FANUC Kembangkan AI Pembaca Gambar Teknik yang Memangkas Teaching, demi Otomasi Pengelasan Variasi Tinggi Volume Rendah
FANUC Jepang pada 11 September 2026 mengumumkan pengembangan "AI Welding Agent", sistem baru untuk pengelasan busur (arc welding). Sistem ini membaca gambar teknik komponen yang akan dilas, lalu secara otomatis menghasilkan dan menjalankan parameter pengelasan serta program…

FANUC Jepang pada 11 September 2026 mengumumkan pengembangan "AI Welding Agent", sistem baru untuk pengelasan busur (arc welding). Sistem ini membaca gambar teknik komponen yang akan dilas, lalu secara otomatis menghasilkan dan menjalankan parameter pengelasan serta program gerak robot. Beban "teaching" — mengajari robot lintasan las secara manual setiap kali komponen berganti — selama ini menghambat otomasi pengelasan variasi tinggi volume rendah. FANUC ingin mengalihkan beban itu ke AI. Sistem akan diperagakan mulai 16 September dan pengiriman direncanakan pada akhir tahun; ujian sesungguhnya baru akan datang.
Poin utama
- FANUC mengembangkan "AI Welding Agent" yang menghasilkan parameter pengelasan dan gerak robot dari gambar teknik (diumumkan 11 September 2026), menghapus langkah teaching dan pemrograman yang sebelumnya wajib.
- Sistem berjalan di atas "Gemini Enterprise", platform AI generatif untuk perusahaan dari Google Cloud. Gambar teknik dibaca oleh kamera yang tertanam pada teach pendant robot kolaboratif "CRX", sehingga tidak perlu perangkat keras tambahan.
- Diperagakan mulai 16 September 2026 di International Welding Show, Tokyo Big Sight; FANUC berencana memulai pengiriman paling lambat akhir Desember 2026, dan evaluasi di lini produksi masih akan menyusul.
- Sistem ini mewujudkan kolaborasi AI fisik (physical AI) dengan Google — yang diumumkan Mei 2026 — ke dalam satu proses konkret.
Gambar teknik masuk, lasan keluar — tanpa teaching
Menurut pengumuman itu, AI Welding Agent membaca gambar teknik komponen yang dilas dengan proses busur, memahami material dan bentuk akhirnya, lalu otomatis menghasilkan dan menjalankan parameter pengelasan (arus, tegangan, kecepatan, dan sejenisnya) serta program gerak robot. Pembacaan gambar dilakukan kamera yang tertanam pada teach pendant tablet robot kolaboratif "CRX"; tidak perlu pemindai khusus atau perangkat tambahan lain. FANUC menyebutnya pengelasan "zero-setup, zero-teaching".
Fondasinya adalah "Gemini Enterprise", AI generatif dari Google Cloud. Namun, seberapa jauh rangkaian proses — mengenali gambar, menetapkan kondisi pengelasan, menghasilkan lintasan, hingga eksekusi — ditangani AI generatif, dan seberapa banyak yang dipegang kontrol robot serta know-how pengelasan milik FANUC sendiri, belum diungkap rinci. Pembagian peran itulah inti untuk menilai seberapa "bebas teaching" sistem ini sebenarnya.
Mengapa teaching menghambat otomasi
Pengelasan oleh robot industri sudah lazim di produksi massal, seperti pengelasan bodi mobil. Sebaliknya, otomasi menguntungkan di sana justru karena lintasan yang sama bisa dipakai berulang. Pada rangka mesin konstruksi dan mesin industri, struktur baja, serta komponen variasi tinggi volume rendah, mengajari ulang lintasan setiap kali model berganti adalah pekerjaan berat; waktu dan biaya penggantian model merusak kelayakan ekonomi otomasi. Karena itu, di area ini pengelasan manual masih bertahan.
Teaching selama ini ditopang oleh juru las terampil dan integrator sistem (system integrator/SI). Namun penuaan dan kekurangan juru las terampil sangat serius, sementara alih keterampilan ke generasi berikutnya tak terkejar. Untuk pengelasan yang menuntut postur sulit dan pandangan terbatas, dari sisi lingkungan kerja pun tuntutan mengurangi beban kerja manusia menguat. Jika robot bisa menetapkan sendiri kondisinya dan mulai mengelas hanya dari gambar teknik, otomasi berpotensi menjangkau bengkel kecil-menengah dan lini variasi-beragam yang selama ini terlewat. Tembok "teaching" inilah yang dihadapi AI Welding Agent.
Kolaborasi dengan Google berwujud pada satu proses
Pengumuman ini berada dalam garis strategi AI fisik (AI yang memahami dan mengendalikan pekerjaan di dunia nyata) FANUC.
