Logo
Partner Content biedt organisaties toegang tot het netwerk van De Tijd. De partners zijn verantwoordelijk voor de inhoud.

Een betere visie op slimme productie

‘Door AI te koppelen aan alle andere bedrijfsprocessen en machines komt het echte potentieel ervan naar boven.’ - Jonathan Berte, CEO Robovision

Artificiële intelligentie is het tijdperk van sciencefiction intussen ontgroeid. De technologie heeft haar weg naar het bedrijfsleven gevonden, ook in België. Als je AI dan nog specifiek aan computervisie koppelt, kunnen bedrijven significante efficiëntiewinst boeken. Dat bewijzen deze inspirerende cases.

Van oogziekten tot tumoren, van longontstekingen tot hartafwijkingen. Medische wetenschappers komen om de haverklap met nieuwe studies waarbij artificiële intelligentie (AI) erin slaagt afwijkingen beter te detecteren dan getrainde artsen. Terwijl het voor medische experts als radiologen en pathologen vaak een tijdrovende klus betekent, kan het voor een AI algoritme amper een fractie daarvan kosten om afwijkingen in weefsels of medisch beeldmateriaal te identificeren.

‘Intelligentie bouwen was in het verleden arbeidsintensief’, vertelt Jonathan Berte, CEO van Robovision, een Gentse onderneming die software ontwikkelt om te leren zien wat we willen zien. ‘Een team van pientere programmeurs schreef algoritmes, zeg maar een set regeltjes in digitale code. Bijvoorbeeld: “Als de camera een donkere pixel ziet in een wit plastic product, catalogeer het gevisualiseerde object dan als fout”. De nieuwe generatie AI doet die klus in de plaats van de programmeurs, dankzij de techniek van deep learning en machine learning. Hiermee kan je complexe artefacten en productiefouten in fabrieken detecteren, zonder dat je zelf een algoritme hoeft te schrijven. Door het systeem de juiste voorbeelden te tonen (zowel goede als slechte), laat je het platform zelf het algoritme schrijven’, legt Berte uit.

‘delaware heeft voor haar SAP-klanten een connector ontwikkeld waarmee het Robovision-platform wordt gekoppeld aan de kwaliteitsmodule in SAP (SAP Quality Management).’ - Alexander Naessens, SAP digital manufacturing solutions lead delaware

Vergelijk het met een kind dat al doende leert. Als het kind tegen een willekeurige muur trapt dan zal het kind dankzij die pijnprikkel alle soorten muren (hoge, lage, rode, gele …) voortaan catalogeren als ‘iets waar je beter niet tegen trapt’. Bij deep learning is dat net hetzelfde. Niet alleen in de medische wereld vinden AI, machine learning en visuele data elkaar steeds beter. Ook in de maakindustrie bewijst de technologie zijn nut, zoals bij Niko, de Belgische specialist in huisautomatisering en schakelmateriaal (zie case).

Geen koterij naast koterij 

Dankzij computervisie en AI kun je ook afwijkingen detecteren die je niet met het blote oog ziet. ‘Een van onze klanten beschikt over een fabriek waar ze gigantische rollen flinterdun aluminium verwerken. Tijdens het afrollen van de bobijnen kunnen scheuren ontstaan, waardoor de productie urenlang stilligt. Met computervisie en AI kan je tijdens het afrollen scheurtjes detecteren die niet voor het blote oog zichtbaar zijn. Op die manier kan de technologie proactief en realtime de rotatiesnelheid van de bobijnen verlagen om een volledige scheur te vermijden’, geeft Sven Arnauts, manager van delaware.ai, als voorbeeld. ‘Het is niet van belang wat je met het blote oog kan zien, zolang een camera het maar kan zien. En als je bijvoorbeeld multispectraalcamera's en thermische camera’s gebruikt, zie je nog véél meer dan “gewone” camera’s.’

‘Je hoeft geen kennis van programmeren te hebben om een algoritme te laten schrijven.’ - Sven Arnauts, manager delaware.ai.

‘Belangrijk is dat je alleen door integratie de volle potentie van AI kunt inzetten. Als je AI koppelt aan alle andere bedrijfsprocessen en machines komt het echte potentieel van AI naar boven’, schetst Jonathan Berte. ‘AI kan je wel helpen om defecten te detecteren, maar om meer efficiëntie te bereiken, moet je je ook de vraag stellen: waarom is er een defect? Is het omdat er veel trillingen waren in de machine? Is het omdat de temperatuur te hoog was? Is het omdat de grondstoffen van een andere leverancier kwamen? Is het omdat de operator onvoldoende ervaring heeft met de machine? Daarom moet je AI integreren in je enterprise resource planning (ERP) en machinepark. De resultaten van de visuele kwaliteitscontrole integreren in de end-to-end supply chain processen (zoals aankoop en verkoop), kan bijvoorbeeld door de oplossing van Robovision te connecteren met het kwaliteitsmeetsysteem van het bedrijf. Zo heeft delaware voor haar SAP-klanten een connector ontwikkeld waarmee het Robovision-platform wordt gekoppeld aan de kwaliteitsmodule in SAP (SAP Quality Management). Eenmaal dergelijke connecties er zijn, kan je AI ook inzetten om realtime te anticiperen op afwijkingen. Bijvoorbeeld door de machine proactief wat trager te laten draaien, de temperatuur te corrigeren, enzovoort. Alleen zo creëer je een fabriek van de toekomst met een enkel ecosysteem. Anders bouw je gewoon nieuwe koterij, naast alle andere koterijen.’

Europese goudmijn aan data 

Hoewel de technologie al zijn weg heeft gevonden in het Belgische bedrijfsleven, blijft de vraag: waarom maken nog niet alle productiebedrijven gebruik van AI? ‘We mogen niet vergeten dat we ook bij ons in België veel complexe productieprocessen hebben’, zegt Alexander Naessens, SAP digital manufacturing solutions lead bij delaware.

‘Als we het over AI hebben, denken velen dat de lamp alleen in Silicon Valley en China brandt. Nochtans genieten we in Europa van een unieke combinatie van decennialange productie-ervaring en academisch sterke R&D-centra. Het is technologie die echt niet meer ver-van-ons-bed is, maar reeds zelfs deel uitmaakt van ons dagelijks leven. Denk maar aan gepersonaliseerde reclame of uw Netflix-aanbevelingen. Bedrijven zitten vaak op een goudmijn aan data, maar ontginnen die niet. AI kan helpen om efficiëntiewinsten te boeken en concurrentievoordelen te behalen. En dat is ook nodig als je op lange termijn wil overleven.’

Bijna driekwart minder onterecht afgekeurd materiaal

Niko produceert alle schakelmateriaal in eigen huis. Elke dag rollen in de vestiging in Sint-Niklaas grote hoeveelheden afdekplaatjes en ander afwerkingsmateriaal van de band. Die moeten niet alleen perfect aansluiten op de schakelaars en stopcontacten, ze moeten er ook perfect uitzien.

Vroeger gebeurde de kwaliteitscontrole deels automatisch en deels manueel. Alleen: een aanzienlijk deel van de plaatjes werd onterecht afgekeurd, en een ander deel ging onterecht door. Dat betekent natuurlijk hoge kosten: ‘goede’ plaatjes werden niet verkocht en gerecycleerd, en een deel van de ‘slechte’ plaatjes belandde toch in de winkels. ‘Door AI en computervisie toe te passen daalde het aantal “goede” producten dat onterecht van de band werd gehaald met 72 procent. Het aantal “slechte” producten dat onterecht op de band bleef, kromp dan weer met 33 procent’, schetst Sven Arnauts, manager van delaware.ai dat het project samen met Robovision uitrolde.

Hoe ging dat precies in z’n werk? ‘We hebben het AI-platform gevoed met een paar honderd beelden van juiste en slechte afdekplaatjes. Op de foute duidden we de defecten aan, zelfs tot op pixelniveau. Op die manier schreef het AI-platform in enkele uren zelf een algoritme. Bij de lopende band staat een high speed-camera waarlangs alle plaatjes voorbijsnellen en zo worden de slechte meteen gedetecteerd’, vertelt Sven Arnauts. ‘De grote voordelen zijn niet alleen accuraatheid, kostenefficiëntie en tijdwinst: je hoeft ook geen kennis van programmeren te hebben om een algoritme te laten schrijven. Bovendien draait deze technologie in de cloudoplossingen van Microsoft Azure. Je hebt dus geen duur serverpark nodig.’

Deep learning is niet alleen nuttig omdat heel veel productafwijkingen moeilijk manueel in kaart te krijgen zijn. Een bijkomend voordeel is dat je het AI-systeem niet helemaal opnieuw hoeft te trainen als er productvarianten op de band komen. Bijvoorbeeld als er grijze of blauwe plaatjes in plaats van witte plaatjes op de band passeren. ‘Let wel: AI kan dan wel elk defect plaatje detecteren, daarmee is de kous nog niet af. Je hebt ook een robotarm of pusher nodig die de foute plaatjes van de band haalt.’

U kan het ‘Efficiency in Operations e-book’ van delaware hier downloaden. Daarin vindt u meer informatie over de samenwerking tussen Robovision en delaware.

Lees verder

Logo
Partner Content biedt organisaties toegang tot het netwerk van De Tijd. De partners zijn verantwoordelijk voor de inhoud.