Rozšířená realita a umělá inteligence ve službách servisu a údržby

O XR technologiích se říká, že jsou nejpřirozenějším rozhraním mezi člověkem a technologiemi. Nejlépe totiž přijímáme informace v kontextu času, činnosti a prostoru. Rozšířená realita (AR) je proto vhodným pomocníkem pro pracovníky servisu a údržby a projekty v této oblasti jsou jedny nejčastějších scénářů využití XR s jasně měřitelnými přínosy. Pokud doplníme AR řešení vzdálené podpory či pracovních postupů o umělou inteligenci, posune se užitek z těchto technologií ještě o kus dále.

Vizuální kontrola a statické kamerové systémy

Systémy vizuální kontroly využívající umělou inteligenci se stávají stále více běžným pomocníkem při kontrole kvality ve výrobních podnicích. Výrobní linky se již běžně osazují průmyslovými statickými kamerami, obraz u nich je vyhodnocován systémem strojového učení a identifikovaná vada výrobku je signalizována operátorům. Tyto systémy zvládají (byť ne se 100% úspěšností) vizuálně kontrolovat povrch materiálu, tvar, barvu, množství, rozměry, umístění nebo třeba čitelnost popisků na výrobku. Efektivně nahrazují, respektive doplňují, lidskou kontrolu kvality. Od předvýrobních kontrol až po kontroly kvality na konci linky mají pracovníci u linek příležitost odhalit závady a řešit problémy dříve, než ovlivní zákazníka. Manuální metody kontroly však přinášejí neefektivitu a příležitosti k chybám. Tzv. počítačové vidění, tedy schopnost počítače rozpoznat, porozumět a interpretovat obrazy a videa, doplněné o analýzu z dalších instalovaných senzorových vstupů na linkách významně zvyšují celkovou efektivitu, kvalitu a bezpečnost.

Dalším využitím umělé inteligence a kamerových systémů je prediktivní údržba samotných výrobních linek. Podle společnosti McKinsey and Company (The state of AI in 2021) prediktivní údržba řízená umělou inteligencí může zvýšit produktivitu majetku až o 20 % a snížit náklady na údržbu o 10 %. Příkladem průkopníka může být Škoda Auto a systém „Magic Eye“, který nepřetržitě monitoruje technologii výrobní linky a využívá umělou inteligenci k identifikaci případných nesrovnalostí v provozních procesech. Rozpozná tak potřebu případné intervence údržby a vyšle pracovníka preventivně na zásah. Více na https://www.skoda-storyboard.com/cs/tiskove-zpravy-archiv/skoda-auto-kamerovy-system-magic-eye-vcas-odhali-potrebu-udrzby-na-vyrobni-lince/.

Servisní technik v terénu

Pokud neprovádí servisní technik zásah přímo v dosahu statického kamerového systému, pak mu umělá inteligence a počítačové vidění na místě zásahu příliš nepomůže. Všude tam, kde technikům nevidí statická kamera přímo „pod ruce“, se proto nabízí využití XR technologií jako prostředků pro počítačové vidění a zpřístupnění obrazu umělé inteligenci. Kamery a zobrazovací displeje chytrých brýlí (s výhodou volných rukou) nebo tabletů či mobilů má totiž servisní technik přímo u sebe během zásahu. Počítačové vidění může prostřednictvím rozšířené reality doslova překrýt zrak technika a potřebné informace mu zobrazit přímo na servisovaném zařízení. Co si pod využitím XR technologií pro servis a údržbu představit? Například využití rozšířené reality pro přístup technika k dokumentaci, 2D nebo 3D promítání pracovních instrukcí přímo na servisované zařízení nebo asistovanou vzdálenou podporu zkušenějšími kolegy. Více zde https://imm-tech.eu/cs/vyuziti-xr/servis-a-udrzba/.

Zapojení umělé inteligence

Velmi zjednodušeně funguje umělá inteligence jako trénování sítě hlubokého učení pomocí stovek nahraných pořízených fotek nebo využitím CAD dat s umělým vygenerováním vizuálních příkladů s uvedením požadovaného výstupu (například dobrý stav/špatný stav). Uveďme si několik příkladů využití. Servisní technik přichází s chytrými brýlemi na hlavě (nebo s mobilním zařízením v ruce) na místo provedení preventivní nebo nápravné údržby a k dispozici má veškerou potřebnou dokumentaci, pracovní postupy k opravě, kontrolní checklisty a IoT hodnoty související se servisovaným zařízením. Samozřejmě ne v papírové podobě, ale dostupné v chytrých brýlích, které jsou online připojeny k podnikovému úložišti a analytickým službám. Jak mu může umělá inteligence pomoci při zásahu?

• Upozornění na nebezpečí (identifikace výstražné značky, pohybu zařízení znamenající nevypnutí a nezajištění stroje, pohyb nepovolené osoby, svítící výstražné kontrolky, nevypnutí jističe apod)
• Identifikace zařízení (buď identifikace z obrazu nebo pomocí čtení a rozpoznávání štítků, čárových a QR kódů na zařízeních a na jeho součástkách s dotažením kompletního servisního deníku, dokumentace předchozích servisních zásahů a způsobu řešení, dostupnosti náhradních dílů apod)
• Diagnostika závady (identifikace, zda je vše správně zapojeno, zda součástky nemají nesrovnalosti a defekty, vyhodnocení údajů z kontrolních displejů zařízení apod)
• Kontrola kvality (po provedeném kroku pracovního postupu je vyhodnoceno správné umístění součástky, otočení páky, kvality spoje, nasazení krytu, zmáčknutí tlačítka apod)

Příkladem technologie, která využívá rozšířenou reality a umělou inteligenci pro servis a údržbu, je například PTC Vuforia Instruct. Na videu představujeme na modelu kompresoru Howden, který v Immersive Technologies často používáme pro představování XR technologií, inspekci pomocí Step Check. V kroku tři jsme naučili na základě cca 400 fotek správných a špatných situací rozeznávat nasazení hlavy kompresoru. Touto prvotní sadou snímků však nemusí celý proces končit, systém se umí průběžně učit i z dalších snímků pořízených během rutinního provádění kontrol.