फंडिंग

120ft ने स्थानीय विनिर्माण के लिए ह्यूमनॉइड रोबोट वाली सूक्ष्म फैक्ट्रियाँ बनाने हेतु €576,000 जुटाए

mm
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
120ft concept illustration showing humanoid robots at workstations inside a shipping-container assembly line, with packed boxes on a pallet outside.

तीन शिपिंग कंटेनरों में समा सकने वाली फैक्टरी का विचार सुनने में रसद से जुड़ा लगता है। स्टॉकहोम के स्टार्टअप 120ft के लिए असल मुश्किल यह है कि रोबोटों को हर बार उत्पादन प्रक्रिया फिर से बनाए बिना अलग-अलग उत्पादों के बीच काम बदलना सिखाया जाए।

कंपनी गोपनीय विकास के दौर से बाहर आते हुए ह्यूमनॉइड रोबोटों से संचालित स्वायत्त सूक्ष्म फैक्ट्रियाँ विकसित करने के लिए €576,000 का एंजेल निवेश दौर जुटा रही है। इसके प्रस्तावित मॉडल में तैयारी, असेंबली, निरीक्षण और पैकिंग का काम तीन 40-फुट कंटेनरों में होगा और सॉफ्टवेयर इन सभी गतिविधियों का समन्वय करेगा। कंपनी इन फैक्ट्रियों की मालिक होगी और उन्हें चलाएगी, जबकि ब्रांड तैयार उत्पादों के लिए भुगतान करेंगे।

यह निवेश कंपनी के सॉफ्टवेयर और फैक्टरी ढाँचे के आगे विकास में मदद करेगा, क्योंकि वह व्यावसायिक उत्पादन की ओर बढ़ रही है। यह अंतर मायने रखता है: यह शुरुआती चरण का विनिर्माण उद्यम है, जो उत्पादन शुरू करने की राह बता रहा है—यह किसी परिपक्व स्वायत्त फैक्टरी नेटवर्क की घोषणा नहीं है।

छोटे उत्पादन बैचों के लिए साझा फैक्टरी

120ft विनिर्माण अर्थशास्त्र के एक मुश्किल पहलू पर ध्यान दे रही है। छोटे उपभोक्ता ब्रांडों को अक्सर यह जानने से काफी पहले बड़े ऑर्डर देने पड़ते हैं कि किसी उत्पाद की माँग कितनी होगी। अलग से उत्पादन उपकरण लगाना, दूर स्थित असेंबली केंद्रों पर निर्भर रहना और दोबारा माल मँगाने में लगने वाला लंबा समय नए डिज़ाइन के साथ प्रयोग को महँगा बना सकता है।

स्टार्टअप का समाधान ग्राहकों के नज़दीक साझा विनिर्माण क्षमता उपलब्ध कराना है। कई ब्रांड एक ही फैक्टरी ढाँचे का इस्तेमाल करेंगे और रोबोट खरीदने या अपनी उत्पादन लाइनें बनवाने के बजाय हर तैयार इकाई के लिए भुगतान करेंगे। शुरुआती उपयोगों में छोटे घरेलू उपकरण, उपभोक्ता इलेक्ट्रॉनिक्स और डिज़ाइन पर केंद्रित अन्य उपभोक्ता उत्पाद शामिल हैं।

ब्रांड अपने मौजूदा पुर्ज़ा आपूर्तिकर्ताओं को बनाए रखेंगे और असेंबली के लिए पुर्ज़े 120ft की फैक्टरी में भेजेंगे। इसलिए यह मॉडल उत्पादन के एक हिस्से को स्थानीय स्तर पर लाता है; पुर्ज़ों के पीछे मौजूद अंतरराष्ट्रीय आपूर्ति शृंखलाओं को खत्म नहीं करता। इसका लाभ इस बात पर निर्भर करेगा कि लचीली अंतिम असेंबली छोटे बैचों की लागत और जोखिम को इतना घटा पाती है या नहीं कि स्थानीय संचालन का खर्च पूरा हो सके।

इस नाम से इसके प्रारूप का संकेत मिलता है: 40 फुट के तीन कंटेनरों की कुल लंबाई 120 फुट होती है। भौतिक ढाँचे को मानकीकृत करने से इसे बार-बार तैनात करना आसान हो सकता है, हालाँकि केवल कंटेनरों का विन्यास फैक्टरी की उत्पादन क्षमता, सुरक्षा प्रदर्शन या प्रति इकाई लागत को साबित नहीं करता।

उत्पाद के डिज़ाइन को रोबोट के काम में बदलना

यह तकनीक रोबोट के किसी पुर्ज़े को उठाने से पहले ही काम शुरू कर देती है। 120ft के अनुसार, इसकी कार्यप्रणाली उत्पाद डिज़ाइन, पुर्ज़ों की सूची और गुणवत्ता संबंधी आवश्यकताओं को डिजिटल विनिर्माण निर्देशों में बदलती है। इसके बाद यह उत्पादन लाइन का अनुकरण करती है, ताकि वास्तविक असेंबली शुरू होने से पहले छूटी हुई जानकारी और संभावित बाधाओं की पहचान की जा सके।

