbrugernes udfordringer, ønsker og behov.

Konsortiepartnere
Teknologisk Institut, herunder DIRA, Odense Robotics, Aarhus Universitet, Syddansk Universitet og Fraunhofer IPA.