Pierwszy robot, ktory zrezygnował: co się dzieje, gdy humanoid psuje się na zmianie

To się wydarzyło w centrum realizacji zamówień Amazon w Wichita w Kansas, we wtorkowe popołudnie w listopadzie 2025 roku. Robot Agility Digit, w połowie siódmej godziny operacji przenoszenia pojemników, zatrzymał się. Nie gracjonalnie. Nie z lampką ostrzegawczą ani uporządkowaną sekwencją wyłączania. Po prostu zamarł, z jednym ramieniem wyciągniętym w stronę półki, a drugim ściskającym plastikowy pojemnik. Jego tułów był przechylony o około 15 stopni. Lampka statusu świeciła na czerwono.

Kierowniczka zmiany, która przeszła dokładnie czterogodzinne szkolenie z obsługi Digit, zrobiła to, co mówił podręcznik: wcisnęła zatrzymanie awaryjne, odczekała 30 sekund, wcisnęła reset. Nic się nie stało. Zadzwoniła do technika Agility na miejscu. Zrestartował system, sprawdził enkodery stawów i znalazł problem. Napęd harmoniczny w siłowniku prawego barku stracił wstępne napięcie. Przekładnia się ślizgała. Oprogramowanie sterujące robota wykryło błąd pozycyjny, nie mogło pogodzić różnicy między tym, gdzie ramię myślało, że się znajduje, a tym, gdzie faktycznie było, i przeszło w blokadę bezpieczeństwa.

Naprawa zajęła cztery godziny. Zapasowy napęd harmoniczny musiał zostać wysłany z magazynu części Agility w Oregonie. Digit był offline łącznie 22 godziny. Nikt o tym nie napisał. Nikt o tym nie zatweetował. Pod każdym względem było to zupełnie nieznaczące zdarzenie.

I właśnie o to chodzi.

Problem niezawodności, o którym nikt nie chce rozmawiać

Branża robotów humanoidalnych przekroczyła 15 000 skumulowanych dostarczonych jednostek na całym świecie. Ta liczba obejmuje około 5500 od Unitree, 5200 od AgiBot, po 1000 od UBTECH i Boston Dynamics, 500 od Tesli, 350 od Fourier Intelligence, 300 od Agility Robotics, 200 od Figure AI i mniejsze wolumeny od kilkunastu innych firm. To największa wdrożona flota robotów dwunożnych lub humanoidalnych w historii.

Te roboty działają teraz w rzeczywistych środowiskach. Magazyny. Hale produkcyjne. Korytarze szpitalne. Sklepy detaliczne. Hotelowe lobby. Podnoszą, przenoszą, kontrolują, witają, sortują i nawigują obok ludzkich pracowników od 8 do 16 godzin dziennie. I się psują.

Nie katastrofalnie. Nie w dramatyczny sposób, który trafia na nagłówki. Psują się w nudny, żmudny, nieustanny sposób, w jaki psuje się każdy system mechaniczny poddany rzeczywistym warunkom eksploatacji. Silniki się przegrzewają. Czujniki dryfują. Oprogramowanie się blokuje. Baterie degradują. Kable się strzępią. Łożyska się zużywają. Przekładnie rozwijają luzy. I każda z tych awarii generuje dane.

Po raz pierwszy w historii robotyki jest wystarczająco dużo danych z wystarczającej liczby wdrożonych robotów humanoidalnych, by zacząć odpowiadać na pytanie, które ma większe znaczenie niż jakakolwiek karta specyfikacji: jak niezawodne naprawdę są te maszyny?

Cztery tryby awarii definiujące niezawodność humanoidów

Po przeanalizowaniu danych z terenu, raportów serwisowych i dokumentacji technicznej od wielu producentów robotów humanoidalnych wyłania się wyraźny wzorzec. Awarie robotów humanoidalnych grupują się w cztery główne kategorie. Każda ma inne przyczyny, inne czasy naprawy i inne implikacje dla całkowitego kosztu posiadania.

