Med dagens AI-baserade bildanalys går det att hantera betydligt större variation och mer komplexa visuella bedömningar än tidigare. Det öppnar för tillämpningar som att upptäcka ytdefekter, kontrollera svetsskarvar och svetspunkter, identifiera sprickbildning, verifiera att komponenter finns på rätt plats och mäta dimensioner direkt i produktionen.
Samtidigt behöver vision inte längre vara liktydigt med stora specialbyggda installationer eller omfattande ombyggnationer av produktionslinan. Med mer flexibla AI-baserade lösningar går det i många fall att använda den befintliga processen som den är, lägga till kameror och analys där behovet finns och sedan skala till fler kontrollpunkter över tid. Det sänker både tröskeln och kostnaden för att komma i gång.
Det intressanta är dessutom inte bara att automatisera en manuell kontroll. När kvalitetskontrollen digitaliseras skapas samtidigt strukturerad data om vad som faktiskt händer i produktionen. Det ger möjlighet att upptäcka avvikelser tidigare, följa kvalitetsutfall över tid och koppla samman kvalitetsdata med annan produktionsdata.
Samtidigt finns det en risk att AI görs onödigt komplicerat. För många företag finns den största nyttan inte i avancerade framtidsvisioner, utan i konkreta problem som idag är repetitiva, kostsamma eller svåra att kontrollera konsekvent.
Ett standardfall för oss är när kunder vill ha avsyning av en kontinuerlig process vid valsning av stål. Där är vår produkt Vigil Vision tillräckligt bra för att hitta tex både rost och repor utan vidare träning av systemet. Avvikelser loggas, var de finns, vilken typ av avvikelse det är samt vilken batch det avser. Datan kan sedan skickas vidare till kundens valda system tex affärssystemet eller MES-systemet. Här får kunden direkt återkoppling, är avvikelserna för stora larmar systemet och processen kan stoppas. Datan som sparas ligger också till grund för djupare insikter om hur ofta felen uppstår och under vilka förutsättningar.
Författare
Sofi Elfving, Substorm
