Франц Чимбен и Томас Вильграттнер в кампусе DURST, Бриксен, Южный Тироль (Италия)
GKN Powder Metallurgy и COVISION Lab сотрудничают над проектом уже более 1,5 лет. Проект и полученные результаты могут изменить применение оптического контроля качества в производстве: благодаря sinterqAility машины не только узнают, что делает деталь хорошей, а какая плохой, но и вносят свой вклад. к улучшенному, более устойчивому производству. Несколько недель назад около 20 человек из разных компаний-членов AES имели возможность глубоко погрузиться в тему на площадке DURST (одной из семи компаний-основателей Covision Lab) и обсудить проект и видение будущего с Францем Чимбеном и Томасом Вильграттнером. …
Что именно означает машинное обучение?
TV: Машинное обучение направлено на автоматическое обнаружение и обобщение корреляций в наборах данных. Этот подход хорошо работает, если предоставляется достаточно большой объем данных с достаточной дисперсией. После этапа обучения модель можно использовать для прогнозов.
ФТ: Это верно. Машинное обучение обычно также публично называют «искусственным интеллектом». Машинное обучение не делает ничего, кроме поиска корреляций в данных. Наш совместный проект SinterqAlity посвящен данным изображений — здесь наше программное решение автоматически находит дефекты. В отличие от классических систем визуального контроля, в проекте SinterqAility никакие параметры обнаружения дефектов не программируются и жестко не запрограммированы экспертами, а программное обеспечение Covision Lab программирует это обнаружение дефектов самостоятельно.
Что особенного в приложении в вашем случае — и как именно работает «sinterqAility»?
TV: В «обычных» системах оптического контроля качества каждый соответствующий образец дефекта обычно должен быть запрограммирован вручную. При возникновении нового дефекта его необходимо добавить вручную, иначе эти «новые» дефектные детали не будут обнаружены.
Цель sinterqAlity — автоматически изучить поведение «хорошей части» без какого-либо дополнительного вмешательства программиста. Для этого машинное обучение используется для извлечения соответствующих функций изображений примерно из 50 000 частей. Как только хорошая часть выведена, все просто: все, что не хорошо, — плохо. Таким образом, если появляется новый образ дефекта, он немедленно распознается, и дефектная часть устраняется без дальнейшего вмешательства программиста.
FT: Верно, то, что описывает Томас, обычно называют «машинным обучением без присмотра». Это также главная особенность нашего программного обеспечения для визуального контроля и наше отличие на рынке.
В отличие от этого существует «контролируемое машинное обучение», когда программное обеспечение обучается на основе множества аннотированных или помеченных изображений.
Как возникла идея запуска совместного проекта?
ТВ: GKN Powder Metallurgy всегда открыта для новых технологий и постоянно ищет новых партнеров по проектам. Наш CDO Пол Майрл установил контакт с Covision Lab. Проект был и активно продвигается нашим высшим руководством. В этом случае через Питера Оберпарлейтера (в то время генерального директора) и старшего вице-президента Эльмара Ауэра.
FT: Поддержка высшего руководства со стороны Элмара Ауэра, Петера Оберпарляйтера и интуиция Пола Майрла была и остается необходимой для быстрого развития и получения результатов.
Для Covision Lab это уникальная возможность тесно сотрудничать с GKN и ее людьми. Мы многое узнаем о проблемах контроля качества и о том, как можно идеально использовать искусственный интеллект для их эффективного и экономичного решения. Для нас проект с GKN — где мы сейчас также работаем с командами GKN в Бад-Брюкенау, Германия, и в Сент-Мэри, США — стал отправной точкой для запуска подразделения Covision Lab, а именно Covision Quality. Здесь у нас есть цель вывести на рынок масштабируемый программный продукт.
Какие требования необходимы, чтобы такой вариант использования можно было не только определить, но и затем реализовать в виде такого проекта?
ТВ: после первоначальных уточняющих обсуждений с новыми партнерами и ответственным персоналом становится доступным компактный набор тестовых данных. Если анализы будут многообещающими, пилотный проект может быть запущен на заводе GKN. Для этого технический и финансовый потенциал должен перевешивать затраты и проблемы. После завершения пилотного проекта затраты и выгоды от нового подхода будут снова проанализированы, и, если это целесообразно, будут инициированы дальнейшие этапы проекта. В лучшем случае происходит генерализация и глобальное развертывание, и новая технология используется в качестве нового стандарта на всех заводах GKN и для всех продуктов.
ФТ: Я полностью согласен с этим. Отправной точкой всегда является вариант использования, а также размер болевой точки и проблемы для текущего процесса визуального контроля. Вот где мы можем начать и быстро показать нашу добавленную стоимость — при условиях, упомянутых Томасом выше.
С какими препятствиями вы сталкиваетесь при разработке такого проекта и что бы вы сделали по-другому в ретроспективе?
ТВ: ГКН всегда запускает пилотные проекты прямо в производстве и часто на нескольких площадках одновременно. Это позволяет протестировать новую технологию в реальных условиях, но должно справляться с производственными приоритетами. Для лучшей координации в разработке принимают непосредственное участие коллеги, работающие в производственных отделах. В будущем мы будем укреплять сотрудничество отделов разработки и производства, а также расширять наши платформы для цифровой совместной работы.
FT: Как совместная команда, я думаю, мы быстро извлекли уроки из опыта 1,5 лет сотрудничества и создали «чертеж» с контрольным списком для новых установок. Это необходимо прорабатывать шаг за шагом, чтобы создать не только идеальные условия с технической стороны, но и, прежде всего, приемку с командами в цехах, на заводе и на производстве. Кроме того, в последние месяцы, основываясь на нашем опыте работы с GKN, мы вложили средства в улучшение взаимодействия с пользователем (UX). Мы запустили интерфейс для команды рядом с производственными линиями и панель управления для менеджеров по контролю качества, чтобы контролировать ключевые показатели эффективности. Программа интуитивно понятна и проста в использовании для всех.
Если бы сейчас другая компания захотела реализовать тот же проект на собственном производстве, было бы это возможно уже сегодня?
ТВ: Если другие компании могут предоставить необходимые наборы данных, они могут использовать программное обеспечение Covison Lab. Мы, как GKN, являемся «первопроходцами» и активно поддерживаем Covision Lab в разработке их программного обеспечения и его распространении среди других компаний. Более того, мы также активно продвигаем программное обеспечение Covision Lab среди наших коллег.
И сколько это будет стоить?
FT: Обычно проект по установке нашего программного обеспечения состоит из трех этапов. На первом этапе на основе нескольких точек данных компании (около 200 изображений) проводится первый бесплатный тест, чтобы показать потенциал нашего программного обеспечения.
На втором этапе, если необходимо, наше программное обеспечение устанавливается на производственной линии. Здесь совместная работа специалистов по контролю качества от заказчика и нашего А.И. команда будет запущена, и в компании будет создана осведомленность с хорошими результатами. Этот этап оплачивается по месячной ставке.
На третьем этапе происходит широкое развертывание на разных производственных линиях в разных местах. Наиболее подходящей бизнес-моделью на этом этапе является «Программное обеспечение как услуга» (SaaS), когда клиент лицензирует программное обеспечение для каждой производственной линии или части. Это дает заказчику право на постоянное совершенствование программного обеспечения.
Кроме того, чтобы заставить наше программное обеспечение работать в режиме реального времени (например, в Брунеке мы работаем со скоростью 200 мс/деталь), графические процессоры устанавливаются на месте рядом с производственными линиями.
Есть ли у вас прогноз развития такого подхода к контролю качества в будущем?
ТВ: Этот подход может произвести революцию в области контроля качества. Цель состоит в том, чтобы значительно сократить время обучения, особенно в отношении использования высококвалифицированного персонала. При этом дефектные образы, даже никогда не видимые системой, должны надежно обнаруживаться, а исправные детали всегда обнаруживаются как таковые.
Ф.Т.: Мы, безусловно, все еще находимся в начале пути создания ИИ. революция в области визуального контроля качества. Потенциал подтвержден, и технология предназначена для создания качественных преимуществ, конкурентных преимуществ и экономии для компаний-производителей. В долгосрочной перспективе контроль качества может стать отправной точкой для более широкого применения ИИ. — не только на изображения, но и на другие производственные данные. Профилактическое обслуживание является примером.
Франц Чимбен работает генеральным директором в COVISION LAB
Томас Вильграттнер является руководителем отдела адаптивных технологий в GKN Powder Metallurgy.
www.covisionlab.com и www.covisionquality.com
www.gknpm.com
Об Automotive Excellence South Tyrol (AES)
Automotive Excellence — это ассоциация наиболее значимых компаний в сфере поставок автомобилей, расположенная в Южном Тироле. Целью инновационного хаба под названием AES является использование синергетического эффекта для совместных проектов, развитие большей гибкости и инновационного потенциала компаний, сопровождение их на пути к климатической нейтральности, а также сосредоточение внимания на дальнейшем развитии и квалификации существующих и будущие работники как ядро предпринимательской деятельности. Automotive Excellence Südtirol стремится внести положительный вклад в отрасль в качестве работодателя и в Южный Тироль как место работы. В настоящее время компаниями-членами AES являются: Abuscom, Alupress, Autotest, GKN Powder Metallurgy, GKN Driveline, Intercable и Tratter Engineering.
