Κινητό ρομπότ στο κέντρο εκπλήρωσης παραγγελιών της Amazon στο Swindon

Τα ρομπότ της Amazon αλλάζουν τη δουλειά, αλλά για ποιον γίνεται ευκολότερη;

Ένα ρομπότ φέρνει ολόκληρο το ράφι στον εργαζόμενο. Ένας βραχίονας ξεχωρίζει δέματα. Ένα άλλο σύστημα μαθαίνει να καταλαβαίνει πόση δύναμη ασκεί όταν σπρώχνει ένα αντικείμενο σε μια γεμάτη θήκη. Στις εγκαταστάσεις της Amazon, η αυτοματοποίηση προχωρά μέσα από συγκεκριμένες εργασίες που περνούν σταδιακά στις μηχανές.

Η εταιρεία έχει ανακοινώσει την εγκατάσταση του εκατομμυριοστού ρομπότ της, σε ένα δίκτυο που εκτείνεται σε περισσότερες από 300 εγκαταστάσεις. Η κλίμακα είναι εντυπωσιακή, αλλά ο αριθμός δεν μεταφράζεται σε ισάριθμες θέσεις εργασίας που καταργήθηκαν: τα μηχανήματα εκτελούν διαφορετικά, επιμέρους καθήκοντα. Η ανακοίνωση της Amazon.

Το πρόσφατο ρεπορτάζ του Ars Technica επαναφέρει το ουσιαστικό ερώτημα: πώς αλλάζει η εργασία για τους ανθρώπους που παραμένουν δίπλα σε αυτόν τον στόλο; Η απάντηση χρειάζεται να εξετάσει μαζί την τεχνολογία, την ασφάλεια και τις απαιτήσεις παραγωγικότητας.

Η αποθήκη ως σύστημα συνεργαζόμενων μηχανών

Ο όρος «ρομπότ αποθήκης» καλύπτει πολύ διαφορετικές συσκευές. Τα κινητά ρομπότ μεταφέρουν αποθέματα ή καρότσια. Οι βραχίονες αναλαμβάνουν εργασίες χειρισμού, όπως η επιλογή και η μετακίνηση προϊόντων ή συσκευασιών. Η αξία τους εξαρτάται και από το πόσο καλά συντονίζονται.

Εδώ εντάσσεται το DeepFleet, το σύστημα AI που παρουσίασε η Amazon για τη διαχείριση της κίνησης του στόλου της. Η εταιρεία αναφέρει βελτίωση κατά 10% στον χρόνο μετακίνησης των ρομπότ, μέσω αποτελεσματικότερων διαδρομών και περιορισμού της συμφόρησης. Πρόκειται για εταιρικό ισχυρισμό σχετικά με συγκεκριμένο λειτουργικό μέγεθος, όχι για απόδειξη ότι κάθε παραγγελία παραδίδεται 10% γρηγορότερα. Η παρουσίαση του DeepFleet.

Η διάκριση έχει πρακτική σημασία. Μια παραγγελία περνά από πολλά στάδια. Η επιτάχυνση της μεταφοράς ενός ραφιού μπορεί να βοηθά, αλλά το συνολικό αποτέλεσμα εξαρτάται επίσης από τη συλλογή, τη συσκευασία, τη φόρτωση και τη διανομή.

Η αυτοματοποίηση, επομένως, χρειάζεται να αξιολογείται ως αλυσίδα. Ένα ταχύτερο στάδιο μπορεί να μεταφέρει την πίεση στο επόμενο, χωρίς να λύνει αυτομάτως το πρόβλημα ολόκληρης της διαδικασίας.

Γιατί το να πιάσεις ένα δέμα παραμένει δύσκολο

Ένα κουτί πάνω σε ένα άλλο, ένας τσαλακωμένος φάκελος ή μια επιφάνεια που δεν προσφέρεται για σταθερή λαβή δημιουργούν διαφορετικές προκλήσεις. Το ρομπότ πρέπει να επιλέξει τόσο το αντικείμενο όσο και τον τρόπο με τον οποίο θα το μετακινήσει.

Σε τεχνική εργασία της Amazon Robotics, διαθέσιμη στο arXiv, οι ερευνητές συνέκριναν μεθόδους επιλογής δεμάτων βασισμένες σε προκαθορισμένους κανόνες με μια προσέγγιση μηχανικής μάθησης. Η τελευταία εκτιμούσε την πιθανότητα επιτυχίας κάθε υποψήφιας κίνησης και χρησιμοποιούσε αυτή την εκτίμηση για να καθορίσει προτεραιότητες.

