Wyszukaj
Woodspect

Wieloczujnikowy
system kontroli jakości
oparty na algorytmach
uczenia maszynowego
(Deep Learning AI)

  • Opis
  • Zalety
  • Identyfikowane defekty
  • Dane techniczne
  • Galeria
  • Broszura
Woodspect to nowoczesny, w pełni zautomatyzowany system widzenia maszynowego oparty na sieciach neuronowych, dla producentów i fabryk mebli, podłóg drewnianych, okien i fasad.

Woodspect to połączenie innowacyjnych układów optyczne z zaawansowaną automatyką oraz IT zakładu produkcyjnego. Dzięki wykorzystaniu uczenia maszynowego Woodspect jest w stanie zastąpić manualną inspekcję produktów, podwyższając skuteczność kontroli. System pomaga zautomatyzować procesy kontroli jakości na liniach produkcyjnych od materiału surowego do gotowej deski.

Elastyczność systemów Woodspect pozwala na zastosowanie do potrzeb różnych rodzajów produktów drewnopochodnych, w tym m.in.:
- lamelek, desek
- płyt (w tym drewno klejone warstwowo)
- sklejki
- paneli podłogowych

Algorytm wykrywania defektów produktów drzewnych opartych na sieciach neuronowych uzyskuje wysoką skuteczność na poziomie 98%, przy niskiej liczbie próbek sklasyfikowanych niepoprawnie.
Nasze systemy są dostosowane do wymagań korporacyjnych, w zakresie systemów IT: wymiany danych, zarządzaniem uprawnieniami użytkowników, raportowania.
Zalety:
- dokładność klasyfikacji wady drewna na poziomie 98% (w porównaniu do 90% dokładność ręcznej klasyfikacji)
- przyjazny dla użytkownika interfejs umożliwia wizualizacja wyników w graficznej formie
- prosta integracja systemu z istniejącą linią produkcyjną
- scentralizowana jakościowa i ilościowa kontrola produktów

Opcje:
- podgląd statystyk kontroli jakości dla każdego produktu wraz z wizualizacją produktów odrzuconych
- dostęp do pogłębionych statystyk kontroli jakości z podziałem na czas, produkt, zmianę, dostawcę tarcicy
- zdefiniowane wartości trendu i alarmy
- szczegółowe raportowanie
- moduł zarządzania systemem mobilnie

Co zyskujesz?
- gwarancja satysfakcji konsumentów
- rozwiązanie problemu niedoborów siły roboczej poprzez wprowadzenie zautomatyzowanej wizji maszynowej opartej o sztuczną inteligencję w miejsce manualnej inspekcji
- wzmocnienie reputacji i zaufania do marki — konsekwentne dostarczanie wysokiej jakości produktów
- uniknięcie problemów i rosnących kosztów w dalszym procesie obróbki drewna (kłoda > lamela > prasa > obróbka mechaniczna > lakierowanie > pakowanie > gotowy wyrób > zwrot od klienta / utracony klient)
Woodspect oparty o sztuczną inteligencję jest w stanie przykładowo rozróżnić pęknięcie od śladów po pile lub kieszeń żywiczną - od przeżywiczenia.

Systemy z serii Woodspect wykrywają wady takie jak:
- pęknięcia
- kieszenie żywiczne
- zgniłe, pęknięte lub wypadające sęki
- uszkodzenia mechaniczne (w tym ubytki)
- przebarwienia (niebieskie plamy)
- wady geometrii

Woodspect opiera się na dwóch technikach pomiaru: skanowania 3D, oparty na metodzie triangulacji laserowej oraz skaner barwy wykorzystujący kamerę liniową RGB.

Woodspect oferuje dwie grupy aplikacji, które można rozróżnić w zależności od metody pomiaru:

- Wykrywanie wad na surowych deskach – algorytmy oparte na sieciach neuronowych umożliwiają wykrycie defektów takich jak: kieszenie żywiczne, zepsute sęki, uszkodzenia mechanicznie. Tego typu kontrola jakości może posłużyć m.in. do eliminacji defektów na łączeniach trzpieniowych lameli oraz automatyzacji naprawy powierzchni wierzchniej produktów.

- Precyzyjny pomiar geometrii 3D – poprzez wykorzystanie metody triangulacji laserowej umożliwia dokładny pomiar powierzchni desek po obróbce mechanicznej. Tego typu kontrola jakości może posłużyć m.in. do wykrywaniu objętości ubytków, co umożliwia automatyzację procesu szpachlowania.

Konfigurowalny interfejs i baza danych
Na podstawie specyfikacji produkcyjnej istnieje możliwość dostosowania interfejsu systemu, włącznie z konfiguracją automatycznego przesyłanie danych do systemu przez system wyższego rzędu (np. MES), z zachowaniem możliwości przesyłania dodatkowych danych przez operatora linii. Dane zebrane przez system mogą zostać automatycznie przesłane do układu wyższego rzędu.

Zaufali naszemu know-how

  • Naszym zdaniem, zastosowanie sieci neuronowych i funkcja klasyfikacji wykrywanych wad wyróżnia rozwiązanie KSM Vision na tle rozwiązań konkurencyjnych, a osiągana przez system skuteczność zapewnia kontrolę jakości na poziomie systemów wiodących producentów.
    MLEKOVITA, na Liście FORBES 100 największych polskich firm prywatnych (2022)
    mgr. inż. Dariusz Sapiński,
    Prezes Zarządu
  • W trakcie projektowania rozwiązania firma KSM Vision wykazała się dużą elastycznością w dostosowaniu systemu do oczekiwań Działu Produkcji BIOFARM. (...) Od czasu wdrożenia technologii wizyjnej BLISPECT na pierwszej linii produkcyjnej BIOFARM blisko dwa lata temu Dział Serwisu KSM Vision był i pozostaje dostępny dla Pracowników BIOFARM z dobrym czasem reakcji.
    BIOFARM Jarosław Pieczuro,
    Prezes Zarządu
  • Firma KSM Vision Sp. z o.o. opracowała system do kontroli jakości fiolek szklanych na tabletki. (...) Dużą zaletą systemu jest wykorzystanie algorytmów uczenia maszynowego, umożliwia to łatwą adjustację systemu.
    ADAMED Group Dariusz Stępień,
    Dyrektor ds. Infrastruktury i Mediów

Nasze rozwiązania z wykorzystaniem głębokich sieci neuronowych mają wsparcie zaufanych partnerów: