Виробництво завжди було балансом між швидкістю, якістю та інноваціями. Для виробників споживчих упакованих товарів цей балансовий акт стає ще складнішим, оскільки портфелі продуктів розширюються, формати упаковки розвиваються швидше, а виробничі лінії, як очікується, врахуватимуть більше варіацій, ніж будь-коли раніше. У той же час споживачі продовжують очікувати бездоганної продукції щоразу, коли роблять покупку.
Proctor & Gamble (P&G) хоче забезпечити найкращу якість для своїх клієнтів. У тисячах продуктів і виробничих ліній по всьому світу навіть невеликі зміни в матеріалах, упаковці, графіці, текстурах або виробничих умовах можуть вплинути на результати якості. Традиційні технології інспекції були розроблені для більш раннього світу. Сучасне виробництво вимагає чогось більш адаптивного.
Цей виклик допомагає пояснити, чому Інспекція якості на основі штучного інтелекту стає одним з найважливіших застосувань промислового штучного інтелекту. Можливість перевіряти кожен продукт на повній швидкості виробництва, вчитися на варіаціях, а не бути порушеним ними, і масштабувати ці можливості в усьому світі дає виробникам новий спосіб конкуренції. Visual Inspection Cockpit (VIC) компанії Siemens, розроблена у співпраці з компанією P&G, демонструє, як штучний інтелект, обчислення Industrial Edge та машинний зір можуть перетворити забезпечення якості з виробничих вимог у стратегічну перевагу бізнесу.
Забезпечення контролю якості для вирішення складних, швидших виробничих процесів
Швидкі виробничі лінії P&G, завдяки своїй високій мінливості, є саме тим середовищем, де процес перевірки є вимогливим і вимагає конкретного, розумного рішення. Виробничі лінії повинні забезпечувати високу пропускну здатність, постійні інновації продуктів, що розвиваються конструкції упаковки та матеріали, які природно розтягуються, зміщуються, зморщуються або змінюються під час виробництва.
Історично для виявлення проблем якості використовувалися системи машинного зору, засновані на правилах. Хоча вони ефективні в стабільних умовах, ці системи часто вимагають ретельного переналаштування щоразу, коли змінюються продукти, матеріали, умови освітлення або виробничі налаштування. Зі збільшенням виробничої мінливості збереження ефективності перевірки може стати все більш ресурсоємним.
Як пояснив Роланд Джозеф, старший технічний директор з інтелектуального управління та автоматизації в P&G: «Традиційні системи зору, засновані на правилах, просто намагаються задовольнити вимоги перевірки ключових атрибутів якості продукції та постійних змін, які впроваджують наші інноваційні та виробничі середовища. Нам потрібні можливості, які є значно більш гнучкими та надійними».
Те, що P&G потребувала, була не просто краща система перевірки. Компанія потребувала принципово іншого підходу, здатного забезпечити безперервну точність перевірки на швидкості лінії, адаптуючись до реалії сучасного виробництва.
Промислові периферійні обчислення роблять AI доступним для масштабного розгортання
За кілька років до партнерства з Siemens компанія P&G вже визначила потенціал глибокого навчання для вирішення проблем контролю якості, які традиційні технології намагалися вирішити. Компанія успішно розробила та розгорнула внутрішнє рішення в більш ніж 150 виробничих середовищах, підтвердивши цінність перевірки на основі штучного інтелекту.
Наступним викликом був масштаб.
Розгортання промислового штучного інтелекту в усьому світі вимагає більше, ніж розробка точних моделей. Це вимагає стандартизованої інфраструктури, надійної обчислювальної потужності, оперативної стійкості, управління життєвим циклом, процесів розгортання програмного забезпечення та довгострокової підтримки. Це можливості, які перетворюють успішний пілот на загальнокорпоративний потенціал.
Співпрацюючи з Siemens, P&G поєднала свій виробничий досвід та інновації глибокого навчання з нашою платформою Industrial Edge, промисловими ПК, що працюють на графічних процесорах NVIDIA, та промисловою інфраструктурою штучного інтелекту, розробленою для розгортання на різних об'єктах та виробничих середовищах.
«Ми розробили це рішення, - сказав Пол Томас, директор з машинного зору та застосованого штучного інтелекту в P&G, - щоб вирішити безліч галузевих проблем, які традиційні системи зору не могли торкнутися: точна характеристика компонентів, що перекриваються, тонкість дефектів з низьким контрастом, складність високодекорованих продуктів та упаковки, тісна координація часу, інтеграція PLC в режимі реального часу з відхиленням одного продукту при високих темпах виробництва з постійною перевіркою».
Результатом є рішення, яке дозволяє Industrial AI працювати там, де відбувається виробництво: безпосередньо на заводі, в режимі реального часу та зі швидкістю.