Στις αναφερόμενες δοκιμές, η καλύτερη μαθημένη μέθοδος πέτυχε ποσοστό επιτυχίας 93,73%, έναντι 92,28% για την καλύτερη από τις συγκεκριμένες μεθόδους κανόνων. Η διαφορά είναι 1,45 ποσοστιαίες μονάδες. Σε εκατομμύρια επαναλήψεις μπορεί να έχει σημαντική λειτουργική αξία, χωρίς αυτό να σημαίνει ότι το ρομπότ χειρίζεται άψογα κάθε αντικείμενο. Pick Planning Strategies for Large-Scale Package Manipulation.

Τα αποτελέσματα προέρχονται από τους δημιουργούς της τεχνολογίας και αφορούν το περιβάλλον των δοκιμών τους. Φωτίζουν, πάντως, το είδος της προόδου: πολλές μικρές βελτιώσεις στην αξιοπιστία, που αποκτούν βάρος όταν εφαρμόζονται σε μεγάλη κλίμακα.

Το Vulcan προσθέτει την αίσθηση της επαφής

Το Vulcan επιχειρεί να αντιμετωπίσει ένα διαφορετικό πρόβλημα: τον χειρισμό προϊόντων μέσα σε πυκνά γεμάτες θήκες αποθήκευσης. Η κάμερα δείχνει πού βρίσκεται ένα αντικείμενο, αλλά η ασφαλής μετακίνησή του απαιτεί πληροφορία και για την επαφή με τα γύρω αντικείμενα.

Σύμφωνα με την Amazon, το σύστημα χρησιμοποιεί αισθητήρες ανάδρασης δύναμης, ώστε να προσαρμόζει την πίεση και τη λαβή του. Η εταιρεία αναφέρει δυνατότητα χειρισμού περίπου του 75% των τύπων αντικειμένων που αποθηκεύει, με παραπομπή των δύσκολων περιπτώσεων σε άνθρωπο.

Η εφαρμογή του περιλαμβάνει θέσεις ψηλά ή πολύ χαμηλά στα ράφια, περιορίζοντας την ανάγκη των εργαζομένων να χρησιμοποιούν σκαλοπάτια ή να σκύβουν. Η επίσημη παρουσίαση του Vulcan.

Η εργονομική λογική είναι σαφής. Για να κριθεί όμως το συνολικό όφελος, χρειάζεται να εξεταστεί και η εργασία που απομένει στον άνθρωπο. Μπορεί να είναι πιο άνετη ως προς τη στάση του σώματος, αλλά περισσότερο επαναλαμβανόμενη ή εντατική.

Λιγότεροι σοβαροί τραυματισμοί, περισσότεροι λιγότερο σοβαροί

Αυτή τη σύνθετη εικόνα καταγράφει μελέτη που δημοσιεύθηκε το 2025 στο επιστημονικό περιοδικό ILR Review, των Gordon Burtch, Brad Greenwood και Kiron Ravindran.

Οι ερευνητές βρήκαν ότι τα ρομποτικά κέντρα εκπλήρωσης παραγγελιών συνδέονταν με 40% λιγότερους σοβαρούς τραυματισμούς, αλλά 77% περισσότερους λιγότερο σοβαρούς, σε σύγκριση με τα παραδοσιακά κέντρα. Βρήκαν επίσης ενδείξεις ότι η αύξηση της δεύτερης κατηγορίας σχετιζόταν εν μέρει με τον ταχύτερο ρυθμό εργασίας. Η δημοσιευμένη μελέτη.

Οι δύο αριθμοί δεν προστίθενται ούτε αφαιρούνται μεταξύ τους: αφορούν διαφορετικές κατηγορίες και διαφορετικές βάσεις σύγκρισης. Επίσης, τα ευρήματα δεν αποτελούν αξιολόγηση του σημερινού Vulcan ή κάθε νεότερου ρομποτικού συστήματος.

Σύμφωνα με το Ars Technica, μέρος των δεδομένων της ανάλυσης αφορά την περίοδο 2016–2019. Αυτό περιορίζει τη δυνατότητα να μεταφέρουμε αυτούσια τα αποτελέσματα στις εγκαταστάσεις του 2026. Το σχετικό ρεπορτάζ.

Ο προβληματισμός που αναδεικνύεται παραμένει χρήσιμος: η αφαίρεση μιας βαριάς εργασίας δεν εξασφαλίζει ότι το υπόλοιπο της βάρδιας γίνεται συνολικά ασφαλέστερο.