1. Awarie siłowników i układu napędowego

To jest ten najważniejszy. Siłowniki to mięśnie robota humanoidalnego. Przekształcają energię elektryczną w ruch mechaniczny w każdym stawie. Pełnowymiarowy humanoid ma od 20 do 44 siłowników, w zależności od projektu, a każdy z nich pracuje pod ciągłym obciążeniem podczas jakiegokolwiek zadania wymagającego ruchu, podnoszenia czy utrzymywania równowagi.

Najczęstszym trybem awarii siłownika jest degradacja napędu harmonicznego. Napędy harmoniczne to kompaktowe reduktory o wysokim przełożeniu stosowane w niemal każdym robocie humanoidalnym na rynku. Są eleganckie, precyzyjne i z natury kruche. Cienkościenna elastyczna zębatka (flexspline), kluczowy komponent napędu harmonicznego, jest zaprojektowana do zginania miliony razy w trakcie eksploatacji. W praktyce ciężkie ładunki, uderzenia i cykle termiczne przyspieszają zużycie ponad specyfikacje projektowe.

Agility Robotics poinformowało, że problemy związane z siłownikami stanowią około 40% wszystkich zgłoszeń serwisowych dla Digit. Boston Dynamics, którego platforma Atlas wykorzystuje niestandardowe siłowniki należące do najbardziej zaawansowanych w branży, przyznało, że konserwacja siłowników to największy pojedynczy składnik bieżących kosztów serwisowych.

Awaria rzadko jest nagła. Typowo następuje stopniowy wzrost luzu, czyli niewielkiej ilości swobodnego ruchu w przekładni. Siłownik z luzem 0,1 stopnia w stanie nowym może rozwinąć 0,5 stopnia po 2000 godzin pracy. Robot kompensuje to programowo, dostosowując pętle sterowania, by uwzględnić rosnącą niedokładność. Ale ostatecznie luz przekracza zdolność oprogramowania do kompensacji i staw zaczyna gubić pozycje. Zadania wymagające precyzyjnej manipulacji - podnoszenie małych przedmiotów, nawlekanie części, wyrównywanie komponentów - zaczynają zawodzić jako pierwsze.

2. Degradacja i dryf czujników

System percepcji robota humanoidalnego zazwyczaj obejmuje kamery, LiDAR, jednostki pomiaru bezwładnościowego (IMU), czujniki siły i momentu obrotowego w nadgarstkach i kostkach oraz enkodery stawów przy każdym siłowniku. Te czujniki dostarczają dane, które pozwalają robotowi rozumieć otoczenie, utrzymywać równowagę i wykonywać zadania z precyzją.

Dryf czujników jest podstępny, ponieważ jest niewidoczny. Kamera nie przestaje nagle działać. Stopniowo gromadzi kurz na obiektywie, zmniejszając kontrast. IMU nie ulega awarii. Jego kalibracja powoli się przesuwa na przestrzeni setek cykli termicznych, wprowadzając drobne odchylenie w poczuciu pionu robota. Czujnik siły i momentu obrotowego nie pęka. Jego punkt zerowy dryfuje z czasem, powodując, że robot sądzi, iż trzyma coś cięższego lub lżejszego niż w rzeczywistości.

Skumulowany efekt dryfu czujników to powolna degradacja wydajności, którą niezwykle trudno zdiagnozować. Robot, który pierwszego dnia pobierał z dokładnością 98%, może do trzeciego miesiąca spaść do 91%. Nie dlatego, że coś się zepsuło. Dlatego, że kilkanaście drobnych przesunięć kalibracji skumulowało się w zauważalną utratę precyzji.

Unitree podeszło do tego problemu bardziej agresywnie niż większość producentów, implementując automatyczne procedury kalibracji uruchamiane podczas cykli ładowania. G1 wykonuje samosprawdzenie enkoderów stawów i IMU za każdym razem, gdy się dokuje. Jeśli dryf przekroczy próg, robot sam zgłasza się do serwisu, zanim wydajność spadnie na tyle, by wpłynąć na operacje.

