Machine learning verbetert kwaliteitsinspectie

Machine learning is voor veel bedrijven een zwarte doos. Ze weten niet goed wat ze ermee aan moeten, en al helemaal niet hoe het werkt. ML6 maakt er zijn missie van om dat mysterie te ontrafelen voor productie. Het ontwikkelde uit zijn tien jaar praktijkervaring een methodiek om kwaliteitsinspectie te automatiseren op basis van machine learning zonder ellenlange voorbereiding. Snel, to-the-point en betaalbaar. 

ML6 gaat al tien jaar aan de slag met machine learning. Een van de toepassingen waar deze technologie haar potentieel duidelijk laat zien is kwaliteitsinspectie. Met visietechnologie en slimme algoritmes helpt ML6 zijn klanten om hun processen te automatiseren en de kwaliteit en efficiëntie ervan op te trekken. 

Matthias Feys: “We hebben daarin, dankzij use cases met early adopters, de afgelopen jaren heel wat ervaring opgedaan, zowel op het vlak van hardware als van software. Daaruit hebben we een methodiek gedefinieerd om met deze toepassingen sneller resultaten te bereiken en die breder uit te rollen in de industrie. Het is een combinatie van budgetvriendelijke hardware en een flexibel integratieplan dat telkens dezelfde bouwstenen gebruikt, maar ze anders samenstelt op maat van de klant.”

Of het nu voor de kwaliteitscontrole van sigaren, tapijten, koffiebonen, planken, landbouwmachines, microchips of… betreft, ML6 heeft bewezen dat het met zijn technologie voor heel veel meerwaarde kan zorgen. 

“We werken op drie niveaus. Alles begint met het genereren van data, zodat we de onvolkomenheden in producten of processen op het spoor kunnen komen. Dit gebeurt telkens op basis van de kenmerken die visueel waarneembaar zijn en kan dus breder gaan dan louter kwaliteitsinspectie. Samen met de klant kijken we in de tweede fase hoe we zijn productie kunnen aanpassen, zodat die defecte producten eenvoudig verwijderd kunnen worden. In een derde fase koppelen we dan ook terug naar de sturing. Door automatisch de procesparameters aan te passen, kunnen deze defecten dan in de toekomst vermeden worden. Of we genereren rapporten die inzichten geven in wat er beter kan”, legt Stan Callewaert uit.

ML6 maakt zich sterk dat deze technologie ook voor kmo’s betaalbaar is. “Net omdat we weten wat er moet gebeuren om snel tot resultaten te komen”, verzekert Feys. “Machine learning is een complexe technologie. Wat wij doen is de drempel verlagen door de technologische knopen op vlak van hardware en algoritmes al door te hakken. Dat maakt het eenvoudig en betaalbaar. Zo kunnen we naar klanten stappen met bewezen oplossingen, die we dankzij onze aanpak aan de specifieke toepassing kunnen aanpassen.” 

Ook de tijdslijn werd al uitgestippeld om in drie maanden operationeel te kunnen zijn. “Alles vertrekt vanuit de vraag van de klant. We gaan dan kijken welke data er nodig zijn om dat te realiseren. Na een week draait het model al.
De meeste tijd kruipt in eigenlijke integratie en de terugkoppeling naar de PLC. Maar we blijven ook na de implementatie nog twee weken paraat om alles op te volgen en de medewerkers van de klant te trainen om er zelf mee aan de slag te gaan”, besluit Callewaert. ■

Kwaliteitscontrole van bakstenen
Voor machinebouwer Cosmec ontwikkelde ML6 een oplossing om defecten in bakstenen op te sporen om ze vervolgens automatisch uit de productielijn te verwijderen. Een taakje dat voorheen manueel werd aangepakt. Door een machine te bouwen die dit automatisch kan, levert Cosmec een enorme meerwaarde voor zijn klant. Alles vertrekt vanuit de visuele inspectie, waarop ML6 vervolgens de kracht van zijn modellen losliet om barsten, verkeerde gevormde of ontbrekende bakstenen te detecteren. Een sterk staaltje techniek dat de eindklant een flinke besparing zal opleveren: in arbeidstijd en in afval (bij defecten werd vroeger de hele rij verwijderd, nu enkel de defecte baksteen). Tegelijk krijgt hij er heel wat inzichten bij, bijvoorbeeld over wat de precieze oorzaak is van de schade, om dan terug te koppelen naar de aansturing van het volledige productieproces.