12/04/2021
Door Ad Spijkers
Het MKB durft geen gebruik te maken van AI-modellen, omdat deze snel verwarrend kunnen worden. Dit laat echter veel potentieel voor kwaliteitscontrole achterwege.
Kunstmatige intelligentie biedt veel potentie, bijvoorbeeld bij de kwaliteitscontrole van maakbedrijven. Het trainen van de AI-modellen is echter moeilijk en vereist wiskundige kennis; er zijn talloze parameters die in zo'n analyse kunnen stromen. De toetredingsdrempels zijn daarom hoog. Middelgrote en kleine ondernemingen die geen eigen ontwikkelingsafdeling hebben, schrikken vaak terug voor AI-toepassingen.
Expertise is ook vereist tijdens lopende operaties. Als een AI-algoritme eenmaal is geleerd en het productontwerp of de geometrie van de component wordt vervolgens gewijzigd, herkent het algoritme dit in eerste instantie als een fout. In dat geval moet de AI worden 'bijgeschoold'.
AI zonder expertise
De software IDMT-ISAAC van het Fraunhofer-Institut für Digitale Medientechnologie (IDMT) in Ilmenau helpt gebruikers zonder AI-expertkennis om deze hindernissen te overwinnen. ISAAC staat voor Industrial Sound Analysis for Automated Quality Control. Met de software kunnen MKB's zelf de AI-algoritmen zelf aan. Ze kunnen de software toepassen op eigen audiogegevens, deze opnieuw trainen en zo snelle en betrouwbare resultaten en hulpmiddelen voor besluitvorming creëren voor kwaliteitsborging.
Ervaren bedieningsmensen herkennen fouten vaak al aan het geluid van het proces. IDMT-ISAAC vertrouwt ook op akoestiek: de onderzoekers trainden het systeem met opgenomen akoestische gegevens van lasprocessen. AI analyseert de typische procesgeluiden en trekt uit de audiogegevens conclusies over de kwaliteit van de betreffende lasnaad.
De kern van IDMT-ISAAC is een raamwerk dat gebruikers kunnen gebruiken om verschillende parameters met slechts een paar klikken te wijzigen. Ze kunnen de AI bijvoorbeeld leren de geometrie van het product te veranderen. De software moet in de zomer van 2021 worden aangepast voor live-gebruik; dan kan het systeem onmiddellijk realtime gegevens van de productie analyseren en de kwaliteitsborging optimaliseren. Over drie tot vier jaar zou het ook actief moeten kunnen ingrijpen in de productie.
Maar of de bedrijven de AI via het framework integreren of er toegang toe krijgen via een interface: gegevensbescherming en gegevensbeveiliging worden altijd in acht genomen, omdat de gegevens anoniem worden verwerkt.
Voor de maakindustrie
Het raamwerk biedt niet alleen nieuwe analyse-opties voor lassen. De onderzoekers hebben verschillende methoden geïntegreerd in het modulaire systeem om andere processen zoals frezen relatief snel in kaart te kunnen brengen. In de toekomst moeten bedrijven ook hun eigen software kunnen gebruiken en toegang krijgen tot de AI van het instituut via een interface op de Fraunhofer IDMT-server.
De software kan via verschillende gebruikersprofielen aan verschillende gebruikersgroepen worden aangepast, voor zowel AI-beginners als AI-experts. Voor ontwikkelaars van AI-algoritmen is het bijvoorbeeld interessant om een idee te krijgen van de manier waarop de AI zijn beslissing neemt en de geluiden waarop deze is gebaseerd. Met het framework werken de onderzoekers dus ook een stukje richting verklaarbare AI om deze technologie begrijpelijker te maken.
Foto: istock.com/Byjeng, istock.com/timetofocus