Computervisie in productie: de definitieve gids voor het meten van het succes van een pilot

2020 was een scharnierjaar voor iedereen, en de maakindustrie is geen uitzondering. De pensionering van ervaren werknemers, de toename van tijdelijk personeel, continu veranderende processen en een hogere mix van assemblage gedreven door economische factoren en de vraag van de klant hebben wereldwijd het aantal handmatige assemblagefouten doen toenemen, waardoor productiebedrijven hun processen opnieuw moeten evalueren

Deze fouten hebben de kosten voor herbewerking en afval verhoogd, vaak gemeten aan de hand van de “eerste opbrengst” metrisch, en zijn naar schatting verantwoordelijk voor 68% van de algehele kwaliteitsuitdagingen waarmee discrete productie wordt geconfronteerd. Tegelijkertijd wordt het vergroten van de winstmarges door het minimaliseren van takt-tijd een hogere prioriteit voor fabrikanten om mogelijke jaren van economische recessie en een industrie in geografische, technologische en marktsegmenttransitie te overleven.

Technologie heeft op deze behoeften gereageerd door IoT, computervisie, kunstmatige intelligentie en op augmented reality gebaseerde oplossingen aan te bieden. Een fabrieksvloer is echter een complexe hybride van mensen, apparatuur, processen, infrastructuur en locaties, en het is nooit triviaal om te beoordelen of dergelijke oplossingen geschikt zijn voor een bepaalde operatie. Dienovereenkomstig zijn lange en mislukte pilots de norm, en sommige operaties profiteren niet van technologie, zelfs niet na jaren en honderdduizenden dollars te hebben uitgegeven. Tegelijkertijd zijn productieleiders het erover eens dat zonder snelle integratie van computer vision-technologie een bedrijf snel zijn concurrentievermogen zal verliezen. Ze vragen zich af hoe ze niet alleen het succes van een pilot kunnen behalen, maar ook het succes ervan kunnen evalueren.

In dit artikel schetsen we een holistische benadering voor het opzetten van een gedigitaliseerde computer vision pilot voor succes en evalueren we op visie gebaseerde systemen. voor nauwkeurigheid, gebruiksgemak en schaalbaarheid.

Uw pilots klaarstomen voor succes

Ons team bij Retrocausal heeft jarenlange ervaring met het inzetten van computer vision-pilots door bedrijven van elke omvang, van kleine bedrijven tot productievestigingen van ondernemingen zoals Microsoft, Siemens, Toyota, Boeing en Whirlpool.

Het evalueren van het succes van een pilot kan moeilijk zijn, maar we hebben drie fundamentele elementen geïdentificeerd die bij de planning moeten worden betrokken.

1. Duidelijke meetwaarden: Productieteams moeten concreet gedefinieerde meetwaarden, doelen op deze meetwaarden en een duidelijk begrip van de ROI hebben voordat de pilot kan worden ingezet. Vaak worden innovatieprojecten opgezet zonder een goed begrip van baseline-statistieken. Wat is het foutenpercentage bij de eerste opbrengst of handmatige assemblage voor het proces dat 'foutbestendig' wordt gemaakt? Wat is de ROI in dollars als dit foutenpercentage zou kunnen worden gehalveerd? Wat zijn de aanvaardbare toleranties in termen van valse positieven of vertragingen in de lijn? We raden ten zeerste aan om deze relevante statistieken te definiëren en vooraf verwachtingen te stellen voor zowel interne belanghebbenden als externe leveranciers. Dit stroomlijnt het POC-proces en houdt alle partijen gefocust op de daadwerkelijke doelen.
2. Overkoepelende checks and balances:Oplossingen hebben een grotere kans van slagen als er vanaf dag één verantwoordelijkheid is voor de teams die ze aansturen. Pilots die alleen in R&D- of innovatieteams worden uitgevoerd, slagen er zelden in om ingezet te worden, ondanks het potentieel om een ​​aanzienlijk pijnpunt voor de fabrieksvloer op te lossen. Zowel het productie-innovatieteam als de leverancier verliezen echter hun interesse als pilots te lang aanslepen. Daarom is het belangrijk om fabrieksactiviteiten, kwaliteitsengineering of industriële engineering vanaf het begin van de pilotbesprekingen te betrekken.
3. Inzetplanning vóór de pilot:Een terugkerende observatie in deze ruimte is dat zelfs succesvolle pilots geen waarde toevoegen aan een productieproces, omdat niemand van tevoren over het implementatieproces heeft nagedacht. We vinden het cruciaal om alle stakeholders, inclusief de economische koper, al heel vroeg in de discussie te betrekken, en zeker voor de start van de pilot. Er moet een duidelijk plan zijn voor de uitrol voordat de pilot van start gaat. Soms zullen de bevindingen van de pilot aanpassingen in deze uitrol vereisen, en dat is helemaal prima. Het niet plannen van de uiteindelijke implementatie is echter van plan om te mislukken.

Criteria om uw pilot te evalueren

Assemblylijnen zijn het toppunt van menselijke samenwerking, waar iedereen, van medewerkers tot supervisors, industriële ingenieurs, kwaliteitsingenieurs, ontwerpingenieurs, veiligheidspersoneel, IT- en faciliteitenbeheer, evenals financiële teams komt samen om de productie tot een succes te maken. Daarom is het helemaal niet verwonderlijk dat verschillende belanghebbenden verschillende criteria hebben om eventuele wijzigingen aan de lijn te evalueren.

Hieronder verzamelen we een lijst met criteria die een holistische beoordeling van elk nieuw “digitaal” toevoeging aan de fabrieksvloer.

1. Gebruiksvoorbeelden – Live taakbegeleiding versus analyse versus traceerbaarheid:Succesvolle pilots betrekken meerdere stakeholders in een vroeg stadium bij het gesprek, zelfs als slechts één van hen de evaluatie leidt. Kwaliteitscontrole is vaak het dringende pijnpunt, terwijl analyse en traceerbaarheid nice-to-haves zijn, dus kwaliteitsteams willen misschien eigenaar zijn van de pilot, terwijl industriële engineeringteams meeliften op het proces. Dit kan ook nuttig zijn om de eerste pilot aan medewerkers bekend te maken. Tegelijkertijd biedt niet elke leverancier alle mogelijkheden. Sommige hebben bijvoorbeeld een beperkt aanbod dat alleen op analyse is gericht. Zelfs wanneer een leverancier een mogelijkheid biedt, bijvoorbeeld geautomatiseerde procedureobservatie, kan deze beperkt zijn in de diversiteit aan procedures waarmee hij kan werken. Sommige oplossingen kunnen alleen menselijke lichaamshoudingen volgen, wat betekent dat ze beperkt kunnen zijn tot processen waarbij gereedschappen en onderdelen op vaste locaties worden gehouden en procesobservatie kan worden samengevat door alleen menselijke bewegingsobservatie. (Zie meer in onze blogpost hier) Anderen moeten elk frame van een video terugsturen naar de cloud, dus de communicatievertraging alleen maakt het onmogelijk om de werknemer in realtime te begeleiden. Desalniettemin kan een duidelijk begrip van waar een operatie van kan profiteren de lijst met potentiële partners verkleinen.
2. Nauwkeurigheid en valse positieven:Kunstmatige intelligentie en computervisietechnieken worden gebruikt in veiligheidskritieke toepassingen zoals zelfrijdende auto's en medische diagnoses, wat aangeeft dat ze veelzijdig en robuust kunnen zijn. Deze technieken zijn echter verre van een handelsartikel, en de meeste oplossingen zullen niet in staat zijn om alle fouten van werknemers vast te leggen (minder dan 100% true positive rate). Deze oplossingen hebben ook een vals-positief percentage dat niet nul is, wat betekent dat ze soms valse waarschuwingen veroorzaken of sommige cycli onjuist meten. We vinden het waardevol om de nauwkeurigheid en het percentage valse positieven expliciet te meten. Fabrikanten die met succes van dergelijke oplossingen hebben geprofiteerd, hebben zorgvuldige experimenten ontworpen om de nauwkeurigheid te meten. Zo heeft een fabrikant 100 “tests” cycli van hun assemblageproces, 50 “correct” en 50 het vastleggen van een verscheidenheid aan fouten. Dit hielp hen om binnen een middag onder gecontroleerde omstandigheden meetwaarden te berekenen. Als het productieteam de ROI in dollars heeft geschat voor elke fout die wordt vermeden of voor elke seconde die wordt bespaard in takt-tijd; ze kunnen onmiddellijk de totale ROI van de operatie vaststellen.
3. Benodigde tijd om te programmeren:Een belangrijke metric om te meten is de tijd die nodig is om de oplossing voor een nieuwe werkplekomgeving in te richten. Processen kunnen nogal vaak veranderen en elke oplossing die maanden in beslag neemt om aan te passen, is waarschijnlijk niet geschikt voor de fabrieksvloer. Dit is een maatstaf die vooraf in de vroegste gesprekken moet worden besproken, maar ook tijdens de pilot moet worden gemeten.
4. Kosten per station – jaar 1 (inclusief infrastructuurkosten):Uiteraard is het van belang om de kosten per station en voor het gebruik van bestaande infrastructuur vast te stellen. Tenzij deze kosten aanzienlijk lager zijn dan de verwachte ROI van de dollar, kan de oplossing 'dead-on-arrival' zijn. In veel gevallen kunnen de ROI en de kosten per station beide variëren, afhankelijk van de schaal van implementatie. We kennen fabrikanten die honderdduizenden dollars per station hebben geïnvesteerd en een of meerdere jaren in-house oplossingen hebben gebouwd voor hun missiekritieke processen. Het is duidelijk dat naarmate de schaal van dergelijke implementaties toeneemt, de ROI daalt, omdat ze niet langer alleen werkstations aanspreken met de grootste impact op de productie. Tegelijkertijd moeten ook de gemiddelde kosten omlaag. Nogmaals, het loont de moeite om vooraf de reikwijdte, fasen en het budget van de implementatie te bespreken.
5. Terugkerende kosten per jaar:Het Software-as-a-Service-model is universeel overgenomen door de technologische industrie. Deze op abonnementen gebaseerde modellen zijn nieuw en soms oncomfortabel voor productiebedrijven, die gewend zijn te investeren in technische oplossingen op CAPEX-basis. Deze OPEX-gebaseerde modellen bieden echter de mogelijkheid om de werkelijke kosten van deze oplossingen over jaren te spreiden, terwijl ze profiteren van continue software-updates en leveranciersondersteuning. Het is belangrijk voor fabrikanten om dergelijke terugkerende kosten te begrijpen. Vaak helpt het om prijzen vast te leggen door meerjarige contracten te ondertekenen.
6. Niet standaard detectie van bewerkingen:Naast het meten van nauwkeurigheid en valse positieven, moeten fabrikanten de technologie ook onder afwijkende omstandigheden evalueren. Een oplossing die uitsluitend gebaseerd is op lichaamshoudingen van het menselijk lichaam, kan mislukken wanneer er meerdere mensen in het camerabeeld zijn, of wanneer de eenheid die op het werkstation wordt gemonteerd, ook beweegt. Is de oplossing bestand tegen variaties in verlichting? Kan het omgaan met situaties waarin de camera beweegt? Wat als een werknemer de kleur van de handschoenen die hij draagt ​​verandert? Sommige van deze vragen kunnen vooraf worden gesteld, terwijl andere mogelijk moeten worden geëvalueerd.
7. Verkeerde onderdeelkeuze en detectie van gereedschapgebruik:In bepaalde situaties, naast het detecteren van “gemiste stappen” een kwaliteitsingenieur wil misschien expliciet verifiëren dat het juiste onderdeel is geïnstalleerd of dat het juiste gereedschap voor de klus is gebruikt. Het kan belangrijk zijn om deze kwesties in de POC te evalueren samen met “gemiste stap” detectie.
8. Gebruikersinterface:Systemen die door gewone lijnsupervisors en productiemedewerkers zullen worden gebruikt, moeten gebruiksvriendelijke gebruikersinterfaces hebben. Fabrikanten moeten ervoor zorgen dat de technologie die wordt voorgesteld niet alleen een onbewerkt computervisie-prototype is, maar dat het een praktisch mechanisme biedt om met het systeem te communiceren. Biedt de gebruikersinterface een handige manier om het systeem te pauzeren? Biedt het een manier om feedback te geven aan het systeem in het geval het een fout ten onrechte heeft gedetecteerd? Is het dashboard of de melding toegankelijk via de tabletcomputer van de supervisor (bijv. iPad of Androids).
9. Mogelijkheid om de lijn te stoppen:Een belangrijke vraag om te stellen is of een oplossing kan worden gebruikt als een echte “Poka Yoke” systeem, d.w.z. om de lijn te stoppen wanneer een fout wordt gedetecteerd. Verschillende leveranciers bieden uitsluitend stand-alone oplossingen die niet met een ander systeem kunnen communiceren. Sommige leveranciers bieden API's die moeilijk te gebruiken zijn voor integratie, terwijl andere full-stack services bieden, waarbij hun oplossingsingenieurs zullen samenwerken met een fabrikant. IT-team om in korte tijd met geoptimaliseerde oplossingen te komen.
10. High-mix assemblage:Afhankelijk van het productaanbod van een fabrikant kan het zinvol zijn om te onderzoeken welke soorten product- of SKU-variaties ze kunnen ondersteunen op hetzelfde werkstation en wat er nodig is om deze variaties in het product mogelijk te maken. Ook hier verschillen de verschillende oplossingen aanzienlijk. Bij sommige oplossingen wordt er strikt van uitgegaan dat hetzelfde product of dezelfde SKU op elk werkstation wordt gemonteerd. Anderen hebben integratie met MES-systemen nodig. Weer anderen bieden kant-en-klare oplossingen, b.v. door middel van visuele objectidentificatie (onderscheid maken tussen een SUV en een hatchback om de juiste werkinstructies te laden) of het scannen van streepjescodes.
11. Privacy van de werknemer:Het is belangrijk om respectvol om te gaan met medewerkers’ privacy en ervoor te zorgen dat hun persoonlijk identificeerbare informatie niet wordt opgeslagen. Vaak kunnen camera's zo worden geplaatst dat ze alleen het werk observeren en niet de arbeider. Soms is het echter onvermijdelijk om ook de bij het assemblageproces betrokken arbeiders vast te leggen. In deze gevallen is het absoluut noodzakelijk dat het platform ondersteuning biedt voor gezichtsvervaging.
12. Integratiecomplexiteitsbeoordeling:De complexiteit van de integratie hangt zowel af van de oplossing van de leverancier als van het Manufacturing Execution System (MES) dat bij de fabrikant wordt ingezet. faciliteit. Terwijl productie-CIO's een beweging naar de-customization stimuleren, zijn de meeste MES-systemen van eigen bodem en een weerspiegeling van de fabrikanten’ eigen bedrijfseigen processen. Vaak geven fabrikanten voor de eerste implementatie de voorkeur aan stand-alone oplossingen, die een eenmalige download van SKU's en procedures kunnen opnemen en onmiddellijk waarde kunnen leveren. Voor uitbreidingen of meer complexe bewerkingen, vooral die met high-mix assemblage, moeten fabrikanten onderzoeken of hun eigen MES-systemen een standaard integratielaag bieden en of een relatief onsamenhangende integratie van de twee systemen, b.v. alleen door uitwisseling van JSON-bestanden is mogelijk. Op het gebied van analyse moeten ze controleren of de oplossing van de leverancier integratie met kant-en-klare frameworks zoals Snowflake- of Databricks-oplossingen ondersteunt. Dit vereenvoudigt de integratie vaak aanzienlijk.
13. Infrastructuurbeveiligingsvereisten:Informatiebeveiliging is een belangrijke overweging bij het digitaliseren van waardevolle procesinformatie voor een productiebedrijf. Fabrikanten moeten zich afvragen of de leverancier gebruikmaakt van toonaangevende cloudplatforms zoals Microsoft Azure en Amazon AWS, die een robuuste beveiligingsinfrastructuur bieden als onderdeel van hun aanbod. Als alternatief, als de infrastructuur die door de leverancier wordt gebruikt van henzelf is, moet deze afzonderlijk worden beoordeeld door de fabrikanten’ IT-beveiligingsteam. Als de leverancier beschikt over of werkt aan industriestandaardcertificeringen zoals ISO 27001, is dat een positief teken.

Conclusie

Manufacturing leiders en talrijke onderzoeken [1,2 ,3] benadrukken consequent het belang van digitalisering. Op computervisie gebaseerde technologieën bieden de mogelijkheid om voorheen onzichtbare delen van een productieproces vast te leggen die traditionele IoT-oplossingen niet konden vastleggen. Het is echter belangrijk om deze oplossingen te evalueren voordat ze kunnen worden ingezet. De enige manier om waarde te halen uit uw digitale “verkenning” dollars is om veel voorbereiding vooraf te doen. Dit omvat het verzamelen van probleemeigenaren en het maken van huiswerk voor een goede evaluatie van piloten. We hebben de belangrijkste criteria geschetst op basis waarvan een nieuwe computervisietechnologie moet worden geëvalueerd om de relevantie ervan voor een productiebedrijf vast te stellen.

Zeeshan Zia
CEO & Mede-oprichter, Retrocausal