BMWは、生産において人工知能をどのように使用しているかについての洞察を提供します

人工知能（AI）は、自動車生産で増加しています。 2018年以来、BMWグループはさまざまなAIアプリケーションを量産に使用しています。

1つの焦点は自動画像認識です。これらのプロセスでは、人工知能が進行中の制作中のコンポーネント画像を評価し、ミリ秒単位で同じシーケンスの他の何百もの画像と比較します。

このようにして、AIアプリケーションはリアルタイムで標準からの逸脱を判断し、たとえば、必要なすべての部品が取り付けられているかどうか、適切な場所に取り付けられているかどうかを確認します。

革新的なテクノロジーは高速で信頼性が高く、最も重要なのは使いやすいことです。

BMW Group Productionのイノベーション、デジタル化、データ分析の責任者であるクリスチャン・パトロンは次のように述べています。それは私たちが高品質の基準を維持するのを助け、同時に私たちの人々を繰り返しの仕事から解放します。」

BMWグループでは、柔軟で費用対効果の高いAIベースのアプリケーションが、恒久的に設置されたカメラポータルに徐々に取って代わりつつあります。実装はかなり単純です。

プロダクションで関連する写真を撮るのに必要なのは、モバイル標準カメラだけです。 AIソリューションも迅速にセットアップできます。従業員はさまざまな角度からコンポーネントの写真を撮り、画像に潜在的な偏差をマークします。

このようにして、彼らはいわゆるニューラルネットワークを構築するために画像データベースを作成します。これは後で人間の介入なしに画像を評価することができます。

従業員はコードを書く必要はありません。アルゴリズムはそれを事実上それ自体で行います。トレーニング段階（一晩を意味する場合もあります）では、高性能サーバーが約100枚の画像からニューラルネットワークを計算し、ネットワークはすぐに最適化を開始します。

テストを実行し、場合によってはいくつかの調整を行った後、信頼性は100％に達します。学習プロセスが完了し、ニューラルネットワークはコンポーネントが仕様を満たしているかどうかを独自に判断できるようになりました。

動く物体でさえ、生産エリアの照明や正確なカメラ位置などの要因にほとんど関係なく、確実に識別されます。これにより、ロジスティクスを含む自動車プロセスチェーン全体に沿って幅広い潜在的なアプリケーションが開かれます。

多くの場合、AIテクノロジーにより、三角表示板がトランクの適切な場所にあるかどうかや、ワイパーキャップが装着されているかどうかを確認するなど、繰り返しの単調な作業から従業員を解放します。

人工知能はより要求の厳しい検査タスクを実行することもできます

BMWグループのディンゴルフィング工場の最終検査エリアでは、AIアプリケーションが車両注文データを新車のモデル指定のライブ画像と比較します。

四輪駆動車のモデル指定や「xDrive」などの他の識別プレート、および一般的に承認されているすべての組み合わせが画像データベースに保存されます。

ライブ画像と注文データが一致しない場合、たとえば指定が欠落している場合、最終検査チームは通知を受け取ります。

クリスチャン・パトロン：「私たちはこれらの取り組みにおいて従業員の経験と専門知識に完全に依存しています。彼らは、AIアプリケーションが品質と効率を向上させる可能性のある生産ステップを最もよく判断できます。このようなアプリケーションのセットアップと実装は、意図的にシンプルにしています。それらの運用には、高度なITスキルは必要ありません。」

AIは疑似欠陥を排除します

プレスショップでは、板金部品を車体の高精度部品に加工しています。成形後にコンポーネントに残ったほこりの粒子や油の残留物は、プロセス中にまれに発生する非常に細かい亀裂と簡単に混同される可能性があります。

ドイツのディンゴルフィングにあるBMWグループの工場にある以前のカメラベースの品質管理システムでも、実際の障害がなかったとしても、これらの疑似欠陥、つまりターゲットからの逸脱がマークされることがありました。

新しいAIアプリケーションでは、ニューラルネットワークが機能ごとに約100の実際の画像にアクセスできるため、これらの疑似欠陥は発生しなくなりました。つまり、完全なコンポーネントの約100の画像、ほこりの粒子を含む100の画像、コンポーネントに油滴を含む別の100の画像です。 、など。

これは、以前に疑似欠陥を引き起こした視覚的に近い呼び出しの場合に特に関係があります。

BMWグループのSteyr工場とBMWグループデータ分析チームも、疑似欠陥の排除に成功しています。後のエンジンコールドテストでのトルク測定の推定される不規則性は、多くの場合、重要ではないことが判明します。

ただし、AIソリューションを導入する前は、このような結果により、燃料を使用した高温テストまで、複雑な手動検査とさらなるテスト実行が必要になりました。

分析ソフトウェアは、記録された多くのテスト実行に基づいてトレーニングされたため、実際のエラーと推定されたエラーを区別することを学びました。

AIの「制御」：人工知能と施設およびロボット制御システムの統合

BMWグループでの最初のスマートAI制御アプリケーションは、BMWグループのSteyr工場での初公開を祝いました。このアプリケーションは、コンベヤーベルトでの空の不必要な輸送を防ぐことにより、ロジスティクスプロセスをスピードアップします。この目的のために、コンテナはカメラステーションを通過します。

AIアプリケーションは、従業員によってマークされた保存済みの画像データを使用して、コンテナをパレットに固定する必要があるかどうか、または大きくて安定した箱の場合は追加の固定が必要ないかどうかを認識します。

ラッシングが不要な場合、AIアプリケーションは、最短ルートでフォークリフトの取り外しステーションにコンテナを誘導します。

一方、追加で固定する必要のあるコンテナは、ラッシングシステムを使用してコンベヤセクションに直接誘導され、その後、背後にある取り外しステーションに誘導されます。以前は、大きなコンテナの場合、すべてのコンテナを取り外しステーションに輸送する必要がありました。

そこから、追加の固定が必要なコンテナを転送する必要がありました。この迂回を行った後、ラッシング施設に到達し、最終的に正しい除去ステーションに到達するだけでした。

Steyrでのアプリケーションに加えて、AIはBMWグループの他の多くのロジスティクスイノベーションの背後にあります。また、建物や工場の高解像度3Dスキャンを作成する仮想レイアウト計画もサポートしています。

人工知能は、最終的に、コンテナ、建物の構造、機械など、3Dスキャンでの個々のオブジェクトの認識に貢献します。

これにより、エンジニアは3Dプランニングソフトウェアの3Dスキャンから個々のオブジェクトを削除し、これらを個別に変更できるため、製造現場での適応のシミュレーションと理解が容易になります。

BMWグループの工場でAIアプリケーションを使用する傾向はすでにはっきりしています。スマートデータ分析、最先端の測定テクノロジー、AIの統合が進むことで、生産管理に新たな機会が開かれます。

たとえば、ボディショップでは、最終検査の画像から、複数の車体の同じ溶接点に溶接金属が吹き付けられていることが示される場合があります。

したがって、AIを使用すると、制御ループを閉じて、システム制御またはメンテナンスサイクルをさらに高速かつ効率的に調整できます。

塗装工場では、AIおよび分析アプリケーションにより、エラーの原因を早期に検出できるため、エラーが発生することはほとんどありません。最初に塗装する前に車体にほこりが付着していなければ、研磨する必要はありません。後でオフにします。