Oplossingen
Tijdens een bezoek aan het TRUMPF laserapplicatiecentrum maakt Daniel Weller kennis met een nieuwe ontwikkeling in het bereik detectiesystemen. "We werkten tot nu met de beeldverwerkingssoftware VisionLine Detect van TRUMPF wat ons bij de verwerking van de gangbare celcontactsystemen bijzonder goed heeft geholpen", vertelt Daniel Weller. Met het cloudgebaseerde trainingsplatform EasyModel AI schakelde TRUMPF zonder enige twijfel een niveau hoger. De combinatie van EasyModel AI en de optie AI-filter voor de TRUMPF beeldverwerking VisionLine Detect herkent variabele ongevingsvoorwaarden, onderdeelreflecties, wisselende belichtingen en schommelingen in de materiaaleigenschappen. "Kort nadat EasyModel AI van TRUMPF officieel op de markt kwam, kregen we de opdracht voor een complex celcontactsysteem dat ons met hun lengte van twee meter en 50 lasposities voor grote uitdagingen plaatste. EasyModel AI kwam dus net op tijd", aldus Weller.
EasyModel AI is een tool dat ook kan worden gebruikt door gebruikers zonder enige informaticakennis. Het laat toe om op eenvoudige wijze eigen beeldgebaseerde AI-modellen op maat van componenten te bouwen en te trainen. In een eerste stap nemen we met behulp van VisionLine Detect foto's van de segmenten van het component waarop de lasposities moeten worden gemarkeerd. Deze beelden worden via Quality Data Storage bij ons afgeleverd die we vervolgens in EasyModel AI inlezen, dat we eenvoudig kunnen openen via ons MyTRUMPF-platform", legt Weller uit. Zodra een project is klaargemaakt, markeren Weller en zijn collega's de te detecteren lasposities op de beelden en begint de AI met het registreren en berekenen van het model. Dit kan door de operator intuïtief stuk voor stuk worden geoptimaliseerd. Er zijn maar een paar trainingsbeelden nodig voor een functionerend AI-model. Zodra het model naar tevredenheid is, wordt het doorgestuurd naar de productielijn. Het is in deze fase dat de optie AI-filter voor VisionLine Detect in beeld komt. Dit filter maakt een nauwkeurig onderscheid tussen de relevante beeldbereiken en bereiken zoals inrichting, vervuiling of reflectie. "Hiet wordt het onderscheid tussen VisioLine Detect met en zonder AI-filter duidelijk", aldus Weller, die verder verduidelijkt. "Het AI-filter maakt het beeld binair, presenteert de voorstelling dus uitsluitend in zwart en wit. Het herkende component wordt wit terwijl het omliggende bereik zwart wordt voorgesteld. Op deze manier konden de algoritmen voor randherkenning het te detecteren lasbereik probleemloos identificeren." Tot nu toe gebruikten Weller en zijn team de TRUMPF beeldverwerking VisionLine Detect met een positieafhankelijke belichting. Deze werd doelgericht aangepast om de betreffende positie betrouwbaar te herkennen. Het proces moest individueel aan de betreffende positie in het bewerkingsveld worden aangepast om de verschillende reflectie van de componentoppervlakken te compenseren. Dit proces was bijzonder tijdintensief en hing af van een groot aantal invloedsfactoren. Bovendien moest het voor elke positie van het component afzonderlijk worden uitgevoerd.
Realisatie
Voor de implementatie van de nieuwe oplossing werd bij ElringKlinger de optie EasyModel AI met AI-filter geactiveerd. Daarna volgde een korte introductiefase. "TRUMPF medewerkers hebben ons tijdens de inbedrijfstelling van de preserie-installatie direct aan het component doorheen alle processtappen begeleid", vertelt Weller. "Na één tot twee uur was ons eerste component klaar." Als er nu nog onduidelijkheden zijn, beantwoorden de TRUMPF experten deze vanop afstand of via een Teams sessie. Het samenspel wordt met Quality Data Storage van TRUMPF een stuk lichter. De gegevens worden er opgeslagen en bewaard. Indien nodig kunnen ze met de specialisten van TRUMPF worden gedeeld.
De eenvoud van het trainingsproces is voor Weller een van de belangrijkste voordelen van EasyModel AI: "voor een goed resultaat hebben we nu geen dagen meer nodig. Het lukt op een paar uur." Belangrijk is ook dat er geen enkele voorkennis vereist is om een goed resultaat te bekomen. "Dit wordt met name belangrijk wanneer de serieproductie is gestart en onze minder geroutineerde collega's in de verschillende locaties kleine aanpassingen moeten doen. Het systeem werkt volgens het principe 'What You See Is What You Get'. Dat is ook gemakkelijk te begrijpen door niet-IT'ers", zegt Weller. De mogelijkheid om kleine aanpassingen te doen, is ook voor Weller zelf en zijn collega's een voordeel: "elk celcontactsysteem is anders opgebouwd. Vaak zijn de verschillen echter minimaal. Dankzij AI zijn we nu in staat om bestaande trainingsbeelden van celcontactsystemen als basis te gebruiken voor nieuwe modellen, waarbij we de beperkte afwijkingen gewoon natrainen. Dit versnelt de ontwikkelingsfase opnieuw."