3. Awarie oprogramowania i blokady wzajemne

Stos oprogramowania działający na nowoczesnym robocie humanoidalnym jest niezwykle złożony. Typowy system obejmuje system operacyjny czasu rzeczywistego do sterowania silnikami, warstwę planowania zadań wyższego poziomu, potok percepcji przetwarzający jednocześnie wiele strumieni z kamer i czujników, system nawigacji, monitor bezpieczeństwa i coraz bardziej zaawansowaną warstwę AI obsługującą przetwarzanie języka naturalnego i generalizację zadań.

Interakcje między tymi warstwami tworzą żyzny grunt dla blokad wzajemnych (deadlock), wyścigów (race condition) i rywalizacji o zasoby. Klasyczny scenariusz awarii polega na tym, że system percepcji wykrywa przeszkodę w tym samym momencie, gdy planista zadań wysyła komendę ruchu w kierunku tej przeszkody. Monitor bezpieczeństwa zamraża silniki. Planista zadań, nieświadomy zamrożenia, kontynuuje generowanie komend ruchu, które piętrzą się w buforze. System percepcji, nie otrzymując nowych danych o ruchu, stwierdza, że robot jest nieruchomy, i odwołuje flagę przeszkody. Monitor bezpieczeństwa zwalnia silniki. Wszystkie zbuforowane komendy wykonują się jednocześnie. Robot szarpie.

Figure AI napotkało dobrze udokumentowaną blokadę wzajemną oprogramowania podczas wdrożenia w BMW Spartanburg, w której system planowania zadań Figure 02 od czasu do czasu wchodził w stan, w którym nie mógł się zdecydować między dwoma równie poprawnymi podejściami do operacji pobierania. Robot się zatrzymywał, przeliczał, zatrzymywał ponownie i krążył w tej pętli, aż timeout wywoływał pełny restart. Figure wypuściło aktualizację oprogramowania w ciągu 48 godzin, która rozwiązała ten konkretny przypadek brzegowy, ale podstawowy problem konfliktów decyzyjnych z wieloma celami pozostawał aktywnym obszarem rozwoju.

4. Degradacja baterii i zarządzanie temperaturą

Każdy wdrożony robot humanoidalny działa na pakietach baterii litowo-jonowych lub litowo-polimerowych. Te pakiety podlegają tym samym mechanizmom degradacji, które dotyczą wszystkich systemów baterii litowych: spadek pojemności ze starzenia kalendarzowego, wzrost rezystancji ze starzenia cyklicznego i utrata pojemności ze stresu termicznego.

Środowisko baterii robota humanoidalnego jest szczególnie wymagające. W przeciwieństwie do smartfona czy nawet samochodu elektrycznego, bateria robota humanoidalnego doświadcza gwałtownie zmiennych profili obciążenia. Stanie w miejscu może pobierać 200 watów. Chodzenie pobiera 500-800 watów. Podniesienie 10 kg obiektu nad głowę może wymagać 2000 watów przez krótki impuls. Te szybkie przejściowe obciążenia tworzą cykle termiczne przyspieszające degradację.

Większość wdrożonych humanoidów doświadcza 10-15% utraty pojemności baterii w pierwszym roku codziennej eksploatacji. Oznacza to, że robot, który zaczynał z 4-godzinnym oknem operacyjnym między ładowaniami, po 12 miesiącach ma już tylko 3,4-3,6 godziny. W magazynie pracującym na dwie zmiany ta utracona pojemność przekłada się bezpośrednio na zmniejszoną produktywność i dłuższe okna ładowania.

Jak naprawdę wygląda czas pracy

Główna liczba, na której zależy klientom korporacyjnym, to uptime: procent zaplanowanych godzin operacyjnych, w których robot faktycznie pracuje. Tradycyjne roboty przemysłowe w fabrykach samochodowych osiągają uptime 95-98%. Kolaboracyjne ramiona robotyczne osiągają 90-95%. Gdzie plasują się roboty humanoidalne?