Τι δείχνουν οι νεότεροι αριθμοί της Amazon

Η Amazon παρουσιάζει διαφορετική οπτική, βασισμένη στη βελτίωση των συνολικών δεικτών της. Για το 2025 αναφέρει μείωση κατά 43% στον παγκόσμιο δείκτη καταγράψιμων περιστατικών σε σχέση με το 2019 και κατά 70% στον δείκτη περιστατικών που συνεπάγονται απουσία από την εργασία.

Οι αριθμοί αυτοί είναι δείκτες συχνότητας, όχι απόλυτοι αριθμοί τραυματισμών. Η εταιρεία τους συνδέει με επενδύσεις στην ασφάλεια, εργονομικές παρεμβάσεις, εκπαίδευση και τεχνολογία. Ο απολογισμός ασφάλειας της Amazon για το 2025.

Η βελτίωση σε βάθος χρόνου και η σύγκριση αυτοματοποιημένων με μη αυτοματοποιημένες εγκαταστάσεις απαντούν σε διαφορετικά ερωτήματα. Ένας συνολικός δείκτης μπορεί να υποχωρεί, ενώ ορισμένες εργασίες εξακολουθούν να επιβαρύνουν περισσότερο τους ανθρώπους που τις εκτελούν.

Για να απομονωθεί η συμβολή της ρομποτικής χρειάζονται συγκρίσιμα δεδομένα ανά εγκατάσταση, είδος εργασίας και επίπεδο αυτοματοποίησης. Η παράλληλη αύξηση των ρομπότ και βελτίωση της ασφάλειας δεν αποδεικνύει από μόνη της αιτιώδη σχέση.

Οι νέες ειδικότητες δεν λύνουν μόνες τους το ζήτημα

Η Amazon αναφέρει ότι το προηγμένο κέντρο της στο Shreveport χρειάζεται 30% περισσότερους εργαζομένους σε ρόλους αξιοπιστίας, συντήρησης και μηχανικής. Αυτό αφορά συγκεκριμένες ειδικότητες, όχι αύξηση 30% στο σύνολο των θέσεων εργασίας. Τα στοιχεία της εταιρείας.

Η δημιουργία τεχνικών θέσεων είναι σημαντική, αλλά δεν απαντά αυτομάτως στο τι συμβαίνει σε κάποιον του οποίου τα καθήκοντα αυτοματοποιούνται. Η μετάβαση απαιτεί χρόνο, εκπαίδευση και διαθέσιμη θέση στον κατάλληλο τόπο. Η ύπαρξη ενός προγράμματος κατάρτισης και η επιτυχής μετακίνηση ενός εργαζομένου είναι διαφορετικά αποτελέσματα.

Χρειάζεται επίσης να ξεχωρίζουμε την κατάργηση μιας σημερινής θέσης από τη μείωση μιας μελλοντικής ανάγκης πρόσληψης. Μια επιχείρηση μπορεί να αναπτύσσεται και ταυτόχρονα να χρειάζεται λιγότερες ανθρώπινες ώρες ανά παραγγελία. Ο συνολικός αριθμός εργαζομένων δεν αποκαλύπτει μόνος του αυτή τη μεταβολή.

Ποιος θα καθορίζει τον ρυθμό της βάρδιας;

Για τις επιχειρήσεις logistics, και στην Ελλάδα, η περίπτωση της Amazon δείχνει ότι η επένδυση στον εξοπλισμό είναι μόνο μέρος της απόφασης. Εξίσου σημαντικό είναι πώς κατανέμεται η εργασία γύρω του: οι στόχοι, τα διαλείμματα, η εναλλαγή καθηκόντων και η δυνατότητα παρέμβασης όταν ο ρυθμός γίνεται επιβαρυντικός.

Ένα ρομπότ που μεταφέρει βάρος προσφέρει μετρήσιμη βοήθεια. Το αν αυτή η βοήθεια μετατρέπεται σε καλύτερη βάρδια εξαρτάται από την οργάνωση που το περιβάλλει.

Η επόμενη δοκιμασία της αυτοματοποίησης θα κριθεί εκεί: στην ικανότητα να συνδυάζει αξιόπιστη παραγωγή με εργασία που παραμένει βιώσιμη για τον άνθρωπο που την εκτελεί καθημερινά.

Πηγές

ΣΧΕΤΙΚΑ ΑΡΘΡΑ