Umělá inteligence odhaluje výrobní vady na 99,9 %. Lidé jich až třetinu přehlédnou. Startup cílí na automobilky

Rok existence má za sebou startup 24 Vision System. Vznikl v červnu 2019 a specializuje se na využití strojového vidění a umělé inteligence k pozorování a kontrole položek na výrobní lince. „Pokud jste manažerem kvality, máte pouze jediný zájem: abyste se ujistili, že ani jeden vadný produkt neopustí vaši výrobní linku. Může existovat více příčin chyb, jako jsou jednoduché defekty a výrobní vady, ale také nesoulad konfigurace. 24 Vison System má jedinečnou schopnost kontrolovat více problémových oblastí najednou a zaručit 99,9 procentní přesnost detekce,“ vysvětluje šéf startupu Martin Hriško.

Spolu s ním stáli u zrodu další dva dlouholetí pracovníci, kteří se v oblasti IT pohybují bezmála 25 let. Martin Hriško má na starosti strategii a obchod, Martin Cviček rozvoj a vývoj softwaru a Zdeněk Neustupa je specialistou na programování a umělou inteligenci.

Startup vzešel z mateřské firmy TINT, která v minulosti realizovala několik projektů spojených s vývojem software pro rozpoznávání obrazu a průmyslovou automatizaci. „Tyto aplikace však nikdy nebyly tak komplexní, jako je stávající systém,“ dodává Martin Hriško. Jeho kolega Martin Cviček přinesl do projektu své patnáctileté zkušenosti s vývojem softwaru zaměřeným na automatizaci a digitalizaci. Navíc se v posledních letech specializuje na oblast neuronových sítí a umělé inteligence. Řídil přitom vývoj řešení a produktů pro velké firmy v mezinárodním prostředí Německa, Finska, Švédska a Norska.

Dělníci přehlédnou třetinu závad

Vznik startupu souvisí s trendem využívání prvků internetu věcí (IoT) v reálné výrobě. Včetně sledování kvality. „V praxi se dnes nejčastěji provádí výstupní kontrola operátorem, který musí na základě check listů zkontrolovat mnoho parametrů při daném taktu výrobní linky. Práce je to časově náročná a únavná. Při dnešní dynamice výroby je pro operátora nemožné znát veškeré varianty výrobku – spolehlivost odhalení chyby tak obecně dosahuje maximální úspěšnosti 70 až 80 procent,“ popisuje Martin Hriško.

Nevýhody tohoto řešení ještě znásobuje nedostatek kvalifikovaných pracovníků. Zároveň se požadavky na kvalitu neustále zvyšují. „S tím je spojená optimalizace výrobních procesů, zeštíhlování a zrychlování výroby. Všechny tyto požadavky se sbíhají na stanovišti výstupní kontroly a kvality,“ upozorňuje Martin Hriško.  

Právě proto ve 24 Vision System začali vyvíjet komplexní nástroj pro sledování kvality. „Naším pilotním zákazníkem byl Hyundai Transys, který řešil problémy na výstupní kontrole kvality u výroby sedaček. Hyundai předtím využíval standardní vizuální a manuální kontrolu pracovníkem kvality. Tento klasický systém však měl velký problém nalézt chybu v obraze, který má pokaždé jinou vizuální podobu, kde se na lince střídají výrobky podle objednávek zákazníků a mají pokaždé jiné parametry. Další problém zákazníka byla kontrola správnosti konfigurace sedačky na výrobní lince,“ popisuje Martin Cviček nedostatky klasického přístupu.

Sázka na komplexnost

Tým expertů během dvanácti měsíců vyvinul a úspěšně nasadil do provozu systém, který využívá pro kontrolu kvality umělou inteligenci.

„Řešení je schopno provádět nejen detekci vad sedaček, ale rovněž ověřit jejich konfigurační správnost pro danou variantu, a to vše pro téměř neomezený počet problémů v řádu milisekund,“ porovnává Martin Cviček. Prodejní model je založený na pravidelném měsíčním poplatku za užití licence, k tomu startup poskytuje garantovanou servisní podporu.