Szczera odpowiedź brzmi: znacznie poniżej obu benchmarków.

Na podstawie zagregowanych danych z wielu miejsc wdrożeń, obecny zakres uptime dla robotów humanoidalnych w środowiskach przemysłowych wynosi około 72-89%. Szeroki rozstrzał odzwierciedla ogromne różnice między producentami, środowiskami wdrożeniowymi i programami serwisowymi.

Na górnym końcu, jednostki Boston Dynamics Atlas w starannie kontrolowanych środowiskach z dedykowanymi zespołami serwisowymi na miejscu osiągają uptime zbliżony do 89%. Te wdrożenia zazwyczaj obejmują stosunek techników do robotów 1:3, premiumowe kontrakty serwisowe kosztujące ponad 80 000 dolarów rocznie na jednostkę i proaktywną wymianę części eksploatacyjnych przed awarią.

Na dolnym końcu, wczesne wdrożenia nowszych platform z ograniczoną infrastrukturą serwisową notują uptime w okolicach 70%. Robot, który jest sprawny przez 72% zaplanowanych godzin, jest offline przez ponad dwie pełne zmiany tygodniowo. Dla klienta korporacyjnego płacącego 100 000 dolarów lub więcej za sam sprzęt, taki poziom przestojów to poważny problem.

Różnica jest wyraźna, ale kontekst ma znaczenie. Przemysłowe ramiona robotyczne miały 50 lat doskonalenia. Pierwsza generacja każdego złożonego systemu mechanicznego wypada słabo w metrykach niezawodności. Pytanie nie brzmi, czy dzisiejsze roboty humanoidalne są wystarczająco niezawodne. Pytanie brzmi, jak szybko poprawia się krzywa niezawodności.

Koszt awarii

Gdy robot humanoidalny ulega awarii, koszty wykraczają daleko poza część zamienną.

Rozważmy całkowity koszt pojedynczej awarii w terenie dla pełnowymiarowego humanoida wdrożonego w magazynie. Zapasowy siłownik może kosztować 3000-8000 dolarów w zależności od stawu. Wysyłka części z magazynu producenta trwa 12-48 godzin. Inżynier serwisowy, jeśli jest dostępny lokalnie, fakturuje 150-250 dolarów za godzinę. Sama naprawa trwa 2-6 godzin w zależności od tego, który siłownik uległ awarii i jak jest dostępny. Przez cały ten okres robot jest offline. Jeśli wykonywał zadanie, którego żaden inny system nie może pokryć, wpływ na dalszą produkcję jest realny.

Zsumuj to, a pojedyncza awaria siłownika może kosztować 5000-15 000 dolarów w bezpośrednich kosztach naprawy plus dodatkowe 2000-8000 dolarów utraconej produktywności, w zależności od wdrożenia. Dla robota, który doświadcza 3-5 takich awarii rocznie, sam roczny rachunek za serwis zbliża się do 15-30% ceny zakupu robota.

Goldman Sachs oszacował w raporcie z lutego 2026 roku, że całkowity koszt posiadania robota humanoidalnego przez 5-letnie wdrożenie, obejmujący cenę zakupu, konserwację, energię, licencje na oprogramowanie i modyfikacje obiektu, wynosi od 250 000 do 400 000 dolarów. W porównaniu z 175 000-225 000 dolarów pięcioletniego TCO dla kolaboracyjnego ramienia robotycznego wykonującego bardziej ograniczony zestaw zadań, ekonomiczne uzasadnienie humanoidów staje się silnie zależne od szerokości zadań, które humanoid może wykonywać.

Jak różnią się dane o awariach między producentami amerykańskimi a chińskimi

Jednym z najbardziej uderzających wniosków z wczesnych danych wdrożeniowych jest rozbieżność w tym, jak firmy amerykańskie i chińskie podchodzą do awarii w terenie.

