Uz pomoć akustične umjetne inteligencije i automatiziranog postupka kucanja, Resoniks otkriva defekte u metalnim dijelovima brže od bilo kojeg CT-skenera, i to već pri ulaznoj kontroli robe. Riječ je o sistemu koji omogućava mašinama da “slušaju” i na taj način iznova promišlja industrijske procese.
Na Samitu mašinske industrije stručna publika nagradila je rješenje zasnovano na akustičnoj umjetnoj inteligenciji koje automatiziranim kucanjem prepoznaje greške u metalnim komponentama. Time se može značajno smanjiti škart bez skupih i kompleksnih metoda poput CT-snimanja već u fazi prijema robe.
Osnivački dvojac se prvobitno okupio 2022. godine s ciljem da pomoću umjetne inteligencije aktivno rješava probleme u proizvodnji. Prvi proizvod bio je sistem za mjerenje nivoa punjenja u spremnicima. Na osnovu konkretnog problema jednog klijenta s bačvama od nehrđajućeg čelika koje su sadržavale opasne materije, a kod kojih vizuelne metode nisu dolazile u obzir, nastala je ideja da se rješenje potraži u zvuku. Spremnik se lagano kuckao, a zvučni podaci su se analizirali. Samo kucanje izvode mali linearni motori, potpuno automatizirano, tako što se izvuče malo “čekićasto” pomagalo.
“Podaci koje smo prikupili imali su mnogo veći potencijal nego što smo očekivali. Danas ne možemo samo odrediti nivo punjenja, već i znati da li je bačva pravilno zatvorena, da li ima udubljenja ili je potpuno ispravna”, kaže osnivač i CTO Fabian Oberndorfer, koji je ujedno i strastveni muzičar.
“Ljudi već hiljadama godina kuckaju, recimo, po glinenim posudama kako bi čuli ima li u njima pukotina. To iskustveno znanje sada algoritam može preslikati na osnovu audio-podataka”, objašnjava Oberndorfer. Ideja korištenja zvuka, naprimjer za analizu da li mašina radi u optimalnim parametrima, postoji već neko vrijeme. U takvim slučajevima algoritmi uče iz iskustva operatera, koji često već po zvuku znaju da li mašina ima problem.
Mnoge kompanije imaju problem s otkrivanjem defekata u metalnim dijelovima
Međutim, ovaj startup ide korak dalje: “Time što mi aktivno kucamo, možemo ‘slušati’ i predmete koji inače ne proizvode nikakav zvuk i ne šalju nikakve informacije”, objašnjava CTO Resoniksa.
Putem partnera Dassault Systèmes, mlada kompanija je svoju ideju relativno rano predstavila na događaju “Fabrika godine”. “Naše rješenje putem kucanja može izmjeriti veliki broj parametara. Zahvaljujući toj manifestaciji odmah smo dobili povratne informacije iz prakse, gdje bi to moglo biti korisno”, prisjeća se Oberndorfer. Odgovor je bio iznenađujuće jasan: u kontroli kvaliteta mnoge firme imaju ozbiljne probleme s otkrivanjem pukotina, pora ili šupljina u metalnim dijelovima. “Iz toga je proizašao jedan od naših prvih proof-of-concept projekata za akustičnu kontrolu kvaliteta s velikim OEM-om”, navodi Oberndorfer.
Danas je startup razvio cjelovit sistem u koji korisnik, ili robot, samo postavi dio koji treba testirati. Moguće su i izvedbe s transportnim trakama. Zvuk se snima, a algoritmi analiziraju postoji li defekt na komponenti. Kako je dostupna senzorska oprema uglavnom namijenjena laboratorijskim uslovima, tim se odlučio razviti vlastiti hardver, uključujući visoko specijalizirane mikrofone koji snimaju i ultrazvučno područje, te precizno pokrivaju čitav spektar od 20 herca do 80 kilohertza.
Zahvaljujući Samitu mašinske industrije: startup bilježi znatno više upita
Na prijedlog VDMA-a, startup je ove godine učestvovao na takmičenju Startup Award u okviru Samita mašinske industrije i izašao kao pobjednik pitch-prezentacija. To je kompaniji sa sjedištima u Holandiji i Finskoj, u kojoj danas radi oko 20 ljudi, donijelo dodatni zamah. Mnogo toga što su očekivali od učešća već se ostvarilo: “Od tada bilježimo znatno veći broj upita, a nagrada nam je pomogla i u aktuelnoj rundi finansiranja da investitorima pokažemo kolika je stvarna potreba za našim rješenjem”, raduje se Oberndorfer.
U projektima s njemačkim industrijskim klijentima, kako kaže, iznova su nailazili na visok nivo profesionalnosti u saradnji, što nije uvijek podrazumijevano. To je, prema njegovim riječima, i jedan od razloga zašto su odlučili da Njemačku izaberu kao najvažnije početno tržište. Oberndorfer je diplomirani mašinski inženjer koji je prije osnivanja startupa deset godina radio u razvoju proizvoda.
Značajno skraćivanje dugotrajnih procesa kontrole kvaliteta
Posebno veliki potencijal automatizirana kontrola kvaliteta ima u oblasti metalnih dijelova, kao što su štanc-postrojenja, sistemi za kovanje, CNC glodalice, ali i zavarivačke linije. Upravo kod visokokvalitetnih komponenti kontrola kvaliteta je i dalje spora i skupa.
