AI og vision skal fjerne flaskehalse på dansk maskinfabrik
Maskinfabrikken Johannes Pedersen og start-up firmaet DeepVis er gået sammen i et MADE-projekt, hvor brug af AI- og visionteknologi skal realisere store tidsbesparelser i forbindelse med kontrol af emner.
Maskinfabrikken Johannes Pedersen og start-up firmet DeepVis har i forbindelse med et projekt, der er støttet gennem MADE programmet, implementeret nye AI- og visionteknologier til kontrol af emner i firmaets produktion. Fabrikken, der blandt andet leverer togdele og cykelholdere til S-toge samt karosseridele til klassiske biler med mere, kontrollerer i dag alle deres svejsninger manuelt.
- Operatøren bliver meget træt, hvis han skal kontrollere 5.000 emner og lige så mange svejsninger på en plade, siger indkøbsansvarlig hos Johannes Pedersen Maskinfabrik, Falko Thuesen, der fortæller, at der kan være op til 12 svejsninger på bare en enkelt cykelholder.
Til et netværksmøde gennem den EU-finansierede digitaliseringshub i det Nordjyske – AddSmart - mødte Falko Thuesen start-up virksomheden DeepVis, der producerer AI Vision systemer til industrien. Firmaet havde en potentiel løsning, der bare endnu ikke var testet i metalindustrien.
Carl Gustav Fagerlund, der er medstifter af DeepVis, har demonstrerer teknologien på en af Johannes Pedersens cykelholdere og forklarer:
- 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 bevise, 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.
En række tests af DeepVis' AI-teknologi på cykelholdernes svejsninger har givet særdeles positive resultater.
Ifølge DeepVis har systemet en konfidensgrad – altså en sikkerhed i vurderingen af svejsningens kvalitet - på mellem 75 og 95 procent på hver svejsning. 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. 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, siger han.
Mere arbejde i vente
- 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: Det vil sige inde i selve svejsningen, for at skabe en endnu stærkere kvalitetstest.
Siden Kickstart projektets afslutning og optagelsen af videoen har Johannes Pedersen og Deepvis fået godkendt endnu et projekt i MADE: Et demonstrationsprojekt som skal løfte resultatet af Kickstart til nye højder i forhold til bl.a. metode, validering og kvalitetssikringen af svejsenormer på processerne.
Dette projekt er netop startet op.