यह किसी एक गतिविधि को स्वचालित करने से अलग और अहम बात है। रोबोट किसी पुर्ज़े को लगा तो सकता है, लेकिन उत्पादन प्रणाली को यह भी सुनिश्चित करना होता है कि पुर्ज़ा उपलब्ध हो, सही जगह रखा गया हो और बाद में उसकी जाँच की जाए। अगर कोई चरण विफल हो जाए, तो प्रणाली को काम सँभालने का ऐसा तरीका चाहिए जिससे अधूरा या दोषपूर्ण उत्पाद आगे न बढ़े।

120ft का कहना है कि उसका स्वामित्व वाला समन्वय सॉफ्टवेयर रोबोटों, औज़ारों, पुर्ज़ों की तैयारी और गुणवत्ता जाँच का तालमेल बिठाता है। इसमें विफल कार्यों को सँभालना भी शामिल है। असेंबली के निर्देश और उत्पादन डेटा सुरक्षित रखे जाते हैं, ताकि सफल काम को बाद के उत्पादन चक्रों में फिर इस्तेमाल किया जा सके।

रोबोटिक्स के क्षेत्र में व्यापक रूप से सिमुलेशन विकास का एक अहम औज़ार बन गया है। NVIDIA Isaac Sim जैसे प्लेटफ़ॉर्म डेवलपरों को आभासी परिवेश बनाने, रोबोट के व्यवहार की जाँच करने और तैनाती से पहले कृत्रिम डेटा तैयार करने देते हैं। ऐसे औज़ार समस्याओं को पहले ही सामने ला सकते हैं और प्रयोगों को दोहराना आसान बना सकते हैं। 120ft ने यह नहीं बताया है कि वह कौन-सा सिमुलेशन प्लेटफ़ॉर्म या रोबोट मॉडल इस्तेमाल करती है, इसलिए उसकी घोषणा को NVIDIA के सॉफ्टवेयर या हार्डवेयर के साथ एकीकरण की पुष्टि नहीं मानना चाहिए।

रोबोटिक्स डेटा, मॉडल और विनिर्माण के बीच संबंध पर Unite.AI की रिपोर्टिंग में जिस व्यापक चुनौती पर चर्चा की गई है, वह सीखे हुए व्यवहार को भरोसेमंद भौतिक काम में बदलना है। किसी सफल प्रदर्शन को दोहराना इस काम का केवल एक हिस्सा है। वास्तविक उत्पादन में पुर्ज़ों, उनकी स्थिति, घर्षण और घिसावट में भी अंतर आता है।

सात घंटे में सीखने के दावे का क्या अर्थ है

120ft के अनुसार, असेंबली का एक कौशल शुरू से अंत तक सिखाने में लगने वाला समय 2025 में सात सप्ताह से घटकर 2026 में सात घंटे रह गया है। कंपनी का लक्ष्य 2027 में इसे सात मिनट तक लाना है।

ये आँकड़े कौशल सिखाने के समय को दर्शाते हैं, किसी उत्पाद के निर्माण में लगने वाले समय को नहीं। इनसे यह भी साबित नहीं होता कि पूरी फैक्टरी को नए उत्पाद के अनुरूप कितनी जल्दी ढाला जा सकता है। इसके लिए उस सीखे हुए कौशल के अलावा औज़ारों, जिग और फिक्स्चर, निरीक्षण प्रक्रियाओं तथा सामग्री सँभालने की व्यवस्था में बदलाव करना पड़ सकता है।

कंपनी ने लैंप असेंबली का एक प्रदर्शन बताया है, जिसमें सिलिंडर लॉक, बल्ब की फिटिंग में पेंचदार धागा बनाना और कार्यक्षमता की जाँच शामिल है। इससे ह्यूमनॉइड बुद्धिमत्ता के किसी सामान्य दावे की तुलना में कंपनी के लक्षित काम की अधिक ठोस तस्वीर मिलती है: पुर्ज़ों को सँभालना, असेंबली के चरण पूरे करना और नतीजे की जाँच करना।

रिलीज़ में परीक्षण की विस्तृत प्रक्रिया, सफलता दर, परीक्षण किए गए उत्पादों की विविधता या मानवीय हस्तक्षेप की आवृत्ति के बारे में जानकारी नहीं दी गई है। इसलिए, सीखने की क्षमता में बताई गई बढ़ोतरी विकास की प्रगति को लेकर कंपनी का दावा है, न कि व्यावसायिक विश्वसनीयता का स्वतंत्र रूप से सत्यापित आकलन। सात मिनट का आँकड़ा अभी भी भविष्य का लक्ष्य है।

ग्राहकों के लिए, आखिरकार कसौटी व्यावहारिक होगी। कोई सुविधा हर शिफ्ट में स्वीकार्य गुणवत्ता वाले कितने उत्पाद तैयार कर सकती है? काम कितनी बार रुकता है? निगरानी, रखरखाव और अस्वीकृत पुर्ज़ों की लागत जोड़ने के बाद, तैयार होने वाली हर इकाई की कीमत कितनी पड़ती है? इन्हीं कसौटियों से तय होगा कि कौशल जल्दी सीखने से विनिर्माण सेवा बेहतर होती है या नहीं।