Firmy amerykańskie, w szczególności Agility Robotics i Figure AI, traktują każdą awarię jako zdarzenie edukacyjne. Obie firmy prowadzą szczegółowe systemy śledzenia awarii, które rejestrują każdy incydent, klasyfikują go według przyczyny źródłowej i przekazują dane z powrotem do inżynierii. Agility opublikowało zagregowane statystyki awarii z zakładu RoboFab i wdrożeń w Amazon, które pokazują wyraźny trend spadkowy wskaźników awarii w kolejnych wersjach oprogramowania. Inżynierowie Figure AI podobno przeglądają każdy raport o awarii z wdrożenia w BMW Spartanburg w ciągu 24 godzin.

To podejście daje dane wysokiej jakości, ale jest kosztowne w utrzymaniu i nie skaluje się łatwo. Gdy masz 200-300 wdrożonych jednostek, indywidualny przegląd każdej awarii jest wykonalny. Gdy masz 5000, nie jest.

Chińscy producenci przyjęli odmienną strategię, odzwierciedlającą ich wyższe wolumeny wdrożeń. Unitree i AgiBot opierają się na automatycznych systemach telemetrycznych, które agregują dane o awariach z całych wdrożonych flot. Zamiast przeglądać pojedyncze incydenty, wykorzystują analizę statystyczną do identyfikowania wzorców. Jeśli awarie napędów harmonicznych gwałtownie rosną w jednostkach pracujących powyżej 35 stopni Celsjusza, system to sygnalizuje. Jeśli aktualizacja oprogramowania powoduje 12% wzrost awaryjnych zatrzymań, system wyłapuje to w ciągu godzin na podstawie danych z całej floty.

Chińskie podejście poświęca głębokość na rzecz szerokości. Każda pojedyncza awaria może nie otrzymać takiej samej uwagi kryminalistycznej, jaką otrzymałaby w Agility czy Figure. Ale gdy analizujesz wzorce awarii z 5000 jednostek zamiast 300, możesz identyfikować problemy systemowe szybciej i wdrażać poprawki na skalę całej floty bardziej efektywnie. Siła statystyczna dużej wdrożonej floty jest sama w sobie przewagą konkurencyjną w inżynierii niezawodności.

Rodzący się ekosystem napraw i konserwacji

Wokół utrzymywania robotów humanoidalnych w ruchu formuje się nowa branża. Jest mała, fragmentaryczna i szybko się rozwija.

Pierwszą warstwą jest serwis zapewniany przez producenta. Każda poważna firma produkująca roboty humanoidalne oferuje jakąś formę kontraktu serwisowego, od podstawowego wsparcia zdalnego po kompleksowe programy konserwacji na miejscu. Boston Dynamics, z najdłuższym stażem we wdrożeniach komercyjnych robotów dzięki platformom Spot i Stretch, oferuje pakiety serwisowe dla Atlas w trzech poziomach, obejmujące harmonogramy konserwacji zapobiegawczej, priorytetowy dostęp do części i dedykowanych inżynierów serwisowych.

Drugą warstwą są zewnętrzni dostawcy usług serwisowych. Firmy takie jak Hirebotics, które zbudowały biznes na serwisowaniu kolaboracyjnych ramion robotycznych, rozszerzają działalność na serwis robotów humanoidalnych. Wyzwaniem jest to, że roboty humanoidalne są znacznie bardziej złożone niż ramiona kolaboracyjne. Typowy cobot ma 6 stawów i stosunkowo prosty zestaw czujników. Humanoid ma 20-44 stawy, wiele systemów kamer, IMU, czujniki siły i momentu obrotowego oraz stos oprogramowania, który jest o rzędy wielkości bardziej złożony.