Jako každá začínající firma musel i24 Vision System překonat řadu těžkostí. „Problémů bylo na začátku více. Velkou výzvou byla komplexnost celého systému.

Ten obsahuje mnoho komponent a propojení do dalších výrobních systémů u zákazníka. Tady jsme právě uplatnili své zkušenosti a postavili jsme robustní architekturu, včetně databází, analytických a manažerských modulů. To vše s ohledem na univerzálnost řešení, nezávislost na hardware a práci v reálném čase,“ konstatuje Martin Hriško.

„Dalším problémem bylo najít vhodný model neuronové sítě a všech jejich vrstev. Zde to bylo hodně o experimentálním zkoušení a testování. Srovnávali jsme a konzultovali různé modely, jejich provázanost, způsoby učení, porovnávali výsledky. Výsledkem je třívrstvá deep learning (hluboké učení – poznámka redakce) architektura, která nám dodává velmi kvalitní výstupy převyšující svou úspěšností konkurenci,“ připojuje Martin Cviček.

Při rozjezdu firmě pomohla účast v pražském akcelerátoru StartupYard. „Bylo od nás správné rozhodnutí se do akcelerátoru přihlásit. Hned od počátku jsme byli plně zapojení do všech činností a překvapila nás kvalita a znalosti mentorů. Schůzky probíhaly rychle a intenzivně, bylo to náročné, ale získali jsme řadu zkušeností z oblasti obchodu, prezentace, strategie. Navíc jsme se seznámili se zajímavými lidmi, kteří mají zájem nám pomoci a předat své zkušenosti. Obecně jsme dnes mnohem lépe připraveni pro vstup na trh, stanovili jsme si jasnou prodejní a obchodní strategii, pracujeme s reálnými riziky, víme, jaká úskalí nás budou čekat. Všechny tyto znalosti nám pomohou stát se úspěšnou firmou a prosadit se na trhu,“ uvádí Martin Hriško.

Přesné načasování dodávek

Typický zákazníkem společnosti je firma, která vyžaduje vysokou úroveň kvality. V Česku a na Slovensku jsou to primárně firmy z oblasti dodávek pro automobilový průmysl.

„My se aktuálně soustředíme na dodavatele, kteří vyrábějí v režimu Just in time případně Just in sequence. Celý systém dodávek je vzájemně propojený, jsou zde velmi malé výrobní zásoby a načasování dodávek musí být velice přesné. Jakékoliv selhání je navázáno na obrovské penalizace, neboť produkty jsou následně použity pro kompletaci hotových dílů, případně celých aut. Pro všechny je základní motivací, aby žádný vadný výrobek neopustil výrobní linku,“ zmiňuje Martin Hriško.

Ostatní sektory průmyslu, jako spotřební elektronika, potravinářství nebo zdravotnictví, má startup v plánu oslovit v dalších letech. „Najednou vše řešit nedokážeme. Každé implementaci musí předcházet studie proveditelnosti a rapid prototyping, kde vyhodnotíme, zda je náš systém pro zákazníka vhodný a zda bude realizovatelný,“ pokračuje Martin Hriško.

Největší konkurenci na mezinárodním trhu představují pro startup tři společnosti:  Keyence z Japonska a Cognex a NI z USA. Ty mají v tomto perspektivním oboru největší podíl na trhu. „Jejich portfolio poskytuje řešení postavené na standartních vision systémech. Ale firma Cognex uvedla v loňském roce produkt postavený na neurnové síti. V posledních letech vstoupilo na trh také několik menších firem poskytující řešení pro kontrolu kvality využívající umělé inteligence,“ porovnává Martin Cviček.

Řešení od 24 Vision System je však podle něj specifické a unikátní v koncové kontrole kvality. „Na rozdíl od konkurence jsme schopni provést kontrolu téměř neomezeného počtu problémů a zároveň konfigurační správnosti, a to vše pro různorodou výrobu, kdy na výrobní lince může být každý výrobek v jiné konfiguraci,“ zdůrazňuje Martin Cviček.

