Sztuczna inteligencja zbada zużycie wierteł
![Sztuczna inteligencja zbada zużycie wierteł](https://www.sggw.edu.pl/wp-content/uploads/2023/11/Sztuczna-inteligencja-zbada-zuzycie-wiertel.jpg?x96632)
Naukowcy ze Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie opracowali, przy użyciu sztucznej inteligencji, system do monitorowania zużycia wierteł w procesie produkcji mebli. W jaki sposób sztuczna inteligencja rozpoznaje czy wiertło jest odpowiedniej jakości? W jaki sposób naukowcy stworzyli system monitorowania? I czy przemysł meblarski rzeczywiście może na tym skorzystać?
Sztuczna inteligencja w meblarstwie
Sztuczna inteligencja (SI) jest dziedziną, która staje się coraz bardziej popularna i jest coraz częściej wykorzystywana. Jej działania oparte są na przetwarzaniu i analizie danych oraz systemie algorytmów. Celem jest ulepszenie i uproszczenie wielu procesów. W przypadku naukowców ze Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie chodziło o zastosowanie sztucznej inteligencji w przemyśle, a dokładnie w produkcji mebli.
Naukowcy z Instytutu Informatyki Technicznej SGGW oraz Instytutu Nauk Drzewnych i Meblarstwa SGGW połączyli siły, w wyniku czego powstał system do diagnostyki zużycia wierteł w produkcji meblarskiej.
– Mamy wiertło, którym wiercimy w drewnie otwory. Drewno chcemy wykorzystać do budowy mebli – mówi dr hab. inż. Michał Kruk, prof. SGGW z Katedry Sztucznej Inteligencji Instytutu Informatyki Technicznej SGGW. – To wiertło, jeśli wykona dużą liczbę otworów, to zaczyna się tępić i zamiast ładnych powstają zniekształcone. Jeśli wygląd otworów za bardzo będzie odbiegał od normy, to nikt nie będzie chciał kupić mebla z takimi uszkodzeniami.
Monitorowanie zużycia wiertła
– System diagnostyczny do monitorowania zużycia wierteł, który stworzyliśmy, ocenia otwór i przypisuje go do jednej z trzech klas – tłumaczy prof. M. Kruk. – Zielona klasa, to dobry otwór i ostre wiertło. Żółta klasa oznacza, że nie jest źle, ale już należy zwrócić uwagę na to, że zaczyna powstawać problem. I klasa czerwona oznaczająca, że wiertło należy wymienić, ponieważ będzie coraz więcej uszkodzonych otworów. A wtedy będzie trzeba wymienić również surowiec, w którym powstają otwory, co narazi nas na dodatkowe koszty i absolutnie nie przyczyni się do dbania o naszą planetę.
Monitorowanie stanu narzędzi jest znacznym problemem w produkcji mebli i branżach pokrewnych. Rozwiązanie naukowców z SGGW zdecydowanie może przyczynić się do jego rozwiązania. Dzięki systemowi wykorzystującemu sztuczną inteligencję, proces produkcji może odbyć się szybciej, sprawniej i bardziej przewidywalnie. A to może znacząco poprawić jego efektywność i produktywność.
Prace projektowe nadal trwają. Naukowcy chcą w przyszłości skomercjalizować stworzony system i wspomóc tym samym branżę meblarską.
Jak nakarmić danymi SI?
Istnieją dwie metody, z których naukowcy z SGGW skorzystali karmiąc danymi sztuczną inteligencję. Przede wszystkim powstało mnóstwo zdjęć przedstawiających otwory w płytach wykorzystywanych do produkcji mebli. Naukowcy przy użyciu wierteł wiercili otwory, na bieżąco wykonywali fotografie oraz obserwowali stan zużycia wiertła i wygląd otworów. Sztuczna inteligencja była uczona za pomocą obrazów, w jaki sposób ma działać. Na początku projektu, przy użyciu starszej metody, naukowcy wprowadzali dodatkowo do sztucznej inteligencji m.in. parametry otworów, dane kolorystyczne i geometryczne. Potem, przy użyciu nowszej metody, wystarczyło wprowadzić dodatkowo informację o tym, że na zdjęciu znajduje się otwór dobry lub zły. A resztę pracy wykonywał już dedykowany program, który na podstawie zdjęć sam dokonywał pomiarów. Następnie sztuczna inteligencja przetwarza załadowane do niej obrazy i dane, diagnozuje oraz informuje o efekcie.
Im więcej prób wiertniczych zostanie wykonanych, tym sieć będzie miała większą wiedzę, dzięki której powstanie najbardziej prawdopodobna ogólna diagnoza stanu wiertła.
Anita Kruk, Biuro Promocji SGGW
Konsultacja merytoryczna: dr hab. inż. Michał Kruk, prof. SGGW; Katedra Sztucznej Inteligencji, Instytut Informatyki Technicznej SGGW