Trzecią warstwą jest łańcuch dostaw części. Napędy harmoniczne pochodzą głównie od Harmonic Drive Systems (Japonia) i coraz częściej od chińskich producentów, takich jak Leaderdrive i Laifual. Bezszczotkowe silniki prądu stałego pochodzą od firm takich jak Maxon (Szwajcaria), Allied Motion (USA) i rosnącej liczby chińskich dostawców. Łańcuch dostaw części specyficznych dla humanoidów jest cienki, z długimi czasami realizacji dla krytycznych komponentów. Wymiana napędu harmonicznego może trwać 2-5 dni, zanim dotrze na miejsce wdrożenia. Sam ten czas realizacji odpowiada za większość przestojów przy awariach siłowników.

Ubezpieczenia: nadchodzące starcie

Jest pewien problem, o którym prawie nikt w branży robotów humanoidalnych nie mówi publicznie: ubezpieczenia.

Gdy robot humanoidalny pracuje obok ludzkich pracowników w magazynie, ktoś ponosi odpowiedzialność za to, co się stanie, jeśli robot zrani osobę, uszkodzi mienie lub spowoduje zatrzymanie produkcji. Dziś większość wdrożeń robotów humanoidalnych działa w ramach szerokich polis odpowiedzialności cywilnej posiadanych przez firmę wdrażającą, nie przez producenta robota. Robot jest traktowany, dla celów ubezpieczeniowych, jako element wyposażenia. Nie różni się od wózka widłowego czy przenośnika taśmowego.

To ujęcie nie przetrwa zderzenia ze skalą.

W miarę jak roboty humanoidalne stają się bardziej autonomiczne, liczniejsze i bardziej zintegrowane z operacjami, ubezpieczyciele będą musieli opracować polisy specyficzne dla produktu, uwzględniające unikalny profil ryzyka dwunożnej maszyny o wadze 60-80 kg, działającej w nieustrukturyzowanych środowiskach i podejmującej decyzje za pomocą systemów AI, których nawet producenci nie mogą w pełni przewidzieć.

Dane o niezawodności generowane teraz przez te ponad 15 000 wdrożonych jednostek to surowiec, z którego zostaną zbudowane modele aktuarialne. Wskaźniki awarii, incydenty urazów, zdarzenia szkód majątkowych i dane o sytuacjach bliskich wypadkowi - wszystko to zostanie włączone do kalkulacji składek. Firmy, które mogą wykazać lepsze dane o niezawodności, będą płacić niższe składki. Firmy ze słabymi wynikami niezawodności mogą się spodziewać składek, które dodadzą 5-10% do ich rocznych kosztów operacyjnych.

Co mówią dane o tym, kto wygra

Odrzuć marketing, filmy demonstracyjne, ogłoszenia o finansowaniu i konferencyjne przemówienia. Spójrz wyłącznie na dane o niezawodności, które wyłaniają się z rzeczywistych wdrożeń. Rysuje się pewien obraz.

Boston Dynamics ma najwyższą niezawodność na jednostkę wśród amerykańskich producentów. Platforma Atlas korzysta z dekad badań nad stabilną lokomocją dwunożną i najbardziej zaawansowanych projektów siłowników w branży. Ale jednostki Atlas kosztują więcej, wymagają bardziej specjalistycznej konserwacji i są wdrożone w stosunkowo niewielkich ilościach. Przewaga niezawodności wiąże się z premią cenową, która ogranicza zasięg rynkowy.

Agility Robotics generuje najbardziej transparentne dane o niezawodności wśród firm amerykańskich. Platforma Digit, wdrożona w obiektach Amazon i innych środowiskach logistycznych, produkuje bogaty zbiór danych o trybach awarii, czasach napraw i trendach uptime. Firma jest bardziej otwarta wobec swoich wyzwań niezawodności niż jakikolwiek konkurent, co buduje zaufanie klientów korporacyjnych, nawet gdy ujawnia słabości.

