Audi optimaliseert kwaliteitsinspectie met machineleren

• Eerste toepassing machineleren in het productieproces
• Detectie van scheurtjes in plaatmetaal wordt geautomatiseerd
• Nieuw proces maakt deel uit van Audi’s digitale transformatie

Audi inspecteert alle metalen onderdelen direct nadat ze zijn geperst. Niet alleen omdat het ontwerp van zijn modellen steeds geraffineerder wordt, maar ook vanwege de hoge kwaliteitseisen die de fabrikant stelt. Daarom worden alle onderdelen door medewerkers geïnspecteerd, maar ook door camera’s in de metaalpersen zelf. Die evalueren de foto’s met behulp van beeldherkenningssoftware. Een proces dat binnenkort vervangen gaat worden door een procedure die werkt met machineleren. De software die daarvoor wordt gebruikt, is gebaseerd op een complex kunstmatig neuraal netwerk. Het programma kan feilloos en heel precies de kleinste scheurtjes in plaatmetaal detecteren en markeren.

Deep learning

Het geheel is gebaseerd op ‘deep learning’, een speciale vorm van machineleren die kan omgaan met ongestructureerde en hoog-dimensionale data zoals foto’s. Een team heeft er maanden over gedaan om het kunstmatige neurale netwerk in te leren met miljoenen testfoto’s. De grootste uitdagingen waren het opzetten van een database met genoeg voorbeelden en het zogenoemde labelen van de foto’s. Audi-medewerkers hebben de scheurtjes op de foto’s tot op de pixel nauwkeurig moeten markeren. Al die moeite werd echter beloond, want het neurale netwerk leert nu ook buiten de voorbeelden om en herkent scheurtjes zelfs in nieuwe, voor het systeem onbekende foto’s. De database bestaat uit terabytes aan testfoto’s van zeven metaalpersen uit de Audi-fabriek in Ingolstadt en diverse Volkswagen-fabrieken.

De software werd voor het grootste deel door Audi zelf ontwikkeld. Sinds halverwege 2016 werkt de innovatie-afdeling van Audi IT samen met de Production Technology-divisie van het Equipment and Metal Forming Technology Competence Center.

Op termijn zal de kwaliteitsinspectie met machineleren de huidige methode met slimme camera’s geheel vervangen. Machineleren kan in de nabije toekomst ook worden gebruikt voor andere visuele kwaliteitsinspecties. Als er genoeg gelabelde datasets beschikbaar zijn, kan het systeem bijvoorbeeld de lakstraat en de assemblagelijn ondersteunen.

De informatie in dit nieuwsbericht was actueel op de datum van publicatie. Wijzigingen in modellen, uitvoeringen, prijzen, technische specificaties, afbeeldingen, of andere informatie zijn te allen tijde voorbehouden. Aan de inhoud van dit nieuwsbericht kunnen geen rechten worden ontleend.