Digital Industries | Proizvodnja

Inspekcija kvaliteta koju pokreće AI na globalnom nivou

Autor: Ali Ali, menadžer prodaje, Siemens potrošački proizvodi i roba

Proizvodnja je oduvek bila balansiranje između brzine, kvaliteta i inovacije. Za proizvođače robe široke potrošnje taj akt balansiranja je još složeniji jer se portfelj proizvoda širi, formati ambalaže se razvijaju brže, a očekuje se da će proizvodne linije prihvatiti više varijacija nego ikada ranije. Istovremeno, potrošači i dalje očekuju besprekorne proizvode svaki put kada izvrše kupovinu.

Proctor & Gamble (P&G) želi da obezbedi najbolji kvalitet za svoje kupce. Na hiljadama proizvoda i proizvodnih linija širom sveta, čak i male promene materijala, ambalaže, grafike, teksture ili proizvodnih uslova mogu uticati na rezultate kvaliteta. Tradicionalne tehnologije inspekcije dizajnirane su za raniji svet. Savremena proizvodnja zahteva nešto prilagodljivije.

Taj izazov pomaže objasniti zašto Inspekcija kvaliteta zasnovana na AI pojavljuje se kao jedna od najvažnijih primena industrijske AI. Sposobnost pregleda svakog proizvoda punom brzinom proizvodnje, učenja iz varijacija, a ne da bude poremećena njime, i skaliranje tih mogućnosti na globalnom nivou daje proizvođačima novi način da se takmiče. Siemensov kokpit za vizuelnu inspekciju (VIC), razvijen u saradnji sa P&G, pokazuje kako AI, industrijsko računarstvo i mašinski vid mogu transformisati osiguranje kvaliteta iz proizvodnih zahteva u stratešku poslovnu prednost.

Omogućavanje inspekcije kvaliteta za rešavanje složenih, bržih proizvodnih procesa

Brze proizvodne linije kompanije P&G, sa svojom velikom promenljivošću, upravo su okruženje u kojem je proces inspekcije zahtevan i zahteva specifično, pametno rešenje. Proizvodne linije moraju da primaju visoku propusnost, stalne inovacije proizvoda, razvoj dizajna ambalaže i materijale koji se prirodno protežu, pomeraju, naboraju ili variraju tokom proizvodnje.

Istorijski gledano, sistemi mašinskog vida zasnovani na pravilima korišćeni su za otkrivanje problema sa kvalitetom. Iako su efikasni u stabilnim okruženjima, ovi sistemi često zahtevaju opsežno prilagođavanje kad god se proizvodi, materijali, uslovi osvetljenja ili proizvodna podešavanja promene. Kako se varijabilnost proizvodnje povećava, održavanje performansi inspekcije može postati sve intenzivnije za resurse.

Kao što je Roland Joseph, viši tehnički direktor, Inteligentne kontrole i automatizacija u P&G, objasnio: „Tradicionalni sistemi vida zasnovani na pravilima jednostavno se bore da zadovolje zahteve ključnih inspekcija kvaliteta proizvoda i stalnih promena koje unose naša inovaciona i proizvodna okruženja. Potrebne su nam mogućnosti koje su znatno agilnije i robusnije.“

Ono što je P&G-u trebao nije bio samo bolji sistem inspekcije. Kompaniji je bio potreban fundamentalno drugačiji pristup, sposoban da pruži kontinuiranu preciznost inspekcije pri brzini linije, a istovremeno se prilagođava realnosti savremene proizvodnje.

Industrijsko računarstvo čini AI primenjivim u velikom obimu

Nekoliko godina pre partnerstva sa Siemensom, P&G je već identifikovao potencijal dubokog učenja za rešavanje izazova inspekcije kvaliteta koje su konvencionalne tehnologije borile da reše. Kompanija je uspešno razvila i primenila interno rešenje u više od 150 proizvodnih okruženja, dokazujući vrednost inspekcije koju pokreće AI.

Sledeći izazov je bio skala.

Primena industrijske AI na globalnom nivou zahteva više od razvoja tačnih modela. Zahteva standardizovanu infrastrukturu, pouzdanu računarsku snagu, operativnu otpornost, upravljanje životnim ciklusom, procese primene softvera i dugoročnu podršku. To su mogućnosti koje transformišu uspešnog pilota u sposobnost celog preduzeća.

Partnerstvom sa Siemensom, P&G je kombinovao svoju proizvodnu stručnost i inovacije dubokog učenja sa našom Industrial Edge platformom, industrijskim računarima powered by pokreću NVIDIA GPU-ovi i industrijskom AI infrastrukturom dizajniranom za implementaciju u više objekata i proizvodnih okruženja.

„Dizajnirali smo ovo rešenje“, rekao je Paul Thomas, direktor mašinskog vida i primenjene AI u P&G, „da bismo rešili bezbroj industrijskih izazova koje tradicionalni vidni sistemi nisu mogli dodirnuti: tačna karakterizacija preklapajućih komponenti, suptilnost nedostataka niskog kontrasta, složenost visoko ukrašenih proizvoda i ambalaže, uska vremenska koordinacija, integracija PLC-a u realnom vremenu sa jednim odbacivanjem proizvoda pri visokim stopama proizvodnje uz kontinuiranu inspekciju.“

Rezultat je rešenje koje omogućava Industrial AI da radi tamo gde se proizvodnja odvija: direktno na podu postrojenja, u realnom vremenu i brzinom.

Povezani linkovi:

Sposobnost pregleda svakog proizvoda punom brzinom proizvodnje, učenja iz varijacija, a ne da bude poremećena njime, i skaliranje tih mogućnosti na globalnom nivou daje proizvođačima novi način da se takmiče. Siemensov kokpit za vizuelnu inspekciju (VIC), razvijen u saradnji sa P&G, pokazuje kako AI, industrijsko računarstvo i mašinski vid mogu transformisati osiguranje kvaliteta iz proizvodnih zahteva u stratešku poslovnu prednost.

Sistemi mašinskog vida postaju platforma za Industrial AI

VIC je značajan ne samo zbog onoga što radi, već i zbog onoga što predstavlja.

U svojoj srži, VIC koristi semantičku segmentaciju vođenu veštačkom inteligencijom za analizu živih produkcijskih slika i identifikaciju problema sa kvalitetom koja bi bilo teško otkriti korišćenjem tradicionalnih pristupa zasnovanih na pravilima. Radeći na Siemens Industrial Edge Edge-u, sistem vrši analizu u realnom vremenu bez ugrožavanja propusnosti i može automatski pokrenuti nizvodne proizvodne radnje kada se utvrde nedostaci.

Širi diferencijator je, međutim, da VIC nije izolovana aplikacija. To je deo rastućeg Siemensovog ecosystem koji industrijsku veštačku inteligenciju čini praktičnom, skalabilnom i ponovljivom u proizvodnim okruženjima.

Na primer, Siemens SIMATIC portfolio automatizacije pruža skalabilnu osnovu automatizacije koja omogućava proizvođačima da standardizuju i prošire operacije u svim objektima uz održavanje doslednosti i operativne efikasnosti. Ista filozofija podupire VIC: standardizovana primena, ponovljivi inženjering i upravljanje na nivou preduzeća, a ne prilagođavanje lokacije po lokaciji.

Slično tome, naš SinThai tehnologija pokazuje kako se mašinski vid koji pokreće AI može ubrzati generisanjem sintetičkih podataka, omogućavajući proizvođačima da brže kreiraju i obučavaju modele vida, istovremeno smanjujući napor povezan sa prikupljanjem i označavanjem podataka o fizičkim slikama. Kako se usvajanje mašinskog vida širi, sintetički podaci i razvoj modela AI postaju važni dodatak tehnologijama primene proizvodnje kao što je VIC.

Drugi primer je Siemens Vision AI Control for Machines rešenje, koje koristi Industrial Edge i AI analizu u realnom vremenu kako bi omogućilo mašinama da otkriju uslove, donose odluke i direktnu interakciju sa PLC-ovima na fabričkom spratu. Slično kao i VIC, približava AI mogućnosti operacijama, omogućavajući brže odgovore i veću autonomiju bez oslanjanja na udaljene računarske resurse.

Uzete zajedno, ove tehnologije otkrivaju šta bi moglo biti Siemensov najznačajniji diferencijator u industrijskoj AI: ne jedna aplikacija, već okvir od kraja do kraja koji pomaže proizvođačima da razviju, primenjuju, razmere i upravljaju veštačkim veštačkim veštačkim veštačkim sposobnostima tokom čitavog životnog ciklusa proizvodnje. VIC je jedan primer te strategije na delu.

Industrijska veštačka inteligencija za proizvodnju donosi rezultate izvan inspekcije

U zahtevnim proizvodnim okruženjima kompanije P&G, VIC vrši kontinuiranu inspekciju proizvoda koji se prirodno razlikuju po izgledu, teksturi, grafici, poravnanju, strukturi, slojevitosti i karakteristikama pakovanja. Umesto da se oslanja na usko definisana pravila, sistem se može prilagoditi ovim varijacijama uz održavanje performansi inspekcije.

Kao što je rekao Roland Joseph, „Ne možete isporučiti vrhunsku inovaciju bez sredstava da brzo pregledate i kontrolišete njen kvalitet.“

Merljivi ishodi su ubedljivi. Rešenje pruža kontinuiranu pokrivenost inspekcijom pri punoj brzini proizvodnje, smanjuje otpad za 10 do 20 procenata u zavisnosti od proizvoda, poboljšava konzistentnost u različitim varijantama proizvoda i smanjuje zavisnost od ručnih pregleda i ponovljenih napora za ponovnu validaciju. Nove primene se takođe mogu naručiti pet do deset puta brže od tradicionalnih sistema mašinskog vida po meri.

„Sve je čvršće, tačnije, samopouzdanije“, rekao je Roland Joseph. „Možemo proveriti svaki proizvod i imati dokaze koji će ga potkrepiti.“

Možda je najvažnije, kvalitetne informacije koje generiše VIC postaju deo šireg digitalnog proizvodnog ecosystem, pomažući proizvodnim timovima da identifikuju trendove, poboljšaju stabilnost procesa i podržavaju stalno operativno unapređenje.

Kontrola kvaliteta postaje konkurentska prednost

Priča o VIC-u govori o više od mašinskog vida. Radi se o tome kako proizvođači mogu da pređu sa uzorkovanja na kontinuiranu inspekciju, od statičkih pravila do adaptivne inteligencije i od izolovanih primene do globalno skalabilne industrijske AI. Kombinovanjem AI modela, računarstva Industrial Edge, infrastrukture automatizacije i upotrebljivosti na nivou postrojenja, Siemens i P&G pokazali su kako veštačka inteligencija može postati deo svakodnevnih proizvodnih operacija umesto da ostane ograničena na pilot projekte.

Ta sposobnost ima implikacije daleko izvan proizvodnje robe široke potrošnje. Industrije u rasponu od hrane i pića do farmaceutskih proizvoda, ambalaže, elektronike i napredne proizvodnje suočavaju se sa mnogim istim izazovima: povećanjem složenosti proizvoda, rastućim očekivanjima kvaliteta i potrebom za skaliranjem inovacija bez žrtvovanja operativnih performansi. Proizvođači koji mogu pregledati svaki proizvod, reagovati na varijacije u realnom vremenu, smanjiti otpad i kontinuirano se poboljšavati kroz uvide zasnovane na podacima biće bolje pozicionirani za takmičenje. Naša VIC tehnologija nudi jasan primer kako industrijska AI pomaže da ta budućnost bude moguća danas.

Objavljeno: 15. oktobra 2026