Figure AI poprawia się najszybciej. Podejście firmy skoncentrowane na oprogramowaniu oznacza, że może wdrażać poprawki niezawodności przez aktualizacje bezprzewodowe bez konieczności wycofywania sprzętu. Wdrożenie w BMW wygenerowało intensywny zbiór danych, który Figure wykorzystało do zmniejszenia awarii związanych z oprogramowaniem o szacowane 35% między II a IV kwartałem 2025 roku. Pytanie brzmi, czy Figure zdoła utrzymać to tempo poprawy, skalując się z setek do tysięcy jednostek.

Unitree korzysta z największej wdrożonej floty w branży. System automatycznej samokalibracji to prawdziwa innowacja w konserwacji zapobiegawczej. Ale niższa cena G1 oznacza, że używa tańszych komponentów, które mogą mieć krótszą żywotność. Profil niezawodności robota za 16 000 dolarów działającego w laboratorium badawczym jest fundamentalnie różny od robota za 100 000 dolarów pracującego na hali fabrycznej.

AgiBot ma najwięcej danych o awariach. Kropka. Z 5200 wdrożonymi jednostkami generującymi dane telemetryczne w ośmiu pionach komercyjnych firma ma przewagę statystyczną, której żaden inny producent nie może dorównać. Czy wyciąga z tych danych maksymalną wartość, trudniej ocenić spoza Chin, ale sama objętość godzin operacyjnych gromadzących się we flocie AgiBot stanowi przewagę strukturalną.

Nieatrakcyjna metryka, która zdecyduje o wszystkim

Branża robotów humanoidalnych uwielbia mówić o stopniach swobody, nośności, prędkości chodzenia, benchmarkach AI i rundach finansowania. Te metryki łatwo zmierzyć, łatwo porównać i łatwo wstawić do komunikatu prasowego.

Żadna z nich nie ma takiego znaczenia jak średni czas między awariami.

MTBF to ta jedna liczba, która decyduje, czy robot humanoidalny jest aktywem czy obciążeniem. MTBF 500 godzin oznacza, że robot psuje się mniej więcej co trzy tygodnie codziennej eksploatacji. MTBF 2000 godzin oznacza awarię mniej więcej co trzy miesiące. MTBF 8000 godzin, na którym poziomie działają tradycyjne roboty przemysłowe, oznacza awarię mniej więcej raz do roku.

Różnica między 500 a 8000 godzin to różnica między demonstracją technologiczną a realnym produktem komercyjnym. Każda firma w branży robotów humanoidalnych jest gdzieś na tej krzywej. Te, które poruszają się po niej najszybciej, wygrają.

To, co czyni MTBF szczególnie ważnym, to fakt, że się kumuluje. Robot z wyższym MTBF generuje więcej godzin operacyjnych, co generuje więcej danych, co umożliwia szybszą identyfikację i rozwiązywanie trybów awarii, co dalej zwiększa MTBF. Koło zamachowe niezawodności kręci się szybciej dla firm, które już są na prowadzeniu.

Pierwsza generacja robotów humanoidalnych była sprzedawana na podstawie możliwości. Co ten robot potrafi? Druga generacja będzie sprzedawana na podstawie niezawodności. Jak długo będzie to robić?

Firmy, które zrozumieją tę zmianę, zdefiniują branżę. Te, które dalej będą gonić za widowiskami na dniach demonstracyjnych, ignorując żmudną, nieefektowną pracę inżynierii niezawodności, odkryją coś niewygodnego: robot, który potrafi wszystko, ale psuje się co trzy tygodnie, jest wart mniej niż robot, który potrafi pięć rzeczy i działa trzy miesiące bez przerwy.

Nikt nie chce słyszeć o awariach wstępnego napięcia napędów harmonicznych. Nikt nie chce czytać o dryfie kalibracji czujników. Nikt nie chce pisać o średnim czasie naprawy.

Ale to są liczby, które mają znaczenie. Pierwszy robot, który zrezygnował na hali fabrycznej, nie był porażką branży. Był początkiem jedynego zbioru danych, który zdecyduje o jej przyszłości.