“U konačnici se dio mora uništiti da bi se ispitao, ili se radi CT-snimak, rendgen, ili čovjek ručno i subjektivno procjenjuje da li je dio ispravan”, objašnjava Oberndorfer. Sistem Resoniksa mogu direktno integrirati i proizvođači mašina i postrojenja u svoje proizvode. Tako se već tokom samog proizvodnog procesa može provjeriti da li je komponenta bez grešaka, čime se izbjegava škart.
Istovremeno je moguće u realnom vremenu prilagođavati parametre mašine kako bi se proizvodnja optimizirala. Još jedno važno područje primjene vidi se u predselekciji pri ulaznoj kontroli robe, gdje se u nekim projektima ispostavi da je i do 70 posto jedne serije dijelova neispravno, što se često otkrije tek na samom kraju proizvodnog procesa.
Metoda je posebno isplativa kada se proizvode visoko kompleksni, sigurnosno relevantni dijelovi u dovoljno velikim količinama godišnje, dakle, od nekoliko hiljada komada naviše. To je slučaj u industrijama poput automobilske, energetike, avijacije i pomorstva. Iako ušteda vremena zavisi od konkretnog slučaja, automatizirana metoda je u prosjeku 10 do 100 puta brža. “Postoje dijelovi za koje mi možemo dati rezultat za 20 sekundi, dok je jedina alternativa trenutno CT-snimak koji traje 20 minuta”, ističe Fabian Oberndorfer.
Podaci kao ključni faktor
Kako bi se u statistički relevantnoj analizi procijenilo da li je rješenje pogodno za konkretan problem, u početnoj fazi potrebni su označeni (labelirani) podaci, u prosjeku oko 100 ispravnih dijelova i oko 40 dijelova s različitim vrstama defekata. Sistem se primarno trenira na dobrim dijelovima. “Mi, praktično, stvaramo akustični otisak prsta ispravnog dijela i zatim prepoznajemo odstupanja. To znači da možemo identifikovati i do tada nepoznate tipove grešaka”, objašnjava osnivač. Rad s podacima je često složen, jer je procjena šta je “dobro”, a šta “loše” u kontroli kvaliteta često gruba i djelimično subjektivna.
“U praktičnim projektima vidjeli smo da je prelazak s uspješnog pilot-projekta na stvarni rad u proizvodnoj liniji uvijek veliki korak”, kaže Oberndorfer. Tu dolaze do izražaja pitanja integracije i certifikacije. Zato startup sada nudi plug-and-play sistem za kupovinu ili najam, koji se ne mora duboko integrirati u liniju, već se može postaviti pored nje. “U saradnji s klijentima često jedan pilot vodi ka sljedećem. Obično počinjemo s OEM-ovima, koji nas zatim ‘prosljeđuju’ svojim dobavljačima i time stvaraju prihvatanje tehnologije”, objašnjava Oberndorfer.
Jednostavnost korištenja i sigurnost kao ključni preduvjeti
S obzirom na nedostatak stručnog kadra, posebno u oblasti kontrole kvaliteta, startup je od samog početka veliki fokus stavio na jednostavnost upotrebe. “Po mom mišljenju, softver kao povezni element često se potcjenjuje. Većina naših zaposlenih zapravo radi na tome da softver bude što jednostavniji za korištenje i da se procesi oko prikupljanja i označavanja podataka maksimalno automatiziraju”, ističe osnivač.
Velika pažnja posvećena je i sigurnosti te cyber-sigurnosti. Cloud se koristi samo za treniranje algoritama. Nakon toga, istrenirani model radi autonomno i sigurno na edge-u, na industrijskom računaru. Putem OPC-UA interfejsa omogućena je komunikacija s drugim mašinama.
Revolucija umjetne inteligencije u akustičkim podacima?
Ako računska snaga u budućnosti nastavi rasti, a cijene padati, biće moguće generisati akustični otisak prsta i na osnovu sintetičkih podataka. Time bi se značajno skratilo zahtjevno označavanje podataka, a metoda bi se isplatila i kod manjih serija.
Prema mišljenju CTO-a, potencijal ove tehnologije je jednako velik kao što je to bio – i još uvijek jeste – kod slikovne i tekstualne umjetne inteligencije. U budućnosti bi moglo postati sasvim normalno da se, recimo, pomoću mobilnog telefona i zvuka kucanja analizira da li nakon pada s bicikla karbonski okvir ima mikropukotine, da li je kaciga još uvijek sigurna ili šta, primjerice, nije u redu s grijanjem. “Teoretski, sve dok postoji referenca, može se utvrditi da li je nešto strukturno ispravno, ako zvuči onako kako treba zvučati. To mi je izuzetno fascinantno”, zaključuje Fabian Oberndorfer.
Do kraja godine planirano je zatvaranje aktuelne runde finansiranja startupa. U sljedećem koraku fokus će biti na uvođenju većeg broja pilota direktno u proizvodne linije, kako bi se na toj osnovi mogli rješavati sve kompleksniji problemi. Također je planirana intenzivnija saradnja s proizvođačima mašina koji žele integrirati sistem u svoje proizvode. Dugoročno, u oblasti mašinskog i postrojenjskog inženjeringa, startup traži i partnere među kooperantima koji mogu preuzeti izradu dijelova hardvera, poput velikih mjernih postrojenja.
. . .
Tekst Kako jedan startup želi revolucionirati kontrolu kvaliteta! preveden je sa portala Produktion.de
