Využití umělé inteligence v automatizované výrobě

Umělou inteligenci můžeme v poslední době najít v celé řadě odvětví. Ve strojírenství je jejím největším přínosem zvýšení efektivity a rychlosti výroby. Problémy, které strojírenské společnosti musí řešit je převážně častá změna zadávání výroby a současně nedostatek pracovních sil, které jsou ochotny vykonávat monotónní manuální práci.

Moderní výzkumné a inovační centrum INTEMAC se specializuje na pokročilé výrobní technologie a digitalizaci výroby s využitím prvků konceptu Průmysl 4.0. Dohromady se společností TAJMAC – ZPS, která se zabývá výrobou obráběcích strojů, ve společném projektu využívají umělou inteligenci k posílení flexibility výrobního celku a nahrazení manuální práce.

Výrobní buňka 4.0

Výrobní buňka 4.0 je automatizované pracoviště s orientací na kusovou a malosériovou výrobu. Využívá kombinaci výhod automatizace společně s potřebami malosériové výroby. Díky centralizovanému řízení a propojení výrobních strojů umožňuje flexibilně reagovat na aktuální požadavky. Na tomto výrobním celku se potvrzuje, že i automatizovaná výroba může být flexibilní, pokud se propojí umělá inteligence s centrálním řízením.

Přínosem pro výrobní firmy je, že již nemusí zaměstnávat lidi na manuální práci a programátory pro úpravy a změny drah robota. Zadávání nových typů výrobků dokáže obsluha zadávat bez potřeby znalosti programování. Ušetřením financí za pracovní síly je možné snížit náklady na kusovou výrobu na úroveň sériové.

Jak tato umělá inteligence funguje?

V tomto případě je umělá inteligence součástí vision systému, který snímá černobílý obraz oblasti dopravníku, na kterém se polotovary nachází v libovolném pořadí a natočení. Fotografie je zaslána na vstup dvojici neuronových sítí, které detekují polohu a rozměry polotovarů. Informace se využijí k navigaci robota, který je z pásu odebírá.

Neuronové sítě se podle předložených podkladů učí podobně jako lidé. Obsahují buňky, které si předávají signály, ze kterých následně vyhodnocují nejlepší výsledek. Mají taktéž schopnost zobecnění, díky které dokážou znalosti aplikovat i na odlišné podmínky, než při kterých se učily.

Proces učení

Proces učení má tři části. V první z nich probíhá sběr dat, který v tomto případě představoval focení kovových polotovarů různých velikostí a tvarů na dopravníku.

V rámci druhého kroku anotace dat je obraz poslán do první neuronové sítě, vyhledané objekty jsou vyříznuty z původního velkého obrazu a upraveny do čtvercového rozměru.

Poslední částí je závěrečné učení neuronové sítě.Druhá síť získá přesnější tvar objektu pomocí masky, ze které se následně vyhodnotí horní strana objektu a vypočítá se jeho umístění na scéně, rozměry a orientace. Po získání masek jednotlivých objektů jsou všechny zpracovány do jedné velké masky pro celý pás. Z finální masky pásu se poté získají informace potřebné pro robota.

Výsledkem je dvoustupňové rozpoznávání pomocí dvou typů neuronových sítí. Díky nim vision systém spolehlivě detekuje všechny druhy a rozměry použitých materiálů. Integrační platforma na základě získaných dat rozhoduje o pořadí výroby jednotlivých typů výrobků dle aktuální výrobní dávky.

Source
Národní centrum průmyslu 4.0IntemacTajmac-ZPSUnsplash
Tags

Pavla Pölzerová

Studentka ČVUT a MUNI, která miluje cestování a jednou si koupí chameleona.

Související články

Back to top button
Close
Close