इस उद्यम के पीछे का हार्डवेयर अनुभव

संस्थापक और सीईओ Martin Willers ने 2025 में 120ft की स्थापना की। इससे पहले, उन्होंने मरम्मत किए जा सकने वाले ऑडियो ब्रांड Transparent की सह-स्थापना की थी और हार्डवेयर डिज़ाइन कंपनी People People बनाई थी, जिसे EY Doberman को बेच दिया गया था। छोटे उपभोक्ता ब्रांडों पर नई कंपनी का ध्यान, इन दोनों व्यवसायों में उन्हें विनिर्माण से जुड़ी जिन समस्याओं का सामना करना पड़ा, उन्हें दर्शाता है।

इस निवेश दौर में 22 एंजेल निवेशक शामिल हैं। घोषित प्रतिभागियों में EQT में Scaleup Europe Fund के पार्टनर और सह-प्रमुख Ted Persson; Cherry Ventures की पार्टनर और Spotify की पूर्व वैश्विक विपणन निदेशक Sophia Bendz; और Fashwell के सह-संस्थापक Matthias Dantone शामिल हैं। घोषणा में Planet A के Sam Baker का नाम भी है। अलग-अलग एंजेल निवेशकों की संबद्धताओं को इस घोषणा के रूप में नहीं समझना चाहिए कि उनकी प्रत्येक कंपनी ने निवेश किया है।

नए उत्पादों की असेंबली के अलावा, 120ft को मरम्मत, अपग्रेड और पुनःविनिर्माण में भी संभावनाएँ दिखती हैं। इन कामों के लिए अधिक लचीलेपन की ज़रूरत होगी, क्योंकि लौटाए गए उत्पाद अलग-अलग स्थितियों में आ सकते हैं, न कि नए पुर्ज़ों के एकसमान सेट के रूप में।

रोबोटों के पीछे विनिर्माण की बड़ी योजना

120ft की मूल परिकल्पना यह है कि रोबोटिक्स और दोबारा इस्तेमाल किए जा सकने वाले उत्पादन सॉफ़्टवेयर की मदद से साझा, छोटे पैमाने की असेंबली व्यावसायिक रूप से आकर्षक बन सकती है। ह्यूमनॉइड रोबोट इस प्रस्ताव का सबसे दिखाई देने वाला हिस्सा हैं। कम दिखाई देने वाला काम है—उत्पाद की जानकारी, कार्यों के निष्पादन और गुणवत्ता नियंत्रण को ऐसी प्रक्रिया में जोड़ना, जो भरोसेमंद ढंग से तैयार माल दे सके।

अगर यह तरीका कारगर हुआ, तो छोटे ब्रांडों को पूरी फैक्टरी अपने जिम्मे लिए बिना माँग परखने और उत्पादों का भंडार फिर से भरने का एक और रास्ता मिल सकता है। अगला पड़ाव यह दिखाना है कि कंटेनर-आधारित प्रणाली बदलते कामों के बीच भी भरोसेमंद उत्पादन जारी रख सकती है। एंजेल निवेश दौर से इस प्रस्ताव को चालू व्यवसाय में बदलने की कोशिश को वित्त मिलेगा।

अटलस रोएन यूनाइट.एआई में एक एआई द्वारा निर्मित शोध एजेंट है, जो एडिटिव मैन्युफैक्चरिंग, ३डी प्रिंटिंग, और एडवांस्ड मैटेरियल्स इंजीनियरिंग में आर्टिफिशियल इंटेलिजेंस को कवर करता है। उनका काम यह देखता है कि कैसे एआई-ड्रिवन डिज़ाइन, सिमुलेशन, और प्रोसेस ऑप्टिमाइजेशन मैन्युफैक्चरिंग वर्कफ्लोज़ को बदल रहे हैं - प्रोटोटाइप से लेकर बड़े पैमाने पर उत्पादन तक।

व्यावहारिक और तकनीकी रूप से आधारित दृष्टिकोण के साथ, अटलस यह देखता है कि कैसे मशीन लर्निंग प्रिंट विश्वसनीयता, सामग्री प्रदर्शन, और उत्पादन दक्षता में सुधार करता है - एयरोस्पेस, ऑटोमोटिव, हेल्थकेयर, और औद्योगिक मैन्युफैक्चरिंग जैसे उद्योगों में। वह विशेष रूप से यह देखने में रुचि रखता है कि कैसे एआई तेज पुनरावृत्ति संभव बनाता है, अपशिष्ट घटाता है और सामग्री की ऐसी नई क्षमताएँ साकार करता है जिनका निर्माण पहले अव्यावहारिक या असंभव था।

अटलस रोएन द्वारा लिखे गए लेख एआई-जनरेटेड हैं और यूनाइट.एआई की संपादकीय टीम द्वारा तकनीकी सटीकता, स्पष्टता, और एआई-संचालित मैन्युफैक्चरिंग और सामग्री नवाचार कवरेज की जिम्मेदारी सुनिश्चित करने के लिए समीक्षित किए जाते हैं।