Megoldások
Daniel Weller a TRUMPF lézer alkalmazásközpontban tett látogatása alkalmával figyelt fel az érzékelőrendszerek területén született új fejlesztésre. "Eddig a TRUMPF VisionLine Detect képfeldolgozó szoftverrel dolgoztunk, ami máris sokat segített nekünk az általánosan elterjedt cellaérintkeztető rendszerek (CÉR) megmunkálásában", meséli Daniel Weller. A felhő alapú EasyModel AI edző platformmal a TRUMPF ismét egy fokkal emeli a szintet: Az EasyModel AI és a TRUMPF VisionLine Detect képfeldolgozás AI szűrő opciójának kombinációja felismeri a változó környezeti feltételeket, az alkatrész tükröződéseket, a változó megvilágítási helyzeteket és az anyag minőségének ingadozásait. "Röviddel azután, hogy a TRUMPF hivatalosan felajánlotta az EasyModel AI-t, megbízást kaptunk egy komplex cellaérintkeztető rendszerre, amely két méteres hosszával és 50 hegesztési pozíciójával nagy kihívások elé állított minket. Az EasyModel AI épp jókor jött", mondja Weller.
Az EasyModel AI egy olyan eszköz, amely a programozási ismeretekkel nem rendelkező felhasználók számára is lehetővé teszi saját kép alapú AI modellek egyszerű létrehozását és edzését az alkatrészekhez testreszabottan. "Az első lépésben egyszerűen képeket veszünk fel a VisionLine Detect segítségével az alkatrész azon szegmenseiről, ahol hegesztési pozíciókat kell beállítani. A képeket a Quality Data Storage révén elmentjük és utána be lehet tölteni azokat az EasyModel AI-be, ami egyszerűen elérhető a MyTRUMPF platformunkon keresztül", magyarázza Weller. Miután létrejött a projekt, Weller és kollégái kijelölik a képeken az érzékelendő hegesztési pozíciókat és az AI elkezd kiértékelni és kiszámítani egy modellt. Ezt a kezelő lépésről lépésre optimalizálhatja. Egy működő AI modellhez kevés edzési kép szükséges. Amint egy kielégítő modell áll rendelkezésre, átvitelre kerül a gyártósorra. Ott alkalmazzák a VisionLine Detect AI szűrő opciót. A szűrő pontosan megkülönbözteti a releváns képtartományokat és az olyan területeket, mint a készülékek, szennyeződések vagy tükröződések. "Itt látható egyértelműen a különbség az AI szűrős és anélküli VisionLine Detect között", mondja Weller és részletezi. "Az AI szűrő binarizálja a képet - tehát egy kizárólag fehér-fekete ábrát hoz létre. A felismert alkatrész fehér lesz, míg a körülötte lévő tartományok feketén jelennek meg. Így az élfelismerő algoritmusok probléma nélkül azonosíthatják az érzékelendő hegesztési tartományt." Eddig Weller és csapata a TRUMPF VisionLine Detect képfeldolgozást használta egy pozíciófüggő expozícióval. Ezt célzottan variálták az illető pozíció megbízható felismerése érdekében. Az alkatrészfelületek különböző tükröződésének kiegyenlítéséhez a folyamatot egyénileg kellett az illető pozícióhoz igazítani a megmunkálási területen. Az eljárás időigényes volt és számos befolyásoló tényezőtől függött - emellett pedig minden alkatrészpozícióhoz külön-külön végre kellett hajtani.
Megvalósítás
Az új megoldás alkalmazásához elegendő volt az ElringKlinger-nél aktiválni az EasyModel AI opciót az AI szűrővel és egy rövid bevezető szakasz. "A TRUMPF munkatársak minden folyamatlépésnél közvetlenül az alkatrésznél támogattak minket az előszéria berendezés üzembe helyezése során", meséli Weller. "Egy-két óra alatt kész volt az első alkatrészünk." Ha most valami nem tiszta, a TRUMPF szakértők egyszerűen távoli támogatás vagy Teams ülések keretén belül válaszolnak. A TRUMPF a Quality Data Storage által megkönnyíti az együttműködést. Ott elhelyezhetők és elmenthetők adatok, és szükség esetén megoszthatók a TRUMPF szakértőkkel.
Az edzési folyamat egyszerűsége Weller szemében az EasyModel AI egyik fő előnye: "A jó eredményekhez már nem kell több nap, hanem csak pár óra." Fontos, hogy többé már nem szükségesek előzetes ismeretek a jó eredmények eléréséhez. "Ez akkor nagyon fontos, amikor a sorozat elindult és kevésbé rutinos kollégáinknak a telephelyeken módosításokat kell végrehajtaniuk. A rendszer a ‚what-you-see-is-what-you-get‘ elv alapján működik. A nem programozók is könnyen boldogulnak vele", mondja Weller. A kis módosítások elvégzésének lehetősége számára és kollégáinak is előnyös: "Minden CÉR másképp épül fel, de néha az eltérések minimálisak. Az AI segítségével most fel tudjuk használni a meglévő CÉR edzési képeket új modellek alapjaként csupán néhány apró módosítás egyszerű utólagos betanításával. Ez még jobban felgyorsítja a fejlesztési szakaszt."
