Kunstmatige intelligentie is niet enkel voor de grote maakbedrijven. Ook KMO’s kunnen profiteren van innovaties zoals machine learning en slimme robots. Wij geven een beknopt overzicht van hoe kleinere maakbedrijven AI kunnen inzetten.

 

Toepassing 1: automatisch problemen opsporen

Voldoet het onderdeel aan de vereisten? Is het materiaal intact? Heeft het de juiste afmetingen? Dankzij een combinatie van 3D-imaging en machine learning zijn robots nu in staat om de toestand van materialen te beoordelen. Een voorbeeld hiervan is de ‘inspector’ van Bosch APAS. Afhankelijk van het model, inspecteert het toestel ofwel matte ofwel reflectieve oppervlakken en spoort het de kleinste fouten op, zoals oneffenheden, krassen en haarfijne breuken. De ‘inspector’ leert dankzij image processing, en kan hierdoor gebruik maken van vastgelegde patronen als benchmark in volgende kwaliteitscontroles. De menselijke collega’s van de machine kunnen bovendien de opsporingsprecisie van de ‘inspector’ verbeteren door het regelmatig nieuwe onderdelen te tonen, met telkens andere problemen. Op deze manier leert het apparaat wat het kan accepteren en wat het dient af te keuren. Daarnaast analyseert het ook afbeeldingen en slaat deze op. En sinds de individuele modules onderling verwisselbaar zijn, kan de ‘inspector’ snel van de ene controle naar de andere verplaatst worden.

 

Toepassing 2: deep-leaning software luistert goed

Zicht is niet het enige ‘zintuig’ dat AI ter tafel brengt. Dankzij kunstmatige intelligentie kunnen machines ook horen. Het bedrijf 3Dsignals heeft bijvoorbeeld een slimme oplossing ontwikkeld voor ‘sound-based condition monitoring’. Wat dit betekent? Op basis van het geluid dat een systeem maakt, zullen ervaren machineoperatoren of onderhoudswerkers weten of het soepel draait, of dat er haperingen dreigen aan te komen. Uiteraard is dit niet de betrouwbaarste methode, en vereist het de nodige aandacht en skills van het personeel. ‘Predisound’ belooft beide problemen aan te pakken. Deze technologie bestaat uit verschillende ultrasone geluidssensoren, ingebouwd in machines die men wil monitoren. Tijdens de productie wordt het hele geluidsspectrum opgenomen, en vervolgens overgezet op een centraal softwareonderdeel, gebaseerd op een neuraal netwerk. Door middel van deep learning kan deze software vaststellen welke geluiden, en variaties hierop, in de gaten gehouden moeten worden. Omdat de software continu leert, zal het hier ook steeds beter in worden en steeds preciezer de kritische geluiden kunnen vaststellen. Hierdoor kunnen problemen worden blootgelegd die niet door het menselijke oor waargenomen kunnen worden. ‘Predisound’ brengt vervolgens de technici op de hoogte voordat de fout zich voordat en uitval veroorzaakt. Hierdoor wordt regelmatig tussentijds onderhoud overbodig.

 

Toepassing 3: de lerende robot

Een andere slimme machine is de Franka Emika. De machine heeft een lichte arm, gebaseerd op die van de mens. Hierdoor is hij enorm handig in zijn bewegingen. Met Franka Emika wil ontwikkelaar Sami Haddadin een deep-learning robot creƫren die geen verdere programmatie vereist. De mens geeft Franka de robot een taak, en Franka zoekt de beste methode om deze taak tot uitvoering te brengen. Maar dat is nog niet alles! Nadat Franka de meest efficiƫntie manier heeft vastgesteld om een taak te voltooien, geeft hij deze door aan andere robots via de cloud. Hierdoor valt de programmatie van andere robots in het productieproces weg. Momenteel staat Franka echter nog in de kinderschoenen, en wordt hij bestuurd via een app op zijn display. Klanten die al gebruik maken van deze slimme robot zijn onder andere actief in de productie van elektrische producten, de chemie en de logistiek.

 

Bron: hannover-messe.de

Pin It on Pinterest

Shares
Share This