AI en Robotica Inzetten in Multi-Inspectiesystemen voor Foutloze Productie

FIELD INTELLIGENCE: Slimme Processen, Oplossingen & Strategieën

De tijd dat de enige oplossing voor menselijke fouten menselijke correctie was, ligt ver achter ons. Als ingenieurs hebben we vandaag toegang tot slimme technologie die geen eerdere generatie zich ooit had kunnen voorstellen.

Wanneer correct geconfigureerd en toegepast, hebben we aan onze vingertoppen de capaciteit om kunstmatige intelligentie (AI) en robotische technieken, geïntegreerd met meerdere inspectiesystemen, te gebruiken om foutloze producten op een efficiënte snelte te creëren.

Meerdere inspectiesystemen uitgerust met AI en robotische technologie moeten in fabrieken worden toegepast omdat het hebben van verschillende inspectiesystemen kwalitatieve productie mogelijk maakt en, door inspectiedata te gebruiken, slimmere productieprocessen in de toekomst bereikt.

Verschillende inspectiesystemen maken het verzamelen van voldoende data uit diverse bronnen mogelijk om een 99,99 procent zekerheidsniveau van inspectiedata te bereiken.

Inspectie en herwerk zijn vaak de duurste knelpunten voor elk productiesysteem.

Dus door zo'n innovatief systeem te hebben, zouden we de doorvoertijd aanzienlijk verhogen en downtime aanzienlijk verminderen.

Drie Typen Inspectie Geïntegreerd

De meerdere inspectiesystemen bestaan uit robotarmen uitgebreid met sensoren die glijden, temperatuur en visie volgen, naast de reguliere robotische datametrieken.

Fabrikanten kunnen ook een drone uitgerust met visieperferieelen opnemen die een multi-tracking camerasysteem heeft met zowel gewone als warmtekaartfuncties.

Deze drie typen inspectie resulteren in een geïntegreerd, slim inspectiesysteem dat productiegebeurtenissen kan analyseren, vergelijkbaar met hoe zelfrijdende auto's wegcondities analyseren, om het productiesysteem te informeren over benodigde reacties om ongeschonden en ononderbroken productie te garanderen.

Datafusie en AI-gestuurde Correctie

De data verzameld door deze inspecties wordt dan gefuseerd, met behulp van kennisgebaseerde/semantische AI-technieken om afwijkingen te vlaggen, potentiële correctiescenario's voor te stellen en te herhalen uit het archief van eerdere gecorrigeerde data.

De data wordt vervolgens ook gebruikt om de leerdatabase te versterken ter ondersteuning van toekomstige correctiescenario's.

Men kan zich voorstellen dat, op basis van gegeven gemeten metrics, drones dynamisch gecommandeerd kunnen worden 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 productiviteit te verhogen en kosten te verlagen.

Praktische Toepassing in Future Factories Lab

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 productie-industrie. Het systeem wordt gebruikt om geautomatiseerde montage van raketonderdelen na te bootsen (vertegenwoordigend hoe we raketen in de volgende eeuw zouden bouwen).

Het is uitgerust met een overvloed aan sensoren geïntegreerd met algoritmen om het productiesysteem direct scenario's te presenteren om huidige fouten te overwinnen.

Zo'n geïntegreerd inspectiesysteem kan gebruikt worden om productie in zowel discrete als continue productieomgevingen te faciliteren.

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

De huidige experimenten in het laboratorium brengen ons dichterbij een meer omvattend inspectiesysteem dat naadloos geïntegreerd is met kunstmatige intelligentie technieken om productiesystemen te anticiperen, meten, beoordelen en controleren.

Dit werk legt de basis voor toekomstige fabrieken.