Na projektu se v současnosti podílí deset spolupracovníků. „Jak nám roste postupně počet realizovaných zakázek a poptávek, tak už nyní víme, že budeme muset naše řady rozšířit ve všech oborech od konzultantů, programátorů až po obchodníky. A to bude další velká výzva. Najít motivované a zapálené lidi není vůbec jednoduché,“ konstatuje Martin Hriško.

Koncentrace na český a slovenský trh

V roce 2020 se chce firma převážně soustředit na český a slovenský trh. „Zastoupení automotive je zde obrovské, je zde několik stovek výrobních závodů. Máme tak navíc možnost získávat od zákazníků rychlou zpětnou vazbu a jsme schopni správně zaměřit náš další vývoj případně doplnění nových funkcionalit,“ plánuje Martin Hriško. V dalším roce má firma naplánovaný vstup na evropské trhy, především do Německa, Francie a dalších států s rozvinutým automotive sektorem. Poté by mělo následovat rozšíření do jiných výrobních sektorů.

Umělá inteligence bývá vnímána jako příležitost, ale také jako hrozba. Záleží především na rozsahu „kompetencí“, které se jí člověk rozhodne svěřit. „V našem pojetí je umělá inteligence skvělý pomocník. Obecně tvrdíme, že pokud dokáže člověk svým zrakem nalézt v obraze nějaký rozdíl, u nás je to třeba vada nebo chyba, tak tuto činnost se dokáže naučit i neuronová síť potažmo umělá inteligence. Rozdíl však je v míře detailu, spolehlivosti a v rychlosti s jakou to dokáže. Zde už pro ni není člověk konkurencí. Co je však podstatné, na pozadí je to stále matematika s úzkým zaměřením na daný problém,“ zdůrazňuje Martin Hriško.

Umělá inteligence má své hranice

Možná úskalí tak vidí spíše v obecné rovině práce s umělou inteligencí. „Jestli nějaké riziko existuje, tak je to ve formě zneužití této technologie k neetickým účelům, za kterým budou ale stále stát lidé, ne stroje,“ dodává Martin Hriško.

Také Martin Cviček vidí v nasazené umělé inteligence výhody, ale je si vědom jejích limitů. „Umělá inteligence posouvá výrazně možnosti stávajících systémů a umožnuje zajištění opakujících se stereotypních činností, které doposavad prováděl člověk. Má nespornou výhodu, že funguje 24 hodin denně 7 dní v týdnu. Na druhou stranu nemá všechny smysly, které má člověk a není proto vhodná pro všechny případy. Jeden příměr, pokud letadlo přistává v mlze, je vždy lepší, pokud přistává autopilot. Pokud ale letí v bouřce, tak je lepší ať letadlo řídí člověk, neboť je schopen lépe vnímat všechny vlivy,“ porovnává Martin Cviček.

Obor má podle nich před sebou velké perspektivy. „Potenciál strojového vidění na bázi umělé inteligence je velký. V dnešní době se využívá jen v minimální formě, ale v roce 2025 je predikce využití kolem 70 procent ze všech metod. Aby výrobní závody uspěly vůči konkurenci, tak budou nuceny ještě zvýšit efektivitu a kvalitu výroby. Nasazení umělé inteligence a těchto automatizovaných systémů je jednoznačná cesta. Našim cílem je stát se předním dodavatelem v oblasti komplexní koncové kvality,“ zmiňuje Martin Hriško.

K tomu chce společnost kromě dokonalé kontroly kvality využívat i další postupy. „Do budoucna bychom rádi posunuli hranice a poskytovali svým zákazníkům rovněž automatickou predikci, takzvanou LEAN analýzu, která bude schopna detekovat chybu ve výrobním procesu, jejíž eliminace zajistí, aby se chyba produktu již nevyskytovala,“ uzavírá Martin Cviček.

Dalibor Dostál