Produktion har altid været en balance mellem hastighed, kvalitet og innovation. For producenter af forbrugspakkede varer er denne balancegang endnu mere kompleks, efterhånden som produktporteføljerne udvides, emballageformater udvikler sig hurtigere, og produktionslinjerne forventes at rumme mere variation end nogensinde før. Samtidig forventer forbrugerne fortsat fejlfri produkter, hver gang de foretager et køb.
Proctor & Gamble (P&G) ønsker at sikre den bedste kvalitet for sine kunder. På tværs af tusindvis af produkter og produktionslinjer verden over kan selv små ændringer i materialer, emballage, grafik, teksturer eller produktionsforhold påvirke kvalitetsresultaterne. Traditionelle inspektionsteknologier blev designet til en tidligere verden. Moderne produktion kræver noget mere tilpasningsdygtigt.
Denne udfordring hjælper med at forklare hvorfor AI-baseret kvalitetskontrol fremstår som en af de vigtigste anvendelser af industriel AI. Evnen til at inspicere hvert produkt med fuld produktionshastighed, lære af variation i stedet for at blive forstyrret af det og skalere disse kapaciteter globalt giver producenterne en ny måde at konkurrere på. Siemens Visual Inspection Cockpit (VIC), udviklet i samarbejde med P&G, demonstrerer, hvordan AI, Industrial Edge computing og machine vision kan omdanne kvalitetssikring fra et produktionskrav til en strategisk forretningsfordel.
Effektiv kvalitetskontrol til håndtering af komplekse, hurtigere fremstillingsprocesser
P&G's hurtige produktionslinjer er med deres høje variabilitet netop det miljø, hvor inspektionsprocessen er krævende og kræver en specifik, smart løsning. Produktionslinjer skal rumme høj kapacitet, konstant produktinnovation, udviklende emballagedesign og materialer, der naturligt strækker sig, skifter, rynker eller varierer under fremstillingen.
Historisk set er regelbaserede maskinsynssystemer blevet brugt til at opdage kvalitetsproblemer. Selvom de er effektive i stabile miljøer, kræver disse systemer ofte omfattende retuning, når produkter, materialer, lysforhold eller produktionsindstillinger ændres. Efterhånden som produktionsvariabiliteten øges, kan opretholdelse af inspektionsydelsen blive mere og mere ressourcekrævende.
Som Roland Joseph, Senior Technical Director, Intelligent Controls and Automation hos P&G, forklarede: „Traditionelle, regelbaserede visionsystemer kæmper simpelthen for at imødekomme kravene til de vigtigste inspektioner af produktkvalitetsattributter og de konstante ændringer, som vores innovation og produktionsmiljøer introducerer. Vi har brug for kapaciteter, der er betydeligt mere fleksible og robuste.“
Det, P&G havde brug for, var ikke blot et bedre inspektionssystem. Virksomheden havde brug for en fundamentalt anderledes tilgang, en, der var i stand til at levere kontinuerlig inspektionspræcision ved linjehastighed, samtidig med at den tilpasses realiteter i moderne fremstilling.
Industriel edge computing gør AI implementerbar i stor skala
Flere år før partnerskabet med Siemens havde P&G allerede identificeret potentialet i dyb læring til at løse kvalitetskontroludfordringer, som konventionelle teknologier kæmpede for at løse. Virksomheden har med succes udviklet og implementeret en intern løsning på tværs af mere end 150 produktionsmiljøer, hvilket beviser værdien af AI-drevet inspektion.
Den næste udfordring var skalaen.
Implementering af industriel AI globalt kræver mere end at udvikle nøjagtige modeller. Det kræver standardiseret infrastruktur, pålidelig computerkraft, driftsmodstandsdygtighed, livscyklusstyring, softwareimplementeringsprocesser og langsigtet support. Dette er de muligheder, der omdanner en vellykket pilot til en virksomhedsdækkende kapacitet.
Ved at samarbejde med Siemens kombinerede P&G sin produktionsekspertise og deep learning-innovation med vores Industrial Edge-platform, industrielle pc'er, der drives af NVIDIA-GPU'er, og industriel AI-infrastruktur designet til implementering på tværs af flere faciliteter og produktionsmiljøer.
„Vi konstruerede denne løsning,“ sagde Paul Thomas, direktør for maskinsyn og anvendt AI hos P&G, „for at løse et utal af brancheudfordringer, som traditionelle visionsystemer ikke kunne røre ved: nøjagtig karakterisering af overlappende komponenter, subtiliteten af defekter med lav kontrast, kompleksiteten af højt dekorerede produkter og emballage, stram tidskoordination, PLC-integration i realtid med enkelt produktafvisning ved høje produktionshastigheder med kontinuerlig inspektion.“
Resultatet er en løsning, der gør det muligt for Industrial AI at fungere, hvor produktionen sker: direkte på anlægsgulvet, i realtid og med hastighed.