Pada 13 Mei 2026 perusahaan mengumumkan kolaborasi dengan Google: peragaan di mana Gemini Enterprise memahami instruksi manusia, mengenali objek, dan mengoordinasikan sebuah robot kolaboratif dengan sebuah robot industri standar untuk bekerja otonom. FANUC juga bergabung dalam program "Gemini Robotics Trusted Tester" dari Google DeepMind, memajukan riset foundation model untuk robot. Jika Mei adalah demo serba-guna yang digerakkan bahasa alami, AI Welding Agent menurunkannya ke satu proses: membaca gambar dan pemrograman otomatis untuk pengelasan busur. Peragaan serba-guna itu turun menjadi produk untuk tugas yang konkret.
Yang tampak adalah struktur pengadaan yang memadukan kekuatan pihak luar. AI generatif dan cloud dari Google; basis simulasi dari NVIDIA, yang juga bekerja sama dengan FANUC membangun digital twin pabrik virtual. Sementara itu, FANUC memegang kontrol robotnya sendiri, know-how pengelasan itu sendiri, serta jaringan penjualan ke pengguna robot di seluruh dunia. Sekalipun "otak"-nya dialihkan ke luar, apakah FANUC bisa mempertahankan kontrol dunia nyata yang melelehkan logam — dan titik kontak dengan pelanggan — di tangan sendiri akan menentukan posisinya dalam persaingan AI fisik. Perusahaan menyatakan telah mengirim lebih dari 1.000 robot terkait AI fisik sejak pameran robot Desember 2025, tanda bahwa permintaan di bidang ini mulai bergerak — meski itu bukan rekam jejak AI Welding Agent sendiri.
Pekerjaan SI pengelasan tak lenyap, tetapi berubah
Bila operasi bebas-teaching meluas, struktur bisnis otomasi pengelasan pun terpengaruh.
Selama ini, sebagian besar biaya dan lead time pemasangan robot las tersedot ke teaching dan penyetelan kondisi oleh SI. Bila program dihasilkan otomatis dari gambar, beban kerja itu terpangkas. Namun pekerjaan tak lenyap seluruhnya. Memeriksa apakah kondisi buatan AI sudah tepat, menangani sambungan dan cacat tak terduga, serta menyesuaikan ke komponen nyata tetap tersisa. Titik berat SI bergeser dari teaching sederhana ke desain proses, quality assurance, dan pengelasan tingkat sulit. Bagi pembuat robot pun, sumbu diferensiasi bergeser ke penawaran yang menyertakan perangkat lunak AI, bukan perangkat keras semata.
Yang berdampak pada kelayakan biaya adalah pengelasan variasi tinggi volume rendah dan yang mendekati satuan. Tanpa perangkat tambahan dan dengan waktu teaching yang lebih singkat pada setiap penggantian model, hitung-hitungannya bisa mulai masuk akal bahkan di bengkel menengah dan kecil yang selama ini menahan diri. Meski begitu, bila kondisi buatan AI kerap memicu perbaikan ulang, jam kerja yang dihemat akan habis lagi untuk perbaikan pascalas. Efeknya ditentukan bukan hanya oleh "seberapa banyak teaching bisa dipangkas", tetapi juga "seberapa banyak perbaikan ulang bisa dihindari".
Fokusnya: seberapa jauh tangan manusia bisa dikurangi
Saat ini AI Welding Agent berada pada tahap "pengembangan" yang diumumkan. Setelah peragaan di International Welding Show mulai 16 September, pengiriman dijadwalkan dimulai paling lambat akhir Desember, dan evaluasi di lini produksi masih akan datang.
Ada tiga hal yang dipertaruhkan. Pertama, seberapa stabil kualitas yang bisa dijaga kondisi buatan AI pada komponen nyata — dengan variasi ketebalan pelat, distorsi akibat panas, dan sambungan yang perlu penyesuaian di tempat. Kedua, seberapa luas jangkauan jenis pengelasan, material, dan bentuk sambungan bisa diperlebar. Ketiga, karena sistem mengklaim "zero teaching", seberapa banyak keterlibatan manusia yang masih dibutuhkan untuk memeriksa dan mengoreksi keluarannya; bila intervensi menumpuk pada kasus pengecualian, panji bebas-teaching itu kehilangan isi.
Otomasi pengelasan sekian lama dianggap "milik produksi massal". Apakah langkah ini — AI yang membaca gambar dan memangkas teaching — bisa menjaga kualitas, mengurangi campur tangan manusia, dan membuat pengelasan variasi tinggi volume rendah menguntungkan, itulah pertanyaan sebenarnya. Kekuatan gambaran yang dilukis FANUC akan ditentukan oleh manik-manik las (weld bead) yang menumpuk di lantai produksi mulai akhir tahun.







