Status 2018 Et glimrende år – nu også med machine learning der nu sælges over hele verden. Virksomheden, som er en del af Teradyne Inc., har sit hovedsæde i Odense og har datterselskaber og regionale kontorer i USA, Tyskland, Frankrig, Spanien, Italien, Tjekkiet, Tyrkiet, Kina, Indien, Singapore, Japan, Sydkorea, Taiwan og Mexico. I 2017 havde Universal Robots en omsætning på USD 170 millioner. www.universal-robots.com handelskrig og andre usikkerhedsmomenter. -Vi følger med og gør vores bedste. Vi installerer og udfører service på testmaskiner i hele verden og kan ved selvsyn konstatere, at vores kunder har travlt. Det smitter af på os. Mere af det samme Når talen falder på næste år, er direktøren klar i mælet. Mere af det samme, lyder det fromme juleønske. Selv om han også gerne ser en vækst i afsætningen til nærområdet. Med dette menes der Skandinavien og Nordeuropa, men det er en tilbagevendende udfordring hos den nordjyske producent. -Flere af de store koncerner, vi samarbejder med, har godt nok hovedkontor i Europa. Men deres afdelinger er spredt udover hele kloden. Derfor kan det være svært at vækste lokalt, selv om vi løbende forsøger at intensivere salgsindsatsen. Vi skal nu ikke klage, hvis vi får nogenlunde lige så travlt til næste år. 2018 har budt på mange spændende opgaver, slutter Knud Sørensen. www.benttram.com Af Jørgen Læssøe 2018 har været et glimrende år for JLI vision a/s. Virksomheden har fået nye kunder og flere medarbejdere - og der er gennemført mange spændende udviklingsopgaver. I år har JLI desuden brugt mange ressourcer på at udvikle machine learning, ML, som en del af beslutningstagningen i visionsystemerne. Man har valgt at anvende både traditionel visionteknik og ML - det man kalder »Hybrid Vision«. Gode og dårlige knaster JLI’s første opgave er for en stor møbelfabrikant. Her finder systemet knaster i træplader og bestemmer, om de skal bores eller fræses ud. Knaster kommer i mange varianter. Nogle knaster er døde og kan falde ud, og andre er uden problemer. Harpikslommer kræver efterbearbejdning for at undgå, at der trænger harpiks gennem malingen. Systemet anvender traditionel vision til at finde alle knaster og harpikslommer. De identificerede områder får en tur gennem et neuralt netværk. Derefter sendes signaler til den mekanik, der borer og fræser defekterne ud og isætter runde eller bådformede træplugs. Indlæringen af gode og dårlige knaster kræver flere tusinde limtræsplader, som er træstave, der er limet sammen til plader op til 1 x 2,5 meter. Der er flere sekvenser ved oplæring af systemet. Når der er gennemført en primær træning, kan man foretage en manuel kontrol af anlæggets sortering. De plader, der er blevet forkert bedømt af systemet, kan køres igennem igen, og systemet kan så skærpe kontrollen. Machine learning kræver stor computerkraft og hurtige grafikkort til billedbehandlingen. Der bruges også særlige programmer til opbygning af de neurale netværk. Med machine learning overlader man klassifikationen til neurale netværk. Det vil sige, at man faktisk ikke kender de algoritmer, som systemet har opbygget, og det er derfor ikke muligt at validere sorteringen. Derfor er machine learning ikke egnet til kontrol af medicinske produkter. Man ved simpelthen ikke præcist, hvad der sker i dybet af programmerne. Men til sorteringsopgaver, hvor en fejl ikke er farlig, Træplade med knaster og harpikslommer. er machine learning en fin løsning. Man skal tænke på, at der også opstår fejl ved manuel sortering. De første resultater viser, at man kan opnå 95 procent korrekt sortering, hvor manuel sortering ligger betydeligt lavere. Hybrid vision spreder sig Siden midten af 1980 har man forsøgt at anvende neurale netværk til visionopgaver. Men der har manglet indsigt, metoder, programmer og navnlig computerkraft. Udviklingen inden for databehandling er nu nået så langt, at det er muligt at udvikle effektive systemer. JLI har lagt mange tusinde timer i udviklingen, og det er derfor herligt at se det første anlæg i produktionen. JLI har nu flere opgaver, hvor der anvendes hybrid vision. JLI har siden år 2000 leveret inspektionssystemer til glasværker, der producerer glasrør og er i dag internationalt førende med udstyr, der kontrollerer kvaliteten af glasrør, som blandt andet bruges i medicinalindustrien. De almindelige fejl findes med traditionel visionteknik, men der er mulighed for at klassificere vanskelige fejl og opnå endnu bedre inspektion. Det første hybrid visionsystem er nu installeret på et glasværk i Holland. Fejlene, der skal findes, er sjældne, så det tager tid at oplære systemet, men indtil videre ser det lovende ud. www.JLIvision.com JLI vision a/s har siden 1985 udviklet avancerede nøglefærdige visionsystemer. Virksomheden har 20 ansatte og eksporterer ca. 70 procent af visionsystemerne. teknisk nyt nr. 12 - 2018 25
Download PDF fil
Se arkivet med udgivelser af Teknisk Nyt her
TechMedias mange andre fagblade kan læses her