Z AI na krawędzi noża

Noże, ostrza i inne sztućce produkowane są w Solingen od wieków. Do dziś około 90 procent niemieckich producentów sztućców i fasonów pochodzi z miasta w regionie Bergisches Land, które od 2012 roku ma oficjalny przyrostek nazwy "Klingenstadt".

W większości przypadków jakość tych metalowych towarów jest sprawdzana przez ludzkie oko lub po prostu przez badanie palcem. Ale to może się wkrótce zmienić: W ramach projektu badawczego "MuPro2" w Katedrze Inżynierii Niezawodności i Analizy Ryzyka (LZR) na Uniwersytecie w Wuppertalu od trzech lat trwają prace nad tym, jak kontrola jakości może być przeprowadzana w pełni automatycznie przy użyciu sztucznej inteligencji (AI) - a więc całkowicie niezależnie od czynnika ludzkiego.

Od czubka ostrza do bolsteru

W ramach projektu producent wysokiej jakości noży kuchennych zlecił krzesłu uruchomienie zautomatyzowanego, w 100% niezawodnego procesu kontroli jakości powierzchni. Noże są wykuwane z różnych stopów stali, szlifowane, wykańczane i kontrolowane - łącznie z wysyłką odbywa się do 55 etapów pracy ręcznej, a od czubka ostrza do bolsteru każdy szczegół musi być dopracowany co do mikrometra.

Zespół badawczy kierowany przez dr Marcina Hinza, starszego inżyniera na katedrze w Wuppertalu prof. Stefana Bracke, od dziesięciu lat pracuje nad praktycznym zastosowaniem sztucznej inteligencji i uczenia maszynowego. W LZR prowadzą głównie projekty badawcze, współpracę przemysłową i kursy dotyczące złożonych produktów technicznych i procesów produkcyjnych. Badacze skupiają się na analizie danych w rozwoju i wytwarzaniu produktów.

Uczenie się na podstawie ogromnych ilości danych

"Aby uzyskać odpowiednie informacje do wspieranej przez AI oceny obrazu powierzchni noży, potrzebowaliśmy najpierw precyzyjnych pomiarów 3D" - wyjaśnia Hinz. Dzieje się tak dlatego, że kamery do oceny obrazu muszą być w stanie niezawodnie wykrywać wady i "uczyć się" ich wcześniej za pomocą AI. Potrzebne są do tego ogromne ilości danych.

Aby wygenerować dane dotyczące powierzchni, do akcji wkroczył specjalista od technologii pomiarowych, firma Mahr. Jednostka biznesowa GAM 3D-Surface firmy Mahr z Oberhausen udostępniła badaczom na dwa tygodnie mobilną maszynę MarSurf CM do pomiaru chropowatości powierzchni noży poprzez skanowanie 3D.

Optyczny system pomiarowy mobilnego MarSurf CM firmy Mahr oparty jest na technologii konfokalnej, jego typowy czas pomiaru wynosi od pięciu do dziesięciu sekund. Urządzenie pomiarowe 3D może być wykorzystywane do wykonywania pomiarów chropowatości zgodnych z normami ISO, analiz struktur 3D oraz pomiarów geometrii. Ocena parametrów struktury i objętości jest automatyczna.

Algorytm decyduje o jakości

Dla projektu noża, naukowcy opracowali dwa zestawy testowe z kamerami dla różnych typów noży w każdym przypadku. Pierwsze stanowisko badawcze wyposażone było w standardowy system kamer, drugie dodatkowo w obiektyw makro i dwa reflektory LED. Próbkami do badań były półfabrykaty do noży, które miały już swój kształt i były drobno szlifowane - "platerowane", jak to się określa w Solingen. W sumie miało zostać przetestowanych ponad 2500 noży, z czego 1750 z urządzeniem Mahr.

Aby móc korzystać z odpowiedniego oprogramowania do oceny Mahr, napisano algorytm specjalnie dla tej uczelni. Kilka algorytmów uczenia maszynowego zostało zasilonych tymi danymi, wytrenowanych i ocenionych. O jakości decydował sam algorytm.

Wskaźnik trafień na poziomie prawie 100 procent

Jak informuje Marcin Hinz, testowe ustawienia przyniosły pożądane rezultaty: "Niezawodność algorytmu była niezwykle wysoka, wskaźnik wynosił 80 procent w przypadku dotykowych urządzeń pomiarowych i prawie 100 procent w przypadku urządzeń 3D."

Producent noży rozważa teraz możliwość zainstalowania takich inteligentnych systemów kamer na wcześniejszych stanowiskach produkcyjnych, aby w razie potrzeby móc interweniować w trwające procesy - i w ten sposób uniknąć odrzutów i przeróbek.

Ponadto, w krótkim okresie czasu rozważano również zintegrowanie techniki pomiarowej bezpośrednio z produkcją, ale zostało to wykluczone ze względu na koszty. "W linii produkcyjnej jest dużo kurzu, brudu, pozostałości oleju i wiórów - byłoby to o wiele za złe dla urządzenia. Jednak CM mobile doskonale wspierał nas w budowaniu solidnej wiedzy podstawowej", mówi Hinz.

Pierwotnie projekt nie miał być tak duży i był tylko małym studium. Jednak sukces i proste połączenie analizy powierzchni 3D, oceny danych i uczenia się algorytmu otworzyło ogromne pole do badań, jak wyjaśnia Hinz. W tym zakresie można oczekiwać kolejnych projektów.