Deep Learning i systemy wizyjne zwiększają wydajność produkcji w firmie Velux

Velux produkuje wysokiej jakości okna i związane z nimi akcesoria. Aby zawsze oferować najlepsze rozwiązanie, dział oprogramowania firmy opracował aplikację służącą do automatyzacji produkcji oraz kontroli jakości. Firma Velux wykorzystuje również systemy wizyjne, aby procesy produkcyjne i montażowe były bardziej wydajne – zaś sztuczna inteligencja oraz Deep Learning firmy SICK zapewniają jej kolejny wzrost wydajności.

Lasse Hedeby jest starszym programistą automatyzacji w firmie Velux A/S i kieruje zespołem ds. rozwoju rozwiązań przeznaczonych do systemów wizyjnych. Jako pasjonat i bardzo wszechstronny programista, wie, że tworzenie oprogramowania bazującego na regułach do rozwiązań wizyjnych to bardzo czasochłonny proces.

Deep Learning – zwiększanie efektywności i lepsze wykorzystanie pracowników

Kiedy Lasse Hedeby dowiedział się o rozwiązaniach Deep Learning firmy SICK, dostrzegł możliwość zwiększenia wydajności firmy i bardziej efektywnego wykorzystania wykwalifikowanych pracowników firmy dzięki uwolnieniu ich od monotonnych zadań roboczych.

Deep Learning jest to obszar cząstkowy sztucznej inteligencji, który bazuje na sieciach neuronowych i naśladuje ludzki sposób widzenia, postrzegania i podejmowania decyzji. W ostatnich latach związana z tą dziedziną technologia stała się znacznie bardziej przyjazna dla użytkownika i nie opiera się już na złożonej infrastrukturze obliczeniowej, która w przeszłości czyniła te rozwiązania niedostępnymi dla większości firm. Obecnie rozwiązania Deep Learning mogą być uruchamiane w kompaktowych sterownikach przemysłowych, dzięki czemu są bardziej dostępne i przydatne do zastosowań w przemyśle.

Oszczędność – z poziomu 200 do 20 roboczogodzin

W przeszłości firma Velux Danmark A/S zapewniała jakość produktów za pomocą ręcznej kontroli elementów swoich okien. Chociaż ten system zawsze działał dobrze, istnieją pewne ograniczenia. W zależności od doświadczenia pracowników mogą wystąpić odchylenia w ocenie komponentów. Konieczność szybkiej pracy i wykonywania tych samych kontroli przez cały dzień niesie ze sobą również ryzyko niezauważania przez pracowników pewnych wad. W obliczu tych ograniczeń Lasse Hedeby zdecydował się wprowadzić inspekcję przy użyciu kamer, aby pomóc operatorom w tej ręcznej pracy.

Dla Hedeby’ego oznacza to jednakże ogromną ilość dodatkowej pracy, ponieważ w firmie Velux A/S wykonywanych jest wiele procesów częściowych. W przypadku każdego z tych procesów należy opracować nowe oprogramowanie dla nowych systemów wizyjnych. Stworzenie oprogramowania bazującego na regułach dla wszystkich procesów może z łatwością zająć do 200 roboczogodzin. Korzystając z rozwiązania Deep Learning, bazującego na SICK AppSpace, Hedeby był w stanie skrócić czas tworzenia nowego oprogramowania do ułamka tego czasu (20 godzin).

W jednym z jego najnowszych projektów inteligentne rozwiązania firmy SICK zostały zastosowane w celu sprawdzenia, czy profile aluminiowe, stanowiące element żaluzji, są dostatecznie wypełnione pianką polietylenową. Może to być trudne, ponieważ rozszerzanie się pianki podczas wtryskiwania do profilu nie jest równomierne. Nie ma więc jasnego „tak” lub „nie” podczas oceny procesu napełniania.

Rozwiązywanie problemów dzięki ścisłej współpracy

Szkolenie dotyczące oprogramowania do rozpoznawania dokładnie wypełnionych profili było szybkie i dało dobre wyniki, ale sam przebieg procesu nie był doskonały. Profile są długie i cienkie, więc gdy kamery sprawdzają profile, informacje istotne dla oceny stanowią jedynie bardzo małą część obrazu. Rozwiązanie wymagało dostosowania standardowej aplikacji SensorApp, która dzieli obraz z czujnika wizyjnego firmy SICK na trzy oddzielne obrazy, aby algorytm Deep Learning był bardziej wydajny.

Inżynierowie oprogramowania z firm Velux A/S oraz SICK pomogli sobie nawzajem w opracowaniu rozwiązania i oba zespoły skorzystały na tej współpracy. Lasse Hedeby powiedział, że „nigdy nie spotkał dostawcy, który jest tak elastyczny i oferuje tak dobre wsparcie jak SICK”. Z drugiej strony, zespół firmy SICK jest zadowolona, że może współpracować z tak zaangażowanym partnerem i mieć po swojej stronie zadowolonego klienta.

Droga do przyszłości w automatyce przemysłowej

Lasse Hedeby pracuje już nad kolejnym zadaniem, w którym sztuczna inteligencja ma być stosowana, aby upewnić się, że śruby w uchwycie są zamontowane i dokręcone. Zadanie to jest trudne do wykonania w przypadku zwykłego systemu wizyjnego bazującego na regułach, ponieważ zarówno metal, jak i śruby mogą mieć bardzo różną powierzchnię z wieloma odbiciami światła. Jednakże pierwsze oznaki są bardzo obiecujące. Zdolność rozwiązania Deep Learning firmy SICK do łatwego radzenia sobie z tak różnorodnymi i złożonymi problemami wyraźnie pokazuje, że jest to droga ku przyszłości w dziedzinie inspekcji bazującej na kamerach i automatyzacji przemysłowej.

Pozostałe teksty

Intelligent Inspection SensorApp: wprowadza rozwiązanie Deep Learning do czujnika

Przeczytaj więcej

Każdy ruch pod kontrolą: monitorowane przy użyciu kamer urządzenie montażowe firmy RIBE Anlagentechnik

Przeczytaj więcej

Deep Learning to przyszłość zapewniająca większą wydajność

Przeczytaj więcej