Door AI ondersteunde kwaliteitsborging
Voor duurzame kwaliteitsverbetering!
Er zijn verschillende kwaliteitseisen in industriële productieketens. Om aan deze eisen te voldoen, vertrouwen bedrijven in het algemeen op handmatige kwaliteitscontroles. Maar deze zijn over het algemeen foutgevoelig, complex en duur. Met behulp van AI-oplossingen kan de kwaliteitscontrole automatisch en betrouwbaar in realtime worden uitgevoerd en in detail worden geregistreerd. Hierdoor kunnen fouten in productie en logistiek snel en doeltreffend worden opgespoord en vermeden.
De huidige status
Een van de grootste thema’s op het gebied van AI is beeldherkenning. Dit is op zijn beurt een van de belangrijkste voorwaarden voor kwaliteitsborging die door AI wordt ondersteund. De ontwikkelingen op dit gebied hebben de afgelopen jaren grote vooruitgang geboekt. Als gevolg van het grote investeringsvolume, met name door grote ondernemingen, zijn zowel de marktgroei als het scala aan toepassingen voortdurend toegenomen.
Het gebruik van geautomatiseerde kwaliteitsborgingssystemen wordt daarom steeds interessanter en goedkoper voor kleine en middelgrote ondernemingen.
Technologie en gebruik
Beschrijving van de technologie
In de productieketen geïntegreerde camerasystemen die realtimebeelden van de vervaardigde/verwerkte producten verschaffen. Beeldverwerkingssoftware voor automatische beeldevaluatie kan AI-algoritmen gebruiken om productspecifieke defectpatronen op te sporen (bv. barsten, onjuist spuiten, uitsteeksels, geometrische afwijkingen). Daartoe worden complexe kunstmatige neurale netwerken getraind met behulp van veel steekproefbeelden die zijn afgestemd op de respectieve kwaliteitscontrole en hun individuele specificaties om aan de respectieve productienormen te voldoen.
Dankzij AI-algoritmen kunnen zelfs de kleinste fouten die vaak over het hoofd worden gezien bij handmatige kwaliteitscontrole, met consequent betrouwbare kwaliteit worden aangetroffen. Met behulp van de automatisch gegenereerde kwaliteitsrapporten kunnen correlaties tot stand worden gebracht tussen bijvoorbeeld de instelling van machines in het productieproces, milieuparameters zoals druk, temperatuur of dergelijke en de daaruit voortvloeiende kwaliteit, waardoor het productieproces duurzaam wordt verbeterd.
Mogelijke toepassingsscenario’s
Stapsgewijze inleiding
STEP1 Analyse van de huidige situatie
Welke probleemklasse is relevant voor uw kwaliteitsborging? (scheuren, montagefouten, vuil, breuk, tekstcontrole enz.)
Van welke materialen zijn de door u vervaardigde onderdelen gemaakt?
Is het mogelijk camera’s in het huidige proces te integreren?
Met welk interval moeten objecten op een productielijn worden gecontroleerd?
Salarisstap 2: Gegevens verzamelen
Indien de systemen niet in staat zijn overeenkomstige beeldgegevens te genereren, kan het nodig zijn om stroomopwaarts een upgrade uit te voeren.
Salarisstap 3: Gegevensuitwisseling:
Bovendien moet de geschikte beeldverwerkingssoftware worden geselecteerd of geïmplementeerd.
Salarisstap 4: Gebruik maken van
Op basis van de verzamelde gegevens kunnen holistische verslagen over de productkwaliteit worden opgesteld en kunnen veelvuldige bronnen van fouten in het productieproces herhaaldelijk worden geïdentificeerd, geanalyseerd en verwijderd. Er kan dus een continu verbeteringsproces worden gestart.
Kansen voor het MKB
Contact opnemen
Houd met onze technologische radar de belangrijkste voor kmo’s relevante technologieën in de gaten!