Производство всегда обеспечивало баланс между скоростью, качеством и инновациями. Производителям упакованных потребительских товаров найти баланс еще сложнее, поскольку портфели продуктов расширяются, форматы упаковки развиваются быстрее, а производственные линии, как ожидается, будут адаптироваться к большему разнообразию, чем когда-либо прежде. В то же время потребители продолжают ожидать безупречных продуктов при каждой покупке.
Proctor & Gamble (P&G) стремится обеспечить своим клиентам наилучшее качество. На тысячах продуктов и производственных линий по всему миру даже небольшие изменения в материалах, упаковке, графике, текстурах или условиях производства могут повлиять на качество. Традиционные технологии контроля были разработаны для более раннего мира. Современное производство требует чего-то более адаптируемого.
Эта проблема помогает объяснить, почему Контроль качества на основе искусственного интеллекта становится одним из наиболее важных применений промышленного искусственного интеллекта. Возможность осматривать каждый продукт на полной скорости производства, изучать изменения, а не поддаваться их влиянию, а также масштабировать эти возможности по всему миру позволяет производителям по-новому конкурировать. Система Visual Inspection Cockpit (VIC) компании Siemens, разработанная в сотрудничестве с P&G, демонстрирует, как искусственный интеллект, вычисления Industrial Edge и машинное зрение могут превратить обеспечение качества из производственного требования в стратегическое бизнес-преимущество.
Обеспечение контроля качества для решения сложных и быстрых производственных процессов
Быстродействующие производственные линии P&G, отличающиеся высокой вариативностью, представляют собой именно ту среду, в которой процесс контроля является сложным и требует специального интеллектуального решения. Производственные линии должны обеспечивать высокую производительность, постоянную инновацию продукции, меняющийся дизайн упаковки и материалы, которые естественным образом растягиваются, перемещаются, мнутся или меняются в процессе производства.
Исторически системы машинного зрения, основанные на правилах, использовались для выявления проблем с качеством. Хотя эти системы эффективны в стабильных условиях, они часто требуют обширной перенастройки при изменении продуктов, материалов, условий освещения или производственных настроек. По мере увеличения вариативности производства поддержание эффективности контроля может стать все более ресурсоемким.
Как пояснил Роланд Джозеф (Roland Joseph), старший технический директор по интеллектуальному управлению и автоматизации компании P&G: «Традиционные системы машинного зрения, основанные на правилах, просто не соответствуют требованиям контроля ключевых характеристик качества продукции и постоянным изменениям, которые вносят наши инновации и производственная среда. Нам нужны значительно более гибкие и надежные возможности».
Компания P&G нуждалась не просто в улучшенной системе контроля. Компании требовался принципиально иной подход, способный обеспечить непрерывную точность контроля на линейной скорости и при этом адаптироваться к реалии современного производства.
Промышленные периферийные вычисления делают искусственный интеллект доступным для масштабного развертывания
За несколько лет до сотрудничества с Siemens компания P&G уже определила потенциал глубокого обучения для решения проблем контроля качества, которые с трудом решались традиционными технологиями. Компания успешно разработала и внедрила внутреннее решение в более чем 150 производственных средах, доказав ценность контроля на основе искусственного интеллекта.
Следующей проблемой стал масштаб.
Для развертывания промышленного искусственного интеллекта по всему миру требуется нечто большее, чем просто разработка точных моделей. Для этого требуется стандартизированная инфраструктура, надежная вычислительная мощность, эксплуатационная устойчивость, управление жизненным циклом, процессы развертывания программного обеспечения и долгосрочная поддержка. Именно эти возможности превращают успешный пилотный проект в общекорпоративный потенциал.
В партнерстве с Siemens компания P&G объединила свой производственный опыт и инновации в области глубокого обучения с платформой Industrial Edge, промышленными ПК на базе графических процессоров NVIDIA и промышленной инфраструктурой искусственного интеллекта, предназначенной для развертывания на нескольких объектах и производственных средах.
«Мы разработали это решение, — говорит Пол Томас, директор по машинному зрению и прикладному искусственному интеллекту в P&G, — чтобы решить множество отраслевых проблем, с которыми не могли справиться традиционные системы машинного зрения: точное определение характеристик перекрывающихся компонентов, тонкость низкоконтрастных дефектов, сложность декорированных изделий и упаковки, четкая координация времени, интеграция ПЛК в реальном времени, отбраковка одного продукта с высокой производительностью при непрерывном контроле».
В результате появилось решение, которое позволяет Industrial AI работать там, где происходит производство: прямо на заводе, в режиме реального времени и с высокой скоростью.