AI & smart vision vinden kwaliteitscontrole opnieuw uit

Een afgekeurde truffel. Een koekje dat nét te bruin is gebakken. Of een operator die op maandag strenger oordeelt dan op vrijdag. Kwaliteitscontrole is vaak subjectiever dan we denken – en dus vatbaar voor foutenmarges. 

Devion brengt daar verandering in met een aanpak die menselijke ervaring combineert met zelflerende technologie. Dankzij hun inzet op AI & smart vision nemen machines het kijken over – nauwkeuriger, consequenter en zonder stress of twijfel. 

Weg met het buikgevoel

“In veel productieomgevingen wordt nog altijd manueel gecontroleerd,” zegt Kris Declerck, zaakvoerder van Devion. “Maar mensen zijn geen machines. Ze worden moe, verliezen focus en beslissen soms op basis van tempo of gevoel.” Het klassieke systeem, met vaste kwaliteitscriteria en strikte visuele parameters, loopt daar vaak vast. “Want wat als je te maken hebt met producten die variëren in kleur, vorm of structuur? Dan zijn starre regels niet voldoende.”

Daar komt AI & smart vision in beeld. Devion traint systemen op basis van beelddata: duizenden voorbeelden van goede en afgekeurde producten. “Zo leert het systeem patronen herkennen, net zoals een mens dat doet. Maar dan zonder vermoeidheid of twijfel.” 

Objectiever, consistenter en sneller

Het resultaat is een smart-visionsysteem dat veel consistenter oordeelt dan een menselijke operator. “Wanneer de kwaliteit tijdelijk daalt en er veel fouten zijn, wordt een persoon op de lijn minder streng – vaak onbewust. En omgekeerd, als alles goed loopt, wordt die soms té kritisch. Onze systemen kijken altijd op dezelfde manier, met dezelfde scherpte.” Dat leidt tot minder afval én minder klantklachten. “Want je vermijdt dat goede producten onterecht worden afgekeurd, en tegelijk voorkom je dat iets met een foutje toch door glipt.”

Naadloos in bestaande lijnen

De implementatie gebeurt in fases. Eerst observeert Devion de bestaande productiestroom. “We brengen in kaart wat goed en fout is, bouwen een betrouwbare dataset op en trainen het systeem. In een eerste fase laat je het dan meedraaien zonder echt te handelen, puur om te zien of het consistent en accuraat reageert.” Zodra er voldoende vertrouwen is, volgt de stap naar geautomatiseerde beslissingen. “Op dat moment kun je ook robotica koppelen aan het systeem – het brein en de hand samen. Zo ontstaan volledig geautomatiseerde kwaliteitslijnen.”

Wat met variatie in producten?

Ook daar speelt AI & smart vision zijn troeven uit. “Onze systemen kunnen omgaan met productvariaties, maar hoe groter de variatie, hoe meer data je nodig hebt. Je laat het systeem leren zoals een mens: door veel te zien en patronen te herkennen.” Declerck raadt aan om per producttype aparte datasets op te bouwen, maar wel binnen één gedeeld platform. “Dat maakt het schaalbaar en efficiënt.”

Maatschappelijk antwoord

Voor Declerck gaat het verder dan technologie. “We botsen vandaag op een krappe arbeidsmarkt. Jongeren willen dat repetitieve werk niet meer doen. Buitenlandse arbeidskrachten blijven ook niet vanzelf komen. Dus we moeten nadenken over automatisering waar het echt nodig is.” Volgens hem is dat geen bedreiging, maar een kans. “Door AI & smart vision te combineren met robotica, kunnen we net de productiejobs redden die hier onder druk staan. Niet door ze af te pakken, maar door ze haalbaar en toekomstbestendig te maken.”

Europa moet durven schakelen

Declerck eindigt met een duidelijke boodschap: “We zitten op een kantelpunt. Indien we als Europa mee willen blijven spelen, moeten we durven investeren in technologie. AI & smart vision zijn geen gadgets – het zijn tools die onze industrie opnieuw concurrentieel kunnen maken. Maar dan moeten we het wél doen!”