BMW onthult AI-innovaties die productie-efficiëntie drijven

Kunstmatige intelligentie (AI) is op de voorhoede in automotieve productie. Sinds 2018 gebruikt de BMW Group diverse AI-toepassingen in serieproductie.

Geautomatiseerde beeldherkenning als focus

Een focus is geautomatiseerde beeldherkenning: in deze processen evalueert kunstmatige intelligentie onderdeelafbeeldingen in lopende productie en vergelijkt ze in milliseconden met honderden andere afbeeldingen van dezelfde reeks.

Real-time afwijkingsdetectie

Op deze manier bepaalt de AI-toepassing in real-time afwijkingen van de standaard en controleert bijvoorbeeld of alle benodigde onderdelen gemonteerd zijn en of ze op de juiste plaats zitten.

Snel, betrouwbaar en gebruiksvriendelijk

De innovatieve technologie is snel, betrouwbaar en, het allerbelangrijkst, gemakkelijk te gebruiken.

AI vervangt vaste cameraportalen

Christian Patron, Head of Innovation, Digitalization and Data Analytics bij BMW Group Production: "Kunstmatige intelligentie biedt groot potentieel. Het helpt ons onze hoge kwaliteitsstandaarden te handhaven en tegelijkertijd onze mensen te ontdoen van repetitieve taken."

Bij de BMW Group vervangen flexibele, kosteneffectieve, AI-gebaseerde toepassingen geleidelijk permanent geïnstalleerde cameraportalen. De implementatie is vrij eenvoudig.

Mobiele standaardcamera voldoet

Een mobiele standaardcamera is alles wat nodig is om de relevante foto's in productie te maken. De AI-oplossing kan ook snel opgezet worden: medewerkers maken foto's van het onderdeel onder verschillende hoeken en markeren potentiële afwijkingen op de afbeeldingen.

Neuraal netwerk bouwen zonder code

Op deze manier creëren ze een afbeeldingsdatabase om een zogenaamd neuraal netwerk te bouwen, dat later de afbeeldingen zonder menselijke interventie kan evalueren.

Medewerkers hoeven geen code te schrijven; het algoritme doet dat praktisch van zichzelf. In de trainingsfase, die 's nachts kan duren, berekent een high-performance server het neuraal netwerk uit ongeveer 100 afbeeldingen, en het netwerk begint direct te optimaliseren.

100% betrouwbaarheid na testrun

Na een testrun en eventuele aanpassingen bereikt de betrouwbaarheid 100 procent. Het leerproces is voltooid en het neuraal netwerk kan nu zelfstandig bepalen of een onderdeel aan de specificaties voldoet.

Bewegende objecten herkennen ongeacht verlichting en camerapositie

Zelfs bewegende objecten worden betrouwbaar geïdentificeerd, grotendeels onafhankelijk van factoren als verlichting in het productiegebied of de exacte camerapositie. Dit opent een breed scala aan potentiële toepassingen langs de gehele automotieve procesketen, inclusief logistiek.

Ontlasting van monotone taken

In veel gevallen ontdoet de AI-technologie medewerkers van repetitieve, monotone taken zoals controleren of het waarschuwingsdriehoek op de juiste plaats in de kofferbak zit of of de wisserkap is geplaatst.

AI voor meer veeleisende inspectietaken

In het eindinspectiegebied bij de BMW Group's Dingolfing-fabriek vergelijkt een AI-toepassing de voertuigbesteldata met een live-afbeelding van de modelaanduiding van het zojuist geproduceerde voertuig.

Modelaanduidingen en andere identificatieplaten zoals "xDrive" voor vierwielaandrijving alsook alle algemeen goedgekeurde combinaties zijn opgeslagen in de afbeeldingsdatabase.

Als de live-afbeelding en besteldata niet overeenkomen, bijvoorbeeld als een aanduiding ontbreekt, ontvangt het eindinspectieteam een melding.

Ervaring van medewerkers als basis

Christian Patron: "We vertrouwen volledig op de ervaring en expertise van onze medewerkers in deze inspanningen. Ze kunnen het beste beoordelen bij welke productiestappen een AI-toepassing kwaliteit en efficiëntie kan verbeteren. We houden de opzet en implementatie van dergelijke toepassingen bewust eenvoudig. Hun bediening vereist geen geavanceerde IT-vaardigheden."

