Siemens – Fjerner folie fra paller med kunstig intelligens
Kunstig intelligens gør det muligt at fjerne folie fra alle slags paller, helt automatisk. Som de første i verden har danske VARO bygget en maskine, der automatisk fjerner folien, og med kunstig intelligens er kunderne helt sikre på, at al folien er væk. Siemens har ageret sparringspartner og leveret platformen, der holder systemet kørende.
Vision-teknologi og AI
For det menneskelige øje er det den nemmeste sag i verden at observere, om folien er fjernet fra en palle eller ej. Men for en maskine har det været tæt på umuligt – lige ind til nu.
Den danske maskinbygger VARO, der blandt andet leverer maskiner til fødevare- og medicinalbranchen, har udviklet en unwrapper, en maskine, der automatisk fjerner folie fra paller. Maskinen er nu suppleret med en løsning baseret på vision-teknologi koblet med kunstig intelligens, der detekterer, om al folien er væk. Med den løsning kan processen foregå helt uden, at en medarbejder skal bruge tid på at holde øje eller fjerne folierester.
Når en palle ankommer til fabrikken eller varehuset, bliver folien automatisk skåret op og suget i en affaldsbeholder, og uanset lysforhold, størrelsen og formen på produktet, og tykkelsen på folien, kan kombinationen af kameraet og algoritmen selv finde ud af, om al folien er væk.
Åbner nye fordele for kunderne
Maskinen i sig selv frigiver tid for medarbejderne hos VAROs kunder. De skal ikke bruge tid på at skære folie af, og operatøren er ikke bundet til at stå og holde øje med maskinen. Det er en stor fordel for alle de industrivirksomheder, hvor det er blevet sværere og dyrere at skaffe arbejdskraft. Samtidig er løsningen med til at digitalisere en traditionel manuel proces, hvilket giver fordele for både kunderne og VARO selv.
”Trenden er, at vores kunder har brug for løbende at hæve deres performance, samtidig med at der er færre mennesker omkring maskinerne. Med digitalisering og kunstig intelligens kan vi tilbyde ekstra ydelser til vores kunder i form af viden og dataopsamling, som de kan bruge til at forbedre deres performance, og som vi kan bruge til at bygge bedre maskiner,” siger Arne Lundfold Bjerring.
Traditionel vision-teknologi er god til almindelig inspektion og kvalitetskontrol, hvor et produkt skal matche et billede 100 procent. Med det kan ikke bruges til at fjerne folie, da mulighederne for form, farve, tykkelse, lys og genskin skaber nærmest uendelige kombinationer.
”Deep learning-teknologien er velegnet til at kunne løse alle udfordringerne med de mange folievariationer. Så årsagen til, at vi har brugt kunstig intelligens på unwrapperen er, at vi mødte en problemstilling, hvor en vision-løsning kombineret med deep learning var den bedste og eneste løsning,” siger Bjarke Holm Thomsen, der er udviklingsingeniør og den primære udvikler af løsningen.
Fra mobiltelefon til Industrial Edge
Processen med at lære unwrapperen at finde ud af, om al folien er væk, begyndte med, at Bjarke Holm Thomsen tog en masse billeder med en mobiltelefon. Ved hjælp af billederne, en almindelig PC og open source-biblioteker som Fast.ai og PyTorch skabte han et proof of concept. Relativt hurtigt kunne han se, at modellen kunne løse kerneopgaven, og han begyndte at træne den med flere billeder fra rigtige produktionsmiljøer. Samtidig fandt han også ud af, at VAROs udfordringer lå et helt andet sted.
”Vi har god forståelse for vores kerneopgave, og for hvordan billedanalyse kan hjælpe os med at løse den. Men så opstår der en problemstilling med hele økosystemet, for eksempel hvordan vi monitorerer løsningen, og hvordan vi opdaterer modellerne – alle de opgaver, der understøtter kerneopgaven,” siger Bjarke Holm Petersen.
Løsningen på den problemstilling kom fra Siemens. Både i form af hardware og support. VARO lånte lidt hardware til at videreudvikle modellen og blev introduceret til, hvordan økosystemet kunne bygges op i Siemens Industrial Edge.
Tænk i stabilt hardware – også til løsninger med AI
For Siemens giver det god mening at investere tid i at hjælpe maskinbyggere med at udvikle løsninger baseret på kunstig intelligens.
”I Siemens vil vi gerne manifestere os som samarbejdspartner for maskinbyggere, der arbejder med kunstig intelligens. Vi ser et stort potentiale og tror, at AI bliver et konkurrenceparameter for danske maskinbyggere. Samtidig har vi gode løsninger, der passer fint i tråd med de PLC- og HMI-løsninger, som vi i forvejen har hos maskinbyggerne,” siger Søren Jakobsen, Head of Industrial AI i Siemens Danmark.
Han minder også andre interesserede om, at det netop er vigtigt at huske hardwaren og økosystemet.
”Løsninger baseret på kunstig intelligens skal selvfølgelig kunne løse opgaven, men det er også vigtigt at tænke i industrial grade hardware. Maskiner kører ofte i 10, 15 eller 20 år, og komponenterne i dem er altid industrial grade. Så nytter det ikke noget at bygge en AI-model med et kamerasystem eller andre moduler, der ikke kan holde til støv, vibrationer eller kraftige temperaturudsving,” siger han.
Åbner nye muligheder for VARO
VAROs tekniske direktør, Arne Lundfold Bjerring, er sikker på, at samarbejdet med Siemens har fremskyndet processen. Især fordi VARO er en relativt lille virksomhed uden et stort hold af udviklere til den form for systemer. Men selv med deres lille hold, er de allerede begyndt at se nye muligheder. For fordelene for både VARO og deres kunder stopper ikke med den konkrete løsning på unwrapperen.
”Vi får konstant idéer til, hvordan vi kan indbygge det som en feature i vores andre maskiner for at optimere kundernes processer. Samme teknologi kan for eksempel anvendes til produktion af fødevarer på dåse, hvor du måske kan nøjes med at kassere to dåser i stedet for ti, eller til tæpperuller, hvor det er nærmest umuligt for mennesker at overskue en fem meter bred rulle. På den måde ser vi det som en del af Industry 4.0-tankegangen, hvor kunstig intelligens bruges til hele tiden at optimere maskinernes performance,” siger han.
Dermed åbner teknologien også nye muligheder for at knytte kunderne tættere til sig.
”Vi har vænnet os til, at software til alt fra telefoner til elbiler skal opdateres via et abonnement, så det naturlige skridt vil være, at vi tilbyder opdateringer med løbende forbedringer til vores kunder sammen med viden og dataopsamling om deres maskines performance,” siger Arne Lundfold Bjerring.
