Fontos szerephez jut a mesterséges intelligencia a gumiabroncs-gyártásban

A Hankook egy AI segítségével gyorsítja fel a minőség-ellenőrzést, valamint a gyártósorok későbbi meghibásodására figyelmeztető rendszert is mesterséges intelligenciával turbózták fel.

Fontos szerephez jut a mesterséges intelligencia a gumiabroncs-gyártásban

A mesterséges intelligencia manapság egyre több területen kerül bevetésre, ugyanis meglehetősen sokféle feladatra lehet hatékonyan alkalmazni egy-egy jól megalkotott és megfelelően tréningezett neurális hálózatot. Az AI segítségével könnyedén és megbízhatóan lehet objektumokat felismerni biztonsági kamerák felvételein, de az egészségügyben is remekül kamatoztathatóak az előnyei egy-egy kórkép felállításánál, illetve a különböző felvételek elemzésénél, ugyanis az AI olyan összefüggésekre is rá tud mutatni, amelyek felett a szakemberek esetleg elsiklanának. Persze a pontosság nem feltétlenül 100%-os az esetek többségében, mégis kiváló kiegészítő lehet az AI. Például akár az online kommunikáció hangjának szűrésére is be lehet vetni, ahogy azt az Nvidia is tette a napokban – és a példákat vég nélkül sorolhatnánk napestig.

Minőség-ellenőrzés mesterséges intelligenciával

A jelek szerint az AI a gumiabroncsok gyártásánál is komoly szerepet kaphat, legalábbis erről tanúskodik a Hankook legutóbbi bejelentése, amelynek értelmében a kész gumiabroncsok minőség-ellenőrzésénél mostantól mesterséges intelligenciát is használnak, hogy a folyamatokat felgyorsíthassák és garantálhassák az abroncsok magas minőségét. Ebben az esetben a gyártó a dél-korai KAIST Műszaki Egyetemmel lépett együttműködésbe annak érdekében, hogy a speciálisan képzett szakemberek mellett a mesterséges intelligenciában rejlő lehetőségeket is kamatoztatni lehessen. Az AI szerepe az lesz, hogy az interferométeres gumiabroncs-vizsgálóval együttműködjön, azaz segítsen felfedezni az egyes gumiabroncsok anyagában lévő légbuborékokat, ami nem egy egyszerű feladat, hiszen a légbuborékok eltérő formával és mérettel rendelkeznek, kiszűrésük meglehetősen fontos.

Az új rendszer érzékelőkkel és képelemzéssel végzi el a feladatot, méghozzá gyorsabban, mint a magasan képzett szakemberek, akik eddig több év tapasztalattal a hátuk mögött végezték ezt a feladatot, ami eléggé időigényesnek bizonyult. A szakemberekre minden bizonnyal továbbra is szükség lesz, ám sok feladatot levehet a vállukról az új rendszer. A minőség-ellenőrzésnek egyébként az Interferometer Tire Tester csak az első állomása, utána ugyanis röntgennel is ellenőrzik az abroncsok szerkezetét, hogy kiderüljön, vannak-e rejtett hibáik. A harmadik lépés a külső ellenőrzés, ami szemügyre vételen és bizonyos protokollok követésével zajló vizsgálaton alapul. A Hankook tervei szerint utóbbi két lépcsőnél is alkalmazni fogják a mesterséges intelligenciát a jövőben, ami kétségtelenül még tovább gyorsíthatja a termelést.

Galéria megnyitása

A gyártósor későbbi meghibásodásait jó előre jelezheti az AI

Az AI ezzel együtt a gyártósor-meghibásodásra figyelmeztető előrejelző rendszerben is szerepet kap, amely különböző szenzorokkal monitorozza a különböző részegységek működését, így időben fel lehet figyelni egy közelgő anomáliára, például a szokásos „rezgéskép” megváltozásának felismerésével. Az AI és IoT komponensekből álló CMS+ (COndition Monitoroing System Plus) a gyártósor kulcsfontosságú komponensein található rezgésszenzorokkal dolgozik, amelyek IoT modulokhoz csatlakoznak, ezeket pedig IoT Gateway kapcsolja össze a szerverrel.

Az első lépcsőnél, azaz a szenzorhoz kapcsolódó IoT modulnál az adatok gyűjtése és továbbítása zajlik, méghozzá másodperces intervallumban, míg a korábbi rendszernél sokkal ritkább volt a mintavétel a technológiai korlátok miatt – a gyakori mintavételből fakadó óriási adatforgalmat nem tudta volna kezelni az infrastruktúra. Az IoT modulok már mesterséges intelligenciával karöltve gyűjtik és elemzik az adatokat, így már az első szinten képes szétválogatni a rendszer a normális és az abnormális működésből származó információkat, vagyis csak azokat kell tárolni és tovább küldeni, amelyek gyanúsnak bizonyulnak. Az ebben segítő algoritmust szintén a KAIST segítségével fejlesztették ki.

A következő fázisban, vagyis az IoT Gateway és a szerver szintjén az IoT modulok által már előre szétválogatott adatok mélyebb elemzése történik: az adatokat itt egyben elemzi a rendszer, vagyis a rezgésszenzorok mellett a hőszenzorok és a működéssel kapcsolatos különböző információk egyidejű elemzése megy végbe, így jó előre megjósolható egy esetleges meghibásodás. A rendszer egy valós idejű riasztó funkcióval is fel van vértezve, így a kezelő azonnal értesülhet az esetleges problémáról és azonnal meghozhatja a szükséges intézkedéseket.

Az AI és IoT alapokon nyugvó rendszert Dél-Koreában már használják, de később a többi Hankook gyárban is bevezetik majd.

Neked ajánljuk

Kiemelt
{{ voucherAdditionalProduct.originalPrice|formatPrice }} Ft
Ajándékutalvány
-{{ product.discountDiff|formatPriceWithCode }}
{{ discountPercent(product) }}
Új
Teszteltük
{{ product.commentCount }}
{{ product.displayName }}
csak b2b
nem elérhető
{{ product.originalPrice|formatPriceWithCode }}
{{ product.grossPrice|formatPriceWithCode }}
{{ product.grossPrice|formatPriceWithCode }}
{{ product.displayName }}

Tesztek

{{ i }}
{{ totalTranslation }}
Sorrend

Szólj hozzá!

A komment írásához előbb jelentkezz be!
{{ orderNumber }}
{{ showMoreLabelTranslation }}
A komment írásához előbb jelentkezz be!
Még nem érkeztek hozzászólások ehhez a cikkhez!
Még nem érkeztek hozzászólások ehhez a cikkhez!
Segíts másoknak, mondd el, mit gondolsz a cikkről.

Kapcsolódó cikkek

Magazin címlap