BMW는 생산에 인공 지능을 사용하는 방법에 대한 통찰력을 제공합니다.

인공 지능(AI)은 자동차 생산에서 증가하고 있습니다. BMW 그룹은 2018년부터 다양한 AI 애플리케이션을 양산에 활용하고 있습니다.

한 가지 초점은 자동화된 이미지 인식입니다. 이러한 프로세스에서 인공 지능은 진행 중인 생산에서 구성 요소 이미지를 평가하고 밀리초 단위로 동일한 시퀀스의 수백 개의 다른 이미지와 비교합니다.

이런 식으로 AI 애플리케이션은 실시간으로 표준과의 편차를 판단하고 필요한 모든 부품이 장착되었는지, 올바른 위치에 장착되었는지 등을 확인합니다.

혁신적인 기술은 빠르고 안정적이며 가장 중요한 것은 사용하기 쉽습니다.

BMW Group Production의 혁신, 디지털화 및 데이터 분석 책임자인 Christian Patron은 “인공 지능은 엄청난 잠재력을 제공합니다. 이는 우리의 높은 품질 표준을 유지하는 데 도움이 되는 동시에 직원들이 반복적인 작업을 수행하는 데 도움이 됩니다.”

BMW 그룹에서는 유연하고 비용 효율적인 AI 기반 애플리케이션이 영구적으로 설치된 카메라 포털을 점차적으로 대체하고 있습니다. 구현은 다소 간단합니다.

모바일 표준 카메라만 있으면 프로덕션에서 관련 사진을 찍을 수 있습니다. AI 솔루션도 신속하게 설정할 수 있습니다. 직원이 다양한 각도에서 구성 요소의 사진을 찍고 이미지에 잠재적인 편차를 표시합니다.

이러한 방식으로 그들은 소위 신경망을 구축하기 위해 이미지 데이터베이스를 생성합니다. 이 신경망은 나중에 사람의 개입 없이 이미지를 평가할 수 있습니다.

직원은 코드를 작성할 필요가 없습니다. 알고리즘은 거의 자체적으로 이를 수행합니다. 하룻밤을 의미할 수 있는 훈련 단계에서 고성능 서버가 약 100개의 이미지에서 신경망을 계산하고 네트워크가 즉시 최적화를 시작합니다.

테스트 실행 및 일부 조정 후 신뢰도는 100%에 도달합니다. 학습 프로세스가 완료되고 이제 신경망이 구성 요소가 사양을 충족하는지 여부를 스스로 결정할 수 있습니다.

움직이는 물체도 생산 영역의 조명이나 정확한 카메라 위치와 같은 요인과 크게 상관없이 안정적으로 식별됩니다. 이는 물류를 포함하여 전체 자동차 프로세스 체인에 걸쳐 광범위한 잠재적 응용 프로그램을 열어줍니다.

많은 경우 AI 기술은 경고 삼각형이 트렁크의 올바른 위치에 있는지 확인하거나 앞유리 와이퍼 캡을 씌웠는지 확인하는 등 반복적이고 단조로운 작업에서 직원을 덜어줍니다.

인공 지능은 더 까다로운 검사 작업도 수행할 수 있습니다.

BMW 그룹 딩골핑 공장의 최종 검사 구역에서 AI 애플리케이션이 차량 주문 데이터를 새로 생산된 자동차의 모델명 라이브 이미지와 비교합니다.

4륜 구동 차량용 "xDrive"와 같은 모델 명칭 및 기타 식별 플레이트와 일반적으로 승인된 모든 조합은 이미지 데이터베이스에 저장됩니다.

라이브 이미지와 주문 데이터가 일치하지 않는 경우(예:지정이 누락된 경우) 최종 검사팀에서 알림을 받습니다.

Christian Patron:“우리는 이러한 노력에 있어 직원들의 경험과 전문성에 전적으로 의존합니다. 그들은 AI 애플리케이션이 품질과 효율성을 향상시킬 수 있는 생산 단계를 가장 잘 판단할 수 있습니다. 우리는 의도적으로 그러한 응용 프로그램의 설정 및 구현을 단순하게 유지합니다. 그들의 작업에는 고급 IT 숙련도가 필요하지 않습니다.”

AI로 의사 결함 제거

프레스 공장에서는 판금 부품을 차체의 고정밀 부품으로 변환합니다. 성형 후 부품에 남아 있는 먼지 입자나 오일 잔여물은 공정 중에 드물게 발생하는 매우 미세한 균열과 쉽게 혼동될 수 있습니다.

독일 딩골핑(Dingolfing)에 있는 BMW 그룹 공장의 이전 카메라 기반 품질 관리 시스템은 때때로 실제 결함이 없었음에도 대상에서 벗어난 유사 결함을 표시했습니다.

새로운 AI 애플리케이션을 사용하면 신경망이 기능당 약 100개의 실제 이미지에 액세스할 수 있기 때문에 이러한 유사 결함이 더 이상 발생하지 않습니다. 등

이는 이전에 유사 결함으로 이어졌던 시각적으로 가까운 호출의 경우 특히 관련이 있습니다.

BMW 그룹의 슈타이어 공장과 BMW 그룹 데이터 분석팀도 유사 결함을 제거하기 위해 성공적으로 작업하고 있습니다. 엔진 콜드 테스트에서 추정된 토크 측정의 불규칙성은 나중에 중요하지 않은 것으로 판명되는 경우가 많습니다.

그러나 AI 솔루션을 도입하기 전에 이러한 결과는 복잡한 수동 검사와 추가 테스트 실행으로 이어졌으며 연료를 사용한 핫 테스트까지 포함했습니다.

분석 소프트웨어는 많은 기록된 테스트 실행을 기반으로 훈련되었으며 따라서 실제 오류와 추정 오류를 구별하는 법을 배웠습니다.

AI '제어':인공 지능을 시설 및 로봇 제어 시스템과 통합

BMW 그룹의 첫 번째 스마트 AI 제어 애플리케이션이 BMW 그룹의 슈타이어 공장에서 첫 선을 보였습니다. 이 응용 프로그램은 컨베이어 벨트에서 빈 상자의 불필요한 운송을 방지하여 물류 프로세스의 속도를 높입니다. 이를 위해 컨테이너는 카메라 스테이션을 통과합니다.

AI 애플리케이션은 직원이 표시한 저장된 이미지 데이터를 사용하여 컨테이너를 팔레트에 고정해야 하는지 또는 크고 안정적인 상자의 경우 추가 고정이 필요하지 않은지 여부를 인식합니다.

래싱이 필요하지 않은 경우 AI 애플리케이션은 지게차의 제거 스테이션까지 최단 경로로 컨테이너를 안내합니다.

반면 추가로 고정해야 하는 컨테이너는 래싱 시스템이 있는 컨베이어 섹션으로 직접 안내된 다음 뒤에 있는 제거 스테이션으로만 안내됩니다. 이전에는 모든 컨테이너를 대형 컨테이너의 경우 제거 스테이션으로 운송해야 했습니다.

거기에서 추가 고정이 필요한 컨테이너를 전달해야 했으며, 이 우회로를 거쳐야 채찍 시설에 도달하고 마지막으로 올바른 제거 스테이션에 도달해야 했습니다.

AI는 Steyr의 애플리케이션 외에도 BMW 그룹의 수많은 다른 물류 혁신 뒤에 있습니다. 또한 건물과 공장의 고해상도 3D 스캔을 생성하는 가상 레이아웃 계획을 지원합니다.

인공 지능은 궁극적으로 컨테이너, 건물 구조 또는 기계와 같은 3D 스캔의 개별 개체를 인식하는 데 기여합니다.

이를 통해 엔지니어는 3D 계획 소프트웨어의 3D 스캔에서 개별 개체를 제거하고 이를 개별적으로 수정할 수 있으므로 작업 현장에서 적용을 더 쉽게 시뮬레이션하고 이해할 수 있습니다.

BMW 그룹 공장에서 이미 AI 애플리케이션을 사용하는 뚜렷한 경향이 있습니다. 스마트 데이터 분석, 최첨단 측정 기술 및 AI의 통합이 증가함에 따라 생산 관리에 새로운 기회가 열립니다.

예를 들어, 차체 공장에서 최종 검사의 이미지는 용접 금속이 여러 차체의 동일한 용접 지점에서 분사되었음을 보여줄 수 있습니다.

따라서 AI를 사용하면 제어 루프를 닫을 수 있고 시스템 제어 또는 유지 관리 주기를 훨씬 빠르고 효율적으로 조정할 수 있습니다.

도장 공장에서 AI 및 분석 응용 프로그램은 오류가 더 이상 발생하지 않을 정도로 초기 단계에서 오류 원인을 감지할 수 있는 가능성을 제공합니다. 처음에 도장하기 전에 차체에 먼지가 붙지 않으면 아무 것도 연마할 필요가 없습니다. 나중에 해제합니다.