AI en robotica koppelen aan meerdere inspectiesystemen

FIELD INTELLIGENCE:slimme processen, oplossingen en strategieën

Lang geleden zijn de dagen dat de enige oplossing voor menselijke fouten menselijke correctie was. Als ingenieurs hebben we tegenwoordig toegang tot slimme technologie die geen enkele andere generatie ooit had kunnen bedenken.

Indien correct geconfigureerd en toegepast, hebben we de mogelijkheid om kunstmatige intelligentie (AI) en robottechnieken te gebruiken, geïntegreerd met meerdere inspectiesystemen, om onberispelijke producten te creëren tegen een efficiënt tarief.

Meerdere inspectiesystemen uitgerust met AI en robottechnologie moeten in fabrieken worden toegepast, omdat het hebben van meerdere inspectiesystemen kwaliteitsvolle productie mogelijk maakt en door het gebruik van inspectiegegevens in de toekomst slimmere productieprocessen worden bereikt.

Verschillende inspectiesystemen maken het mogelijk om een ​​voldoende hoeveelheid gegevens uit verschillende bronnen te verzamelen om een ​​99,99 procent zekerheidsniveau van inspectiegegevens mogelijk te maken.

Inspectie en herbewerking zijn vaak de meest kostbare bottleneck voor elk productiesysteem.

Door zo'n innovatief systeem te hebben, zouden we dus de doorvoer verhogen en de uitvaltijd aanzienlijk verminderen.

De meervoudige inspectiesystemen bestaan ​​uit robotarmen, aangevuld met sensoren die slippen, temperatuur en zicht volgen, naast de reguliere robotgegevens.

Fabrikanten kunnen ook een drone opnemen die is uitgerust met vision-randapparatuur met een multi-tracking camerasysteem met zowel reguliere als warmtemapping.

Deze drie soorten inspecties resulteren in een geïntegreerd, slim inspectiesysteem dat productiegebeurtenissen kan analyseren, vergelijkbaar met hoe zelfrijdende auto's de wegomstandigheden analyseren, om het productiesysteem te informeren over de nodige reacties om een ​​ongestoorde en non-stop productie te garanderen.

De gegevens die via deze inspecties worden verzameld, worden vervolgens samengevoegd met behulp van op kennis gebaseerde/semantische AI-technieken om afwijkingen te signaleren, mogelijke correctiescenario's voor te stellen en eerder verkregen gegevenscorrectieschema's uit het archief op te halen.

De gegevens worden vervolgens ook gebruikt om de leerdatabase aan te vullen om toekomstige correctiescenario's te ondersteunen.

Je kunt je voorstellen dat de drones op basis van bepaalde meetgegevens dynamisch kunnen worden aangestuurd om bepaalde inspectieroutines uit te voeren.

De convergentie van robotica/drones en AI/machine learning is de sleutel tot succes:het gebruik van innovatieve systemen om de productiviteit te verhogen en de kosten te verlagen.

Dit concept van meerdere inspectiesystemen is toegepast en geïmplementeerd in een Future Factories-laboratorium aan de Universiteit van South Carolina.

Het lab simuleert een omgeving van een toekomstige maakindustrie. Het systeem wordt gebruikt om de geautomatiseerde assemblage van raketonderdelen na te bootsen (representatief voor hoe we in de volgende eeuw raketten zouden bouwen).

Het is uitgerust met een overvloed aan sensoren die zijn geïntegreerd met algoritmen om het productiesysteem onmiddellijk scenario's te presenteren om huidige fouten te verhelpen.

Een dergelijk geïntegreerd inspectiesysteem kan worden gebruikt om productie in zowel discrete als continue productieomgevingen te vergemakkelijken.

We beoordelen momenteel de implementatie van dit systeem in de automobiel- en farmaceutische productie.

De huidige experimenten die in het laboratorium worden uitgevoerd, leiden ons naar een uitgebreider inspectiesysteem dat naadloos is geïntegreerd met kunstmatige-intelligentietechnieken om productiesystemen te anticiperen, te meten, te beoordelen en te controleren.

Dit werk legt de basis voor toekomstige fabrieken.