Martin Hriško
Moderní výroba dnes probíhá ve vysokém tempu a natolik složitě, že bez pomoci umělé inteligence není zvládnutelná. Velmi citlivým místem bývá především výstupní kontrola a vzniká otázka, jak uhlídat absolutní kvalitu. Tým 24VS s. r. o. z Frýdku-Místku nabízí účinné řešení. S CEO společnosti Ing. Martinem Hriško, MBA, jsme odkryli víc.
Můžete představit váš projekt od jeho počátku do současnosti?
Naše firma vyvíjela řešení 24 Vision System pro společnost Hyundai, jež chtěla zvládnout problémy se sledováním koncové kvality. To je založeno na sledování celého komplexního bodu ve výrobě, v koncové stanici kvality. Dosud se obvykle prováděla kontrola ručně nebo za pomoci klasických vision systémů. Problémem však je velké množství variací výrobků, které postupují linkou. Vzali jsme to před dvěma lety jako výzvu. Celé řešení jsme obrátili a podívali se na proces z pohledu koncového kontrolora kvality. Naše zadání bylo, aby žádný vadný produkt neopustil linku. Navrhli jsme postup, který je založen na neuronových sítích a umělé inteligenci. Vytvořil jsme chytrý model, který je schopen téměř v reálném čase rozlišit a poznat jak vady, tak hlavně konfiguraci výrobku. Řešíme tedy dvě oblasti, typické poškození a zda výsledná konfigurace výrobku odpovídá tomu, co je zadáno v systému. Tím se odlišujeme, protože se na výrobek díváme jako na celek a jsme schopni v reálném čase operátorovi zobrazit, co je a co není špatně. Ten se pak nemusí zaobírat obrovským množstvím informací a soustředí se pouze na odstranění dané vady. Buď pošle výrobek na opravu, nebo ho vyřadí.
Váš kontrolní systém už běží v praxi?
Ano, jsme firma z Frýdku-Místku a systém jsme vyvíjeli pro nedalekou továrnu Hyundai Transys v Nošovicích. Rok trval vývoj jádra a dalších dvanáct měsíců jsme věnovali implementaci do výroby. V současnosti systém běží v ostrém provozu a už máme rozjednány další zákazníky. Primárně nabízíme tento hotový produkt do automotive sektoru.
Jaký nejtvrdší oříšek jste museli rozlousknout?
Nejobtížnější bylo rozpoznat výrobek s mnoha artefakty a vzory při dynamické změně. Jen v Transysu běží 4000 variant sedaček na jedné výrobní lince. Proto musíte systém naučit rozpoznávat všechny varianty konfigurací a případných vad. Je to obrovské množství informací. Nelze zde použít klasické vision systémy, které nejsou schopny takto pracovat v reálném čase. My jsme si vzali na pomoc neuronovou síť a celé naše řešení je založeno na hlubokém učení a umělé inteligenci. Samotné rozpoznání se odehraje v řádu milisekund a výsledek se zobrazí prakticky ihned, v jednotkách sekund. Klasické systémy nejsou tak hbité, a zejména nejsou schopny reagovat na tak dynamické změny ve výrobě.
Jak to v reálu funguje?
Provádíme vizuální kontrolu výrobku. Snímáme za pomoci kamer obrázky z výroby, ty následně analyzujeme a zobrazujeme operátorovi, zda jsme našli, či nenašli vadu nebo chybu v konfiguraci.
Jaký je tam podíl člověka a umělé inteligence?
Spolehlivost lidského faktoru se pohybuje mezi 70 a 80 %. Lidé podléhají únavě, musí se střídat ve směnném provozu a podobně. Náš systém založený na umělé inteligenci má úspěšnost 99,9 %. Co je však podstatné, netrpí únavou a běží nepřetržitě 24 hodin v kuse.
Můžete představit tým, který vše vymyslel a realizoval?
Naši společnost 24 Vision System tvoří deset spolupracovníků. Všichni jsme mladí a nadšení pro nové technologie. Ve vedení jsme tři spoluzakladatelé. Mou starostí je business, strategie a motivace týmu. CTO Martin Cviček řeší technický a softwarový vývoj a Zdeněk Neustupa je systémový architekt, který dohlíží na neuronové sítě.
Co bude dál?
Dali jsme si za cíl oslovit český a slovenský trh, kde už máme obchodní aktivity. A příští rok se hodláme vydat do zahraničí. Následně se chceme otevřít i dalším odvětvím,
jako jsou spotřební elektronika, zdravotnictví, strojírenství. Možnosti se nabízejí tam, kde probíhá sériová výroba s velkými dynamickými změnami.
Máme v současnosti rozjednaných už více kontraktů. Obecně mohu říci, že naše řešení potřebuje mnoho českých firem. Hlídání kvality je totiž nad lidské síly, a představuje velmi únavnou a namáhavou činnost. Naše řešení za pomoci neuronové sítě bude pro výrobce velkým přínosem.
mnoho dalších úspěchů popřál
Pavel Kačer