(圖片來源:寶馬集團官網(wǎng))
人工智能(AI)技術(shù)在汽車生產(chǎn)中的應(yīng)用一直呈上升趨勢,自2018年開始,寶馬集團也一直在生產(chǎn)中利用AI技術(shù)。
自動圖像識別
在生產(chǎn)中,人工智能技術(shù)能夠評估正在生產(chǎn)的汽車零部件圖像,并在幾毫秒的時間內(nèi),將其與同序列生產(chǎn)中的數(shù)百幅其他零件圖像進行比較。從而,AI可以實時確定零部件與標準零部件的偏差,并可檢查是否所有需要的部件都已安裝,以及是否安裝在正確的位置。
該創(chuàng)新技術(shù)非常快、可靠,最重要的是易于使用。寶馬集團生產(chǎn)部門創(chuàng)新、數(shù)字化和數(shù)據(jù)分析主管Christian Patron表示:“人工智能技術(shù)提供了巨大的潛力,幫助我們保持高質(zhì)量標準的同時,還能減輕員工重復(fù)性工作的負擔。”
在寶馬集團,靈活、經(jīng)濟、基于AI的應(yīng)用正逐步取代傳統(tǒng)的攝像頭,而且操作相當簡單,只需要一個移動的標準攝像頭,在生產(chǎn)過程中拍下相關(guān)照片即可。AI解決方案也可以快速設(shè)置好,員工能夠從不同角度拍攝零部件,并在圖像上標記可能出現(xiàn)的偏差,從而創(chuàng)建一個圖像數(shù)據(jù)庫,以便建立神經(jīng)網(wǎng)絡(luò)。該神經(jīng)網(wǎng)絡(luò)可以在不需要人工干預(yù)的情況下,自動對圖像進行評估。員工無需編寫代碼,因為該算法能夠獨立完成。在訓(xùn)練階段,一臺高性能服務(wù)器能夠從約100張圖像中計算出神經(jīng)網(wǎng)絡(luò),然后該網(wǎng)絡(luò)立刻開始優(yōu)化,經(jīng)過測試運行和調(diào)整,可靠性能夠達到100%。一旦完成學(xué)習(xí),該神經(jīng)網(wǎng)絡(luò)能夠自行決定一個零部件是否符合規(guī)范。
由于不再受制于生產(chǎn)區(qū)域的照明條件或確切的攝像頭位置要求,該神經(jīng)網(wǎng)絡(luò)甚至能夠可靠地識別移動零部件,從而為整個汽車流程鏈(包括物流)開辟廣泛的潛在應(yīng)用。在很多情況下,該AI技術(shù)能夠?qū)T工從重復(fù)、單調(diào)的任務(wù)(如檢查后備箱的三角警示燈是否安裝在正確位置,或者是否擋風(fēng)玻璃雨刷帽已安裝好)中解放出來。
AI技術(shù)還能夠執(zhí)行要求更高的檢查任務(wù)
在寶馬集團丁戈爾芬工廠,一個AI應(yīng)用可以將車輛訂單數(shù)據(jù)與新生產(chǎn)汽車的模型設(shè)計實時圖像進行比較。模型設(shè)計、xDrive四輪驅(qū)動等其他識別標志,以及已經(jīng)獲得批準的各種組合的圖像都存儲在圖像數(shù)據(jù)庫,如果實時圖像與訂單數(shù)據(jù)不相符,質(zhì)檢小組就會收到通知。
Christian Patron表示:“我們在此類工作中完全依賴員工的經(jīng)驗和專業(yè)知識,他們能夠判斷,在哪些生產(chǎn)步驟中AI 應(yīng)用能夠改善質(zhì)量和效率,而且我們特意將此類應(yīng)用的設(shè)置和操作都簡單化,無需先進的IT知識?!?/p>
AI去除假性殘次品
在沖壓車間,鈑金件會被加工成高精度的車身部件。零件成型后殘留的粉塵或油漬容易與細小的裂紋混淆(在加工過程中此情況很少發(fā)生)。之前寶馬集團丁戈爾芬工廠采用的是基于攝像頭的質(zhì)量控制系統(tǒng),偶爾會發(fā)現(xiàn)此類假性殘次品:雖然沒有真正的缺陷,但是與目標件有差距。利用該新AI應(yīng)用,此類現(xiàn)象將不再會發(fā)生,因為該神經(jīng)網(wǎng)絡(luò)能夠根據(jù)每個特征訪問約100張真實圖像,如約100張完美零件的圖像,100張帶有粉塵的零件圖像,還有100張帶有油漬的零件圖像等。
寶馬集團的Steyr工廠和寶馬集團數(shù)據(jù)分析小組也成功消除了此種假性殘次品現(xiàn)象。在發(fā)動機冷試驗中,扭矩測量假定的不規(guī)范之后常常被證明無關(guān)緊要。在引入AI解決方案之前,此類實驗結(jié)果往往導(dǎo)致復(fù)雜的人工檢查和進一步測試,甚至包括發(fā)動機燃油熱試驗。該分析軟件基于許多測試記錄得到訓(xùn)練,從而能夠?qū)W會分析實際錯誤和假性錯誤。
AI應(yīng)用到物流領(lǐng)域
寶馬集團Steyr工廠采用了首個智能AI控制應(yīng)用,該應(yīng)用通過防止輸送帶空載運輸,加快了物流速度。為此,貨箱要通過一個攝像頭站點,利用員工所標記且已存儲的圖像,該AI應(yīng)用能夠識別該貨箱是否需要捆綁到一個托盤上,因為尺寸較大且穩(wěn)定的盒子不需要額外的保護。如果無需捆綁,該AI應(yīng)用將通過最短的路線,把貨箱引導(dǎo)至卸貨區(qū),讓叉車運輸。另一方面,如果該貨箱需要額外的保護,將會被直接引導(dǎo)到帶捆綁系統(tǒng)的傳送帶部分,然后才被引導(dǎo)到后面的卸貨區(qū)。之前,所有的貨箱都需要運輸至卸貨區(qū)以裝進大型貨箱中,如果貨箱需要額外保護,會送到捆綁區(qū),然后再到達正確的卸貨區(qū)。
除了將AI應(yīng)用于Steyr工廠之外,寶馬集團在其他物流創(chuàng)新領(lǐng)域也應(yīng)用了AI。該技術(shù)還能夠支持虛擬布局規(guī)劃,對建筑物和工廠進行3D掃描,生成高分辨率的圖像,最終能夠在3D掃描中識別出貨箱、建筑結(jié)構(gòu)或機器等單個物體,從而讓工程師能夠在3D規(guī)劃軟件中將3D掃描的單個物體移除,對其單獨修改,從而更容易模擬,并使車間更有人性化。
在寶馬集團的工廠中,利用AI應(yīng)用已經(jīng)成為一個鮮明的趨勢。智能數(shù)據(jù)分析、最先進的測量技術(shù)和人工智能的日益融合為生產(chǎn)管理帶來了新的機遇。例如,在車身車間,最終檢查的圖像可能會顯示,在不同車身的同一個焊接點,有焊接金屬噴射出來。若利用AI,就能實現(xiàn)控制閉環(huán),系統(tǒng)控制或維護周期能夠更快、更高效地得到調(diào)整。在噴涂車間,AI和分析應(yīng)用能夠在早期生產(chǎn)期間探測出錯誤源頭,從而讓該錯誤不再發(fā)生,如果在噴涂之前,車身沒有沾上灰塵,之后也就無需再清理灰塵了。
來源:蓋世汽車
作者:余秋云
本文地址:http://autopag.com/news/qiye/95014
以上內(nèi)容轉(zhuǎn)載自蓋世汽車,目的在于傳播更多信息,如有侵僅請聯(lián)系admin#d1ev.com(#替換成@)刪除,轉(zhuǎn)載內(nèi)容并不代表第一電動網(wǎng)(autopag.com)立場。
文中圖片源自互聯(lián)網(wǎng),如有侵權(quán)請聯(lián)系admin#d1ev.com(#替換成@)刪除。