Пандемія COVID-19 змусила компанії інакше організовувати роботу. Тепер вони використовують машинне навчання та дистанційно спостерігають за виробництвом, щоб вберегти працівників від хвороби. І навіть замінюють людей-інспекторів на роботів.
Британська компанія P2i розробляє водовідштовхувальне нанопокриття для смартфонів та інших приладів. Вона співпрацює з багатьма фірмами по всьому світу і зазвичай доправляє своїх інженерів на заводи клієнтів для контролю якості продукції. Однак через пандемію коронавірусу країни закрили свої кордони, а більшість авіарейсів скасували.
Тепер P2i стежить за тим, що відбувається на заводах партнерів, за допомогою штучного інтелекту. Для моніторингу вона використовує автоматизовану систему компанії Instrumental. Її заснували колишні інженери Applе.
На заводах партнерів P2i камери спостерігають за нанесенням нанопокриття на гаджети, а згодом алгоритм визначає, чи усе гаразд. Якщо виявляють навіть найменші дефекти, пристрій сповіщає про це P2i. Такі «інспектори» встановлені не всюди — до пандемії коронавірусу більшість компаній не хотіли надавати стороннім доступ до свого обладнання з міркувань безпеки. Проте зараз вже п’ять фірм змінили свою думку і дозволили встановити технологію Instrumental, щоб у P2i могли спостерігати за виробництвом віддалено.
Автоматизована система Instrumental віддалено повідомляє про помилки у процесі виробництва.
Instrumental
Машини і раніше використовували для того, щоб виявляти дефекти продукції та інші проблеми. Проте для цього людям потрібно було вручну прописувати у коді програми правила, що займало дуже багато часу. Змінити критерії також було складно. З розвитком так званого глибинного навчання усе стало простіше. Тепер розробникам достатньо просто надати алгоритму базу, за якою він зможе навчатися. Наприклад, варіанти дефектів або — як у випадку з системою Instrumental — зразки того, яким саме бути «ідеальний» продукт. Алгоритм, що «переглянув» тисячі зображень, може помітити будь-які відхилення від норми на зображеннях гвинтів, друкованих плат або екранів.
Натомість традиційне комп’ютерне бачення не дуже підходить для виявлення та вирішення проблем, адже ґрунтується на правилах. Зараз усе більше виробників, що розробляють системи для автоматизованого виробництва, на кшталт Cognex, застосовують глибинне навчання.
Лондонська компанія Elementary Robotics розробила спеціального робота-наглядача. Він виглядає не надто футуристично, проте показує, як люди та роботи можуть разом працювати на виробництві. Робот складається з камери, що рухається то горизонтально, то вертикально решіткою у формі букви H. Таким чином він може оглянути об’єкт з різних боків.
Робот-інспектор, розроблений Elementary Robotics.
Перед початком роботи «інспектору» дають кілька зображень об’єкта, якість якого потрібно контролювати. Система використовує їх, щоб натренувати алгоритм. Згодом люди показують роботу об’єкти і він визначає, чи відповідають вони стандарту. У разі правильної відповіді, тестувальник натискає на кнопку. Це щоразу вдосконалює програму і зводить ймовірність помилки у майбутньому до мінімуму.
Автоматизувати виробництво планують і у компанії Toyota. На кожному з заводів компанії щодня виробляють сотні автомобілів. Найменша помилка під час збирання авто може зупинити усе виробництво. Тому працівники сканують штрих-код кожної деталі, щоб перевірити, що вона правильна.
Це завдання хочуть спростити за допомогою роботів. На заводі Toyota у штаті Індіана планують невдовзі встановити автоматизовану систему для розпізнавання об’єктів. Вона працює за таким принципом: спеціальна камера обертається навколо деталі, яку тримає у руках працівник, і вивчає її з різних боків. А вже згодом штучний інтелект дає дозвіл на її встановлення. Старший інженер Toyota Карло Круз прогнозує, що у майбутньому подібну систему можна буде використати й у інших сферах. Зокрема, для інспекції та контролю якості.