Řešení
Během návštěvy v Laserovém aplikačním centru TRUMPF se Daniel Weller velmi zajímal o nový vývoj v oblasti detekčních systémů. „Dosud jsme pracovali se softwarem ke zpracování obrazů VisionLine Detect od TRUMPF, což nám již velmi pomohlo při zpracování systémů kontaktování článků (ZKS)“, vypráví Daniel Weller. S tréninkovou platformou EasyModel AI na bázi cloudu společnost TRUMPF úroveň ještě o něco zvýšila: Kombinace EasyModel AI a opce UI filtr pro zpracování obrazů TRUMPF VisionLine Detect rozpozná proměnlivé podmínky okolního prostředí, odrazy dílů, měnící se situace osvětlení a výkyvy u vlastností materiálů. „Krátce poté co byl EasyModel AI od TRUMPF oficiálně nabízen, jsme obdrželi přirážku pro komplexní systém kontaktování článků, což nás s dvoumetrovou délkou a 50 polohami svařování stavělo před velké výzvy. To přišel EasyModel AI právě včas“, říká Weller.
EasyModel AI je nástroj, který i uživatelům bez znalostí programování umožňuje, zcela jednoduše vytvářet a trénovat vlastní modely UI na bázi obrazu přesně k dílům. „V prvním kroku jednoduše pomocí VisionLine Detect zaznamenáme obrazy segmentů dílu, na kterých musí být přesně stanoveny polohy svařování. Obrazy jsou pomocí Quality Data Storage u nás uloženy a my je potom můžeme načíst v EasyModel AI, do kterého se jednoduše dostaneme přes naši platformu MyTRUMPF“, vysvětluje Weller. Poté co je projekt založen, označí Weller a jeho kolegové na obrazech detekované polohy svařování a UI začne s vyhodnocováním a výpočtem modelu. Ten může obsluha intuitivně kus po kuse optimalizovat. Pro funkční model UI stačí již několik tréninkových obrazů. Jakmile je k dispozici uspokojivý model, je přenesen na výrobní linku. Tam se uplatní opce UI filtr pro VisionLine Detect. Filtr přesně rozlišuje mezi relevantními rozsahy obrazu a oblastmi jako přípravky, znečištění nebo odrazy. „Zde se zřetelně ukáže rozdíl mezi VisionLine Detect s UI filtrem a bez něj“, říká Weller a objasňuje. „UI filtr binarizuje obraz – vytvoří tedy znázornění výhradně v černé a bílé. Rozpoznaný díl je znázorněn bíle, zatímco okolní oblasti jsou znázorněny černě. Tak mohou algoritmy rozpoznávání hran bez problémů identifikovat detekovanou oblast svařování.“ Dosud používal Weller a jeho tým TRUMPF zpracování obrazů VisionLine Detect s expozicí závisející na poloze. To bylo cíleně pozměňováno kvůli spolehlivému rozpoznání příslušných poloh. Proces musel být individuálně přizpůsoben příslušné poloze v poli obrábění, aby se vyrovnal rozdílný odraz povrchů dílů. Postup byl časově náročný a závisel na četných ovlivňujících faktorech – kromě toho bylo nutné jej provádět zvlášť pro každou polohu dílu.
Realizace
Pro používání nového řešení stačilo u firmy ElringKlinger začlenění opce EasyModel AI s UI filtrem a krátká úvodní fáze. „Pracovníci TRUMPF nás během uvedení předsériového zařízení do provozu doprovázeli přímo u dílu všemi procesními kroky“, vypráví Weller. „Po jedné, dvou hodinách jsme měli hotový náš první díl.“ Když se dnes objeví nejasnosti, zodpoví nám je odborníci TRUMPF jednoduše prostřednictvím vzdálené podpory nebo v relacích Teams. Spolupráce je usnadněna s Quality Data Storage od TRUMPF. Tam lze odkládat a ukládat data a v případě potřeby je sdílet se specialisty TRUMPF.
Jednoduchost tréninkového procesu je pro Wellera jednou z hlavních výhod EasyModel AI: „Pro dobré výsledky již nepotřebujeme dny, nýbrž hodiny.“ Důležité také je, že k dosažení dobrých výsledků nejsou předem potřeba žádné znalosti. „To je zvláště důležité tehdy, když se rozběhla série a naši méně rutinovaní kolegové na stanovištích musí provádět malé úpravy. Systém pracuje podle principu ‚what-you-see-is-what-you-get‘. To je i pro neprogramátory snadno srozumitelné,“ říká Weller. Možnost provádět menší úpravy je výhodou také pro něj a jeho kolegy: „Každý ZKS je jinak uspořádán, ale někdy jsou rozdíly jen minimální. Nyní jsme s pomocí UI schopni, stávající tréninkové obrazy ZKS používat jako základ pro nové modely, tím že nepatrné odchylky jednoduše dotrénujeme. To ještě urychlí fázi vývoje.“
