Kwaliteitsborging op basis van AI
Om de kwaliteit op duurzame wijze te verbeteren!
Er zijn verschillende kwaliteitseisen in industriële productieketens. Om hieraan te voldoen, vertrouwen bedrijven doorgaans op handmatige kwaliteitscontroles. Deze zijn echter over het algemeen foutgevoelig, omslachtig en duur. AI-oplossingen maken het mogelijk om realtime kwaliteitscontrole geautomatiseerd, betrouwbaar en in detail te registreren. Hierdoor kunnen productie- en logistieke fouten snel en doeltreffend worden opgespoord en voorkomen.
Stand van zaken
Een van de grootste thema’s op het gebied van AI is beeldherkenning. Dit is op zijn beurt een van de belangrijkste katalysatoren voor kwaliteitsborging op basis van AI. De ontwikkelingen op dit gebied zijn de afgelopen jaren sterk gevorderd. Als gevolg van het grote investeringsvolume, met name grote ondernemingen, zijn zowel de marktgroei als het toepassingsspectrum gestaag toegenomen.
Het gebruik van geautomatiseerde kwaliteitsborgingssystemen wordt ook aantrekkelijker en goedkoper voor kleine en middelgrote ondernemingen.
Technologie en uitrol
Beschrijving van de technologie
Camerasystemen in de productieketen leveren realtime beelden van de producten die worden vervaardigd/verwerkt. AI maakt automatische beeldverwerkingssoftware mogelijk om productspecifieke foutbeelden op te sporen (bv. barsten, verkeerde sprays, supernatanten, geometrische afwijkingen). Daartoe worden complexe kunstmatige neurale netwerken opgeleid om aan de respectieve productienormen te voldoen, waarbij veel illustratieve afbeeldingen worden gebruikt die zijn afgestemd op elke kwaliteitscontrole en hun individuele specificaties.
AI-algoritmen maken het ook mogelijk de kleinste fouten te identificeren, die vaak over het hoofd worden gezien in de handmatige kwaliteitscontrole, met een permanent betrouwbare kwaliteit. De daaruit voortvloeiende kwaliteitsrapporten kunnen worden gebruikt om correlaties vast te stellen tussen bijvoorbeeld de aanpassing van machines in het productieproces, milieuparameters zoals druk, temperatuur of dergelijke en de daaruit voortvloeiende kwaliteit, waardoor het productieproces duurzaam wordt verbeterd.
Mogelijke gebruiksscenario’s
Geleidelijke invoering
Salarisstap 1: Analyse van de feitelijke situatie
Welke categorie van problemen is relevant voor uw kwaliteitsborging? (Barsten, montagedefecten, vuil, breekpunten, teksttesten enz.)
Welk materiaal zijn uw vervaardigde onderdelen?
Is het mogelijk camera’s in het huidige proces te integreren?
Met welk interval moeten voorwerpen op een productielijn worden getest?
Salarisstap 2: Gegevensverwerving
Indien de installaties niet in staat zijn overeenkomstige beeldgegevens te genereren, kan het nodig zijn om stroomopwaarts een upgrade uit te voeren.
Salarisstap 3: Uitwisseling
De bijbehorende beeldverwerkingssoftware moet ook worden geselecteerd of geïmplementeerd.
Vierde stap: Gebruik
Op basis van de verzamelde gegevens kunnen algemene verslagen over de productkwaliteit worden opgesteld en kunnen frequente bronnen van fouten in het productieproces herhaaldelijk worden geïdentificeerd, geanalyseerd en gecorrigeerd. Daarom kan een continu proces van verbetering in gang worden gezet.
Kansen voor het MKB
Contact
Gebruik onze technologieradar om de belangrijkste technologieën die van belang zijn voor kleine en middelgrote ondernemingen te blijven bekijken!