Tillverkning har alltid varit en balans mellan hastighet, kvalitet och innovation. För tillverkare av konsumentförpackade varor är denna balansåtgärd ännu mer komplex eftersom produktportföljerna expanderar, förpackningsformat utvecklas snabbare och produktionslinjer förväntas rymma mer variation än någonsin tidigare. Samtidigt fortsätter konsumenterna att förvänta sig felfria produkter varje gång de gör ett köp.
Proctor & Gamble (P&G) vill säkerställa bästa kvalitet för sina kunder. I tusentals produkter och produktionslinjer över hela världen kan även små förändringar i material, förpackningar, grafik, texturer eller produktionsförhållanden påverka kvalitetsresultaten. Traditionell inspektionsteknik designades för en tidigare värld. Modern tillverkning kräver något mer anpassningsbart.
Den utmaningen hjälper till att förklara varför AI-baserad kvalitetskontroll växer fram som en av de viktigaste tillämpningarna av industriell AI. Möjligheten att inspektera varje produkt i full produktionshastighet, lära av variation snarare än att störas av den, och skala dessa funktioner globalt ger tillverkarna ett nytt sätt att konkurrera. Siemens Visual Inspection Cockpit (VIC), utvecklad i samarbete med P&G, visar hur AI, Industrial Edge computing och maskinsyn kan omvandla kvalitetssäkring från ett produktionskrav till en strategisk affärsfördel.
Effektiv kvalitetskontroll för att hantera komplexa, snabbare tillverkningsprocesser
P&Gs snabba produktionslinjer, med sin höga variation, är exakt den miljö där inspektionsprocessen är krävande och kräver en specifik, smart lösning. Produktionslinjer måste rymma hög genomströmning, ständig produktinnovation, utvecklande förpackningsdesign och material som naturligt sträcker sig, skiftar, rynkar eller varierar under tillverkningen.
Historiskt sett har regelbaserade maskinsynssystem använts för att upptäcka kvalitetsproblem. Även om de är effektiva i stabila miljöer kräver dessa system ofta omfattande omjustering när produkter, material, ljusförhållanden eller produktionsinställningar ändras. När tillverkningsvariabiliteten ökar kan bibehållandet av inspektionsprestanda bli allt mer resurskrävande.
Roland Joseph, Senior Technical Director, Intelligent Controls and Automation på P&G, förklarade: ”Traditionella, regelbaserade visionssystem kämpar helt enkelt för att möta kraven på viktiga kvalitetsattributinspektioner och de ständiga förändringar som våra innovations- och tillverkningsmiljöer inför. Vi behöver kapaciteter som är betydligt mer flexibla och robusta.”
Vad P&G behövde var inte bara ett bättre inspektionssystem. Företaget behövde ett fundamentalt annorlunda tillvägagångssätt, en som kunde leverera kontinuerlig inspektionsprecision vid linjehastighet samtidigt som den anpassades till verkligheten i modern tillverkning.
Industriell edge computing gör AI distribuerbar i stor skala
Flera år innan de samarbetade med Siemens hade P&G redan identifierat potentialen med djupinlärning för att lösa kvalitetskontrollutmaningar som konventionell teknik kämpade för att hantera. Företaget utvecklade och distribuerade framgångsrikt en intern lösning i mer än 150 produktionsmiljöer, vilket bevisar värdet av AI-driven inspektion.
Nästa utmaning var skala.
Att implementera industriell AI globalt kräver mer än att utveckla exakta modeller. Det kräver standardiserad infrastruktur, tillförlitlig datorkraft, operativ motståndskraft, livscykelhantering, programvarudistributionsprocesser och långsiktig support. Det här är de funktioner som förvandlar en framgångsrik pilot till en företagsomfattande kapacitet.
Genom att samarbeta med Siemens kombinerade P&G sin tillverkningsexpertis och djupinlärningsinnovation med vår Industrial Edge-plattform, industridatorer som drivs av NVIDIA-grafikprocessorer och industriell AI-infrastruktur utformad för distribution i flera anläggningar och produktionsmiljöer.
”Vi konstruerade den här lösningen”, säger Paul Thomas, chef för maskinsyn och tillämpad AI på P&G, ”för att lösa en mängd branschutmaningar som traditionella synsystem inte kunde beröra: exakt karakterisering av överlappande komponenter, subtiliteten hos defekter med låg kontrast, komplexiteten hos högdekorerade produkter och förpackningar, snäv tidssamordning, PLC-integration i realtid med enstaka produktavslag vid höga produktionshastigheter med kontinuerlig inspektion.”
Resultatet är en lösning som gör det möjligt för Industrial AI att fungera där tillverkningen sker: direkt på fabriksgolvet, i realtid och snabbt.