Projektid

Antud projekti käigus loodi reaalsete 3D objektide varjujoone mõõtmise seadme kontseptsioon ning prototüüp ja toimus ja katsetamine test- ja reaalses tootmiskeskkonnas. Süsteemi kasutatakse kõnealuste objektide turvalise pakkimise jaoks sobivaima transpordi pakendi valmistamiseks. Käesoