Deep Learning en industriële beeldverwerking verhogen de efficiëntie in de productie bij Velux

Velux staat voor hoogwaardige ramen en de daarbij horende accessoires. Om altijd de beste oplossing te kunnen bieden, heeft de software-afdeling van het bedrijf een toepassing ontwikkeld die voor de automatisering van de productie en kwaliteitscontrole wordt gebruikt. Velux gebruikt bovendien beeldverwerkingstechnologie, om productie- en montageprocessen efficiënter te maken, en ervaart door artificial intelligence en Deep Learning van SICK nu een verdere efficiëntiesprong.

Lasse Hedeby is senior automatiseringsprogrammeur bij Velux A/S en leidt het team voor de ontwikkeling van oplossingen voor industriële beeldverwerking. Hij is een gepassioneerd en zeer veelzijdig programmeur en weet dat het ontwikkelen van op regels gebaseerde software voor beeldverwerkingsoplossingen een zeer tijdrovend proces is.

Deep Learning – efficiëntie verhogen en medewerkers effectiever inzetten

Toen Lasse Hedeby over de SICK Deep-Learning-oplossingen hoorde, zag hij een mogelijkheid om de efficiëntie van het bedrijf te verhogen en de gekwalificeerde medewerkers van het bedrijf effectiever in te zetten, door de monotone taken bij hen weg te halen.

Deep Learning is een onderdeel van artificial intelligence dat gebaseerd is op neurale netwerken en de menselijke manier van zien, waarnemen en beslissen nabootst. De laatste jaren is de ermee verbonden technologie veel gebruikersvriendelijker geworden en niet meer aangewezen op een complexe computerinfrastructuur. Deze maakte oplossingen in het verleden voor de meeste ondernemingen ontoegankelijk. Vandaag de dag kunnen Deep-Learning-oplossingen op compacte industriële controllers worden uitgevoerd. Ze zijn daardoor voor industrieel gebruik toegankelijker en relevanter.

Besparing van manuren van 200 naar 20

In het verleden had Velux Danmark A/S de productkwaliteit door handmatige controles van de deelcomponenten van zijn ramen gewaarborgd. Hoewel dit systeem altijd goed heeft gewerkt, zijn er toch enige beperkingen. Afhankelijk van hoe ervaren de medewerkers zijn, kunnen er afwijkingen zijn in de beoordeling van de componenten. De noodzaak om snel te werken en de hele dag door dezelfde controles uit te voeren brengt ook het risico met zich mee dat de medewerkers "bedrijfsblind" worden. Geconfronteerd met deze beperkingen besloot Lasse Hedeby camera-inspectie te introduceren om de operators te bij deze handmatige werkzaamheden te ondersteunen.

Dit betekent echter een enorme hoeveelheid extra werk voor Hedeby, omdat er bij Velux A/S veel deelprocessen zijn. Voor elk van deze processen moet nieuwe software voor nieuwe beeldverwerkingssystemen worden ontwikkeld. Het creëren van op regels gebaseerde software voor alle processen kan gemakkelijk tot 200 manuren in beslag nemen. Door gebruik te maken van de Deep-Learning-oplossing op basis van SICK AppSpace, kon Hedeby de ontwikkelingstijd voor nieuwe software tot een fractie van de tijd (20 uur) terugbrengen.

In een van de laatste projecten werden intelligente oplossingen van SICK gebruikt om te controleren of aluminium profielen, componenten van rolgordijnen, voldoende gevuld zijn met polyethyleenschuim. Dit kan moeilijk zijn omdat de uitzetting van het schuim wanneer het in het profiel wordt geïnjecteerd niet gelijkmatig is. Bij de beoordeling van het vulproces is er dus geen duidelijk ja of nee.

Probleemoplossing door nauwe samenwerking

De training in de software voor de detectie van precies gevulde profielen ging snel en leverde goede resultaten op maar het proces verliep niet perfect. De profielen zijn lang en dun, zodat bij de controle van de profielen door de camera's de voor de beoordeling relevante informatie alleen een zeer klein gedeelte van het beeld uitmaakt. De oplossing vereiste aanpassing van een standaard SensorApp, die het beeld van de beeldverwerkingssensor van SICK in drie afzonderlijke beelden opdeelt om het Deep-Learning-algoritme efficiënter te maken.

De software-ingenieurs van Velux A/S en SICK hebben elkaar bij de ontwikkeling van de oplossing geholpen en beide teams profiteerden van deze samenwerking. Lasse Hedeby zei dat hij "noch nooit een leverancier heeft meegemaakt die zo flexibel is en zo'n goede ondersteuning biedt als SICK". Omgekeerd is het team van SICK blij met een dergelijk betrokken partner samen te kunnen werken en weet zich een tevreden klant aan zijn zijde.

De weg naar de toekomst van de industriële automatisering

Lasse Hedeby werkt alweer aan de volgende taak, waarbij met behulp van KI zeker gesteld moet worden dat schroeven in een houder worden gemonteerd en vastgedraaid. De taak is met een gewoon op regels gebaseerd machine visionsysteem maar moeilijk uit te voeren, omdat zowel metaal als schroeven een zeer verschillend oppervlak kunnen hebben met veel lichtreflecties. De eerste voortekenen zijn echter zeer veelbelovend. Het vermogen van de Deep-Learning-oplossing van SICK om een dergelijke verscheidenheid van complexe taken probleemloos af te handelen, laat duidelijk zien dat dit de weg naar de toekomst van de op camera's gebaseerde inspectie en industriële automatisering is.

Verdere artikelen

Intelligent Inspection SensorApp: brengt Deep Learning in de sensor

Meer lezen

Elke beweging in zicht: de met camera's bewaakte assemblagevoorziening van RIBE Anlagentechnik

Meer lezen

Deep Learning is de toekomst voor meer efficiëntie

Meer lezen