Inteligentny system kontroli jakości eliminuje ryzyko związane z błędem ludzkim

Inteligentny system kontroli jakości eliminuje ryzyko związane z błędem ludzkim

Sztuczna inteligencja posłuży do skonstruowania systemu kontroli jakości, który zminimalizuje ryzyko ludzkiego błędu na linii montażowej. Projekt wspierany jest przez EUREKA, europejską organizację wspierającą badania i rozwój w zakresie przemysłu.

Projekt została zainicjowany i koordynowany jest przez Trimo d.d., słoweńską firmę inżynierską wytwarzającą prefabrykowane stalowe budynki oraz elementy. Wśród partnerów projektu znaleźli się: dwa wydziały: Komputerów i Nauk Informatycznych oraz Elektrotechniki Uniwersytetu w Ljubljanie, a także niemiecki Institut fuer Sandwichtechnik.

Celem Trimo było stworzenie lepszego systemu kontroli jakości produkcji lekkich, ognioodpornych płyt warstwowych typu ‘sandwich’, gdyż proces ten był bardzo podatny na opóźnienia oraz awarie wynikające z błędów ludzi obsługujących linię.

Operatorzy nie mieli możliwości ciągłego monitorowania wszystkich etapów produkcji, nie mogli więc przewidywać dynamicznie zmieniającej się sytuacji na linii. Natomiast kontrola manualna stwarzała ryzyko przeoczenia błędów pomiaru, czy złego doboru koloru.

Czterem zespołom, które pracowały nad projektem E!3450-QSPAI udało się stworzyć bezkontaktowy program aktywacyjny, który steruje i monitoruje skanowanie laserowe przy precyzyjnym pomiarze paneli oraz metody triangulacji służące do pozycjonowania elementów. O wyjątkowości tego systemu decyduje połączenie obu tych metod, które choć występowały już w przemyśle, zawsze jednak oddzielnie.

Zadaniem zespołów pracujących w ramach projektu było stworzenie systemu będącego w stanie kontrolować wiele zupełnie różnych parametrów, począwszy od rodzaju i jakości substratów, na monitorowaniu stanu linii montażowej kończąc. Zunifikowany system zarządza zarówno prędkością produkcji, jak i indywidualnymi procesami odbywającymi się na linii.

Jednym z pierwszych zadań było napisanie algorytmu sztucznej inteligencji, który potrafiłby ‘uczyć się’ procesu produkcji poprzez analizowanie parametrów linii montażowej. Sztuczna inteligencja potwierdziła swoją przydatność w zakresie wykrywania błędów, odkrywania korelacji pomiędzy parametrami, oraz wskazywania obszarów, w których proces może zostać udoskonalony.

Już wstępny monitoring procesu wskazał wiele obszarów powodujących opóźnienia. Przyczyny udało się podzielić na trzy zasadnicze kategorie: potrzeby organizacyjne, błędy związane z obróbką, oraz niska jakość materiału. Opóźnienia organizacyjne związane były z przestawianiem urządzeń na inny rodzaj produkcji, ale także z rozplanowaniem przerw pracowników. Na opóźnienia produkcji składały się w sumie: awarie mechaniczne urządzeń, słaba kontrola linii, a także błędy związane z obróbką. Szczególnie trudny do określenia był wpływ na opóźnienia czynnika ludzkiego ze względu na jego niebezpośrednie konsekwencje.

Prototypowy system, który został zainstalowany bez przerywania procesu produkcji, działa skutecznie, jednakże bez algorytmu sztucznej inteligencji. Ten wykazał wprawdzie swoją przydatność w początkowej fazie projektu, jednakże jego niezawodność wciąż pozostawia wiele do życzenia i wymaga udoskonalenia, szczególnie w zakresie pomiarów materiałów wsadowych oraz szybkości gromadzenia danych.

Istniejący system zapewnia wysoki stopień kontroli, wpływa na znaczącą poprawę wydajności, a także pozwala zminimalizować liczbę odrzutów.

„Wyniki tego projektu zachęciły uczestników do kontynuowania prac nad algorytmem sztucznej inteligencji.” – powiedział Viktor Zaletelj, menedżer projektu z Trimo. „Wciąż wierzymy, że możliwe jest zbudowanie systemu, który utrzymanie jakości głównie opiera na ‘uczeniu się maszyny’.” – dodał.

(lk)