Audi implementează inteligenţa artificială pentru verificările de calitate din unitatea sa de ambutisare

·          Prima aplicaţie intră în etapa de dezvoltare pentru fabricaţia de serie

·          Procedura de detectare a fisurilor din unitatea de ambutisare va fi automatizată prin sisteme de învăţare automatizate

·          Acest proces reprezintă încă o etapă importantă a digitalizării companiei

Audi este unul dintre primii producători auto din lume care planifică introducerea sistemelor de învăţare automatizată (machine learning - ML) în producţia sa de serie. Softul dezvoltat de Audi identifică şi marchează chiar şi cele mai fine fisuri din componentele produse din foi metalice, procedura fiind automată, fiabilă şi executată în doar câteva secunde. Cu acest proiect, Audi avansează utilizarea inteligenţei artificiale în cadrul companiei şi revoluţionează procedura de testare în procesul de producţie. 

Designul sofisticat al automobilelor Audi şi standardele ridicate de calitate ale mărcii impun inspectarea tuturor componentelor imediat după ieşirea acestora din secţia de ambutisare a fabricilor. Astfel, în prezent, angajaţii execută o inspecție vizuală, suplimentar faţă de micile camere video instalate direct în prese. Aceste camere evaluează imaginile cu ajutorul unui soft de analiză a imaginilor. Această procedură va fi în curând înlocuită de o procedură automatizată ML (machine learning). Această procedură inovatoare include un soft care funcționează pe baza unei reţele neuronale artificiale. Softul poate detecta şi marca inclusiv cele mai fine fisuri în foile metalice, lucrând cu cea mai înaltă precizie.

"În prezent testăm procedurile noastre automatizate de inspectare a componentelor pentru producţia de serie în cadrul secţiei de ambutisare din Ingolstadt. Această metodă le oferă suport angajaţilor noştri şi reprezintă încă un important pas în strategia de transformare a unităţilor de producţie Audi în fabrici smart ultra-moderne," a declarat Jörg Spindler, cel care conduce centrul de excelență Audi dedicat echipamentelor şi tehnologiei de formare. 

Soluţia se bazează pe tehnologia deep-learning, care este o formă specială a tehnologiei de învăţare automatizată şi care are capacitatea de a prelucra volume foarte mari de date extrem de ne-structurate, precum imaginile. Echipa a investit mai multe luni de muncă de "instruire" a rețelei neuronale artificiale, în baza a milioane de imagini de test. Cele mai mari provocări au fost ridicate, pe de o parte, de crearea unei baze de date suficient de mari şi, pe de altă parte, de aşa-numita etichetare a imaginilor. În imaginile folosite ca mostre, echipa a marcat fisuri cu precizie de un pixel, fiind necesar cel mai înalt nivel de acurateţe. Efortul a meritat, deoarece reţeaua neuronală învaţă acum în manieră independentă din exemple şi detectează fisurile chiar şi pe imagini noi, încă necunoscute sistemului. Baza de date cuprinde acum mai mulți terabiţi de imagini de test provenite de la şapte prese ale unităţii de producţie Audi din Ingolstadt, plus mai multe unităţi de producţie ale mărcii Volkswagen.

"Inteligenţa artificială şi învăţarea automatizată reprezintă tehnologii esențiale pentru viitorul Audi. Cu ajutorul acestora, vom continua să avansam sustenabil transformarea companiei," a precizat Frank Loydl, Chief Information Officer (CIO) la AUDI AG. "În cadrul acestui proiect inter-departamental, dezvoltăm împreună o soluţie pe care Audi o va utiliza exclusiv în cadrul companiei şi care este unică pe piaţă." Softul a fost dezvoltat în cea mai mare parte intern, cu resursele companiei, de la idee la prototipul final. Începând cu mijlocul anului 2016, departamentul de Inovaţie al diviziei Audi IT lucrează în strânsă colaborare cu divizia de Tehnologie a Producţiei centrului de excelență Audi dedicat echipamentelor şi tehnologiei de formare.

În viitor, verificările de calitate pe baza tehnologiei ML vor înlocui detectarea optică actuală a fisurilor pe bază de camere video de mici dimensiuni. Aceasta înseamnă însă lucrări manuale de mare anvergură. Camerele trebuie reconfigurate pentru fiecare nouă componentă produsă în secția de ambutisat, fie uşi, capote sau aripi. De asemenea, regulat, intervin detectări false, deoarece algoritmii simpli ai programului de procesare a imaginilor sunt dependenţi în foarte mare măsură de factori ambientali, precum lumina şi proprietățile suprafeţelor.

Pe viitor, va fi posibil ca abordarea ML să fie aplicată şi în diferite alte inspecţii vizuale de calitate. Dacă sunt disponibile suficiente seturi de date etichetate, sistemul poate fi utilizat şi în secţiile de vopsitorie sau de asamblare, de exemplu.