AI elimineert pseudo-defecten bij persshop

Bij de persshop worden platte metaaldelen omgezet in hoogprecisie onderdelen voor de carroserie. Stofdeeltjes of olieresten die na het vouwen op de onderdelen blijven, kunnen gemakkelijk verward worden met zeer fijne barsten, die zelden tijdens het proces ontstaan.

Eerdere camera-gebaseerde kwaliteitscontrolesystemen bij de BMW Group's fabriek in Dingolfing, Duitsland, markeerden deze pseudo-defecten soms ook: afwijkingen van het doel, hoewel er geen echte fout was.

Met de nieuwe AI-toepassing treden deze pseudo-defecten niet meer op, omdat het neuraal netwerk toegang heeft tot ongeveer 100 echte afbeeldingen per kenmerk – dus ongeveer 100 afbeeldingen van het perfecte onderdeel, 100 afbeeldingen met stofdeeltjes, nog eens 100 afbeeldingen met oliedruppels op het onderdeel, enz.

Dit is met name relevant in het geval van visueel nauwe oproepen die eerder tot pseudo-defecten hebben geleid.

Steyr-fabriek en Data Analytics Team

De BMW Group's Steyr-fabriek en de BMW Group Data Analytics Team werken ook met succes aan het elimineren van pseudo-defecten. Veronderstelde onregelmatigheden in koppelmeting in de motor koude test blijken later vaak onbetekenisvol.

Voordat de AI-oplossing werd geïntroduceerd, leidden dergelijke resultaten tot complexe handmatige inspecties en verdere testrondes, tot en met hittest met brandstof.

De analysesoftware werd getraind op basis van veel opgenomen testrondes en leerde zo te distinguëren tussen echte en veronderstelde fouten.

AI 'in control': integratie met installatie- en robotbesturingssystemen

De eerste slimme AI-besturingstoepassing bij de BMW Group maakte zijn intree bij de Steyr-fabriek. Deze toepassing versnelt logistieke processen door onnodige transporten van leeggoed op transportbanden te voorkomen. Hiervoor passeren de containers een camerastation.

Met behulp van opgeslagen afbeeldingsdata gemarkeerd door medewerkers, herkent de AI-toepassing of de container vastgezet moet worden op een pallet of of – in het geval van grote, stabiele dozen – geen extra bevestiging nodig is.

Als geen vastzetten vereist is, stuurt de AI-toepassing een container via de kortste route naar het afhaalstation voor de vorkheftruck.

Containers die wel extra beveiliging nodig hebben, worden rechtstreeks naar het banddeel met het vastzetsysteem en pas daarna naar het achterliggende afhaalstation geleid. Vroeger moesten alle containers naar het afhaalstation voor grote containers getransporteerd worden.

Vanaf daar moesten de containers die extra beveiliging vereisten doorgestuurd worden – en bereikten het vastzetsysteem en tenslotte het juiste afhaalstation pas na deze omweg.

AI in logistiek en virtuele layoutplanning

Naast de toepassing in Steyr zit AI achter talloze andere logistieke innovaties bij de BMW Group. Het ondersteunt ook virtuele layoutplanning, die hoge-resolutie 3D-scans van gebouwen en fabrieken creëert.

Kunstmatige intelligentie draagt uiteindelijk bij aan de herkenning van individuele objecten in de 3D-scan, zoals containers, gebouwstructuren of machines.

Dit stelt ingenieurs in staat om individuele objecten uit de 3D-scan in de 3D-planningssoftware te halen en deze afzonderlijk aan te passen, wat het simuleren en begrijpen van aanpassingen op de werkvloer vergemakkelijkt.

Duidelijke trend naar AI-toepassingen

Er is al een duidelijke trend naar het gebruik van AI-toepassingen bij de BMW Group's fabrieken. De toenemende integratie van slimme data-analytics, state-of-the-art meettechnologie en AI opent nieuwe mogelijkheden in productiebeheer.

Gesloten regellus via AI bij lasplaats

Bij de lasplaats kunnen afbeeldingen van de eindinspectie tonen dat lasmetaal op dezelfde lasplaats in verschillende carroseries is uitgespoten.

Met AI kan de regellus dus worden gesloten en systeembesturing of onderhoudscycli sneller en efficiënter worden aangepast.

Vroege foutdetectie bij verfschoppen

Bij de verfschoppen bieden AI- en analytics-toepassingen het potentieel om foutbronnen op zo'n vroeg stadium te detecteren dat fouten nauwelijks nog kunnen ontstaan: als er geen stof aan de carroserie vastzit voordat geschilderd wordt, hoeft er later niets afgemaakt te worden.