Produksjon har alltid vært en balansegang mellom hastighet, kvalitet og innovasjon. For produsenter av forbrukerpakkede varer er denne balansegangen enda mer kompleks ettersom produktporteføljene utvides, emballasjeformater utvikler seg raskere, og produksjonslinjer forventes å imøtekomme mer variasjon enn noen gang før. Samtidig fortsetter forbrukerne å forvente feilfrie produkter hver gang de kjøper.
Proctor & Gamble (P&G) ønsker å sikre den beste kvaliteten for sine kunder. På tvers av tusenvis av produkter og produksjonslinjer over hele verden kan selv små endringer i materialer, emballasje, grafikk, teksturer eller produksjonsforhold påvirke kvalitetsresultatene. Tradisjonelle inspeksjonsteknologier ble designet for en tidligere verden. Moderne produksjon krever noe mer tilpasningsdyktig.
Utfordringen forklarer hvorfor AI-basert kvalitetskontroll fremstår som en av de viktigste applikasjonene av industriell AI. Evnen til å inspisere hvert produkt i full produksjonshastighet, lære av variasjon i stedet for å bli forstyrret av det, og skalere disse mulighetene globalt gir produsenter en ny måte å konkurrere på. Siemens Visual Inspection Cockpit (VIC), utviklet i samarbeid med P&G, demonstrerer hvordan AI, Industrial Edge computing og maskinsyn kan forvandle kvalitetssikring fra et produksjonskrav til en strategisk forretningsfordel.
Effektiv kvalitetskontroll for å håndtere komplekse, raskere produksjonsprosesser
P&Gs raske produksjonslinjer, med sin høye variasjon, er akkurat det miljøet der inspeksjonsprosessen er krevende og krever en spesifikk, smart løsning. Produksjonslinjer må imøtekomme høy gjennomstrømning, konstant produktinnovasjon, utviklende emballasjedesign og materialer som naturlig strekker seg, skifter, rynker eller varierer under produksjonen.
Historisk sett har regelbaserte maskinsynssystemer blitt brukt til å oppdage kvalitetsproblemer. Selv om de er effektive i stabile miljøer, krever disse systemene ofte omfattende omjustering når produkter, materialer, lysforhold eller produksjonsinnstillinger endres. Etter hvert som produksjonsvariabiliteten øker, kan opprettholdelse av inspeksjonsytelsen bli stadig mer ressurskrevende.
Som Roland Joseph, senior teknisk direktør, Intelligent Controls and Automation hos P&G, forklarte: «Tradisjonelle, regelbaserte visjonssystemer sliter ganske enkelt med å møte kravene til nøkkelkvalitetsattributtinspeksjonene og de konstante endringene våre innovasjons- og produksjonsmiljøer introduserer. Vi trenger evner som er betydelig mer smidige og robuste.»
Det P&G trengte ikke bare et bedre inspeksjonssystem. Selskapet trengte en fundamentalt annerledes tilnærming, en som var i stand til å levere kontinuerlig inspeksjonspresisjon ved linjehastighet samtidig som den tilpasser seg realiteter av moderne produksjon.
Industriell databehandling gjør AI distribuerbar i stor skala
Flere år før samarbeidet med Siemens hadde P&G allerede identifisert potensialet i dyp læring for å løse kvalitetskontrollutfordringer som konvensjonell teknologi slet med å løse. Selskapet utviklet og distribuerte vellykket en intern løsning i mer enn 150 produksjonsmiljøer, noe som beviser verdien av AI-drevet inspeksjon.
Den neste utfordringen var skalaen.
Implementering av industriell AI globalt krever mer enn å utvikle nøyaktige modeller. Det krever standardisert infrastruktur, pålitelig datakraft, driftsbestandighet, livssyklusadministrasjon, programvaredistribusjonsprosesser og langsiktig støtte. Dette er mulighetene som forvandler en vellykket pilot til en bedriftsomfattende kapasitet.
Ved å samarbeide med Siemens kombinerte P&G sin produksjonsekspertise og dyplæringsinnovasjon med vår Industrial Edge-plattform, industrielle PC-er drevet av NVIDIA-GPU-er og industriell AI-infrastruktur designet for distribusjon på tvers av flere anlegg og produksjonsmiljøer.
«Vi konstruerte denne løsningen,» sa Paul Thomas, direktør for maskinsyn og anvendt AI hos P&G, «for å løse et mylder av industriutfordringer tradisjonelle visjonssystemer ikke kunne berøre: nøyaktig karakterisering av overlappende komponenter, subtiliteten til lavkontrastdefekter, kompleksiteten til høyt dekorerte produkter og emballasje, tett tidskoordinering, sanntids PLS-integrasjon med enkeltproduktavvisning ved høye produksjonshastigheter med kontinuerlig inspeksjon.»
Resultatet er en løsning som gjør det mulig for Industrial AI å operere der produksjonen skjer: direkte på anleggsgulvet, i sanntid og raskt.