AI-løsning fjerner flaskehals på maskinfabrik
Maskinfabrikken Johannes Pedersen og startuppen DeepVis arbejder sammen i et MADE-projekt for at opnå vigtige tidsbesparelser med AI og visionteknologi til kontrol af mange tusinde emner. Det åbner for større ordrer og et nyt marked.
Maskinfabrikken Johannes Pedersen og startuppen DeepVis har slået pjalterne sammen for at opnå vigtige tidsbesparelser med AI og visionteknologi til kontrol af mange tusinde emner, heriblandt fremstillingen af karosseridele til klassiske biler. Foto: MADE
Store ordrer banker på hos Johannes Pedersens Maskinfabriks brede industriporte i det midtjyske. Men fabrikken, der blandt andet leverer togdele så som cykelholdere til S-toge, har svært ved at følge med, fordi alle deres svejsninger i dag kontrolleres manuelt.
"Operatøren bliver meget træt, hvis han skal kontrollere 5.000 emner og lige så mange svejsninger på pladen”, fortæller indkøbsansvarlig hos Johannes Pedersen Maskinfabrik, Falko Thuesen, imens han udpeger de op til 12 svejsninger på bare en enkelt cykelholder.
Til et netværksmøde gennem den EU-finansierede digitaliseringshub i det Nordjyske – AddSmart - mødte Falko Thuesen en netværksdeltager med en potentiel løsning. Løsningen var bare endnu ikke testet i metalindustrien.
Carl Gustav Fagerlund er medstifter af startuppen DeepVis, der producerer AI Vision systemer til industrien. Han demonstrerer teknologien på en af Johannes Pedersens cykelholdere og forklarer:
"Når vi hiver vision-systemet på slæden, begynder vi at tage billeder af emnet. Allerede der har den fundet en fejl”.
Visionsystemet befinder sig i en sort boks, som via slæden kan trækkes frem og tilbage på en skinne. Via et hul i boksen kan man trække slæden over.
DeepVis deltog også på netværksmødet og så et stort potentiale i at teste deres teknologi af med Johannes Pedersen.
”Vi har fået dokumenteret den effekt, vi har haft hos mange af vores kunder i plastindustrien. Nu prøver vi at overføre den samme model-knowhow til metalindustrien. Hvis vi kan få bevist, at det kan det samme - og få det godkendt til visuel kontrol - åbner det et nyt marked, hvor vi kan servicere metalindustrien”, forklarer Carl Gustav Fagerlund.
Derfor blev de hurtigt enige om at søge et Kickstartprojekt hos MADE, hvor virksomheder får støtte til at teste ny teknologi.
En række tests af DeepVis’ AI-teknologi på cykelholdernes svejsninger vækker nu stor optimisme for fremtiden.
”Det er gået rigtig godt. Ifølge DeepVis har systemet en konfidensgrad – altså en sikkerhed i vurderingen af svejsningens kvalitet - på mellem 75 og 95 procent på hver svejsning”, siger Falko Thuesen.
Læs også: Forsyningssikkerhed: EU styrker indsatsen for kritiske råstoffer
Det skyldes blandt andet, at den lærer ud fra, hvordan de gode emner ser ud. Det adskiller sig ifølge Carl Gustav Fagerlund fra de mest udbredte AI systemer, der lærer at genkende fejl i emner:
”Ved mange varierende fejl for eksempel når man svejser, ser alle svejsninger jo ikke ens ud. Det er en kæmpe fordel, at man bare definerer de gode emner og ikke løbende skal konfigurere alle de nye fejl”, uddyber han.
"Fordelen ved at automatisere kvalitetskontrollen er, at man sikrer en ensartet og god kvalitet. Vi kan dokumentere det, og vi kan aflaste vores svejsekoordinatorer tidsmæssigt og forbedre arbejdsmiljøet, fordi han ikke længere har det meget krævende arbejde med at kigge meget nøjagtigt efter meget små huller i en svejsning”, opsummerer Falko Thuesen.
Næste skridt er at teste svejsninger i bøjninger og at finde en løsning til at teste for fejl, der hvor øjet ikke kan nå: Inde i selve svejsningen, for at skabe en endnu stærkere kvalitetstest.
Derfra skal det blot ”implementeres”, og så ”kører toget”, siger Falko Thuesen.
Kilde: MADE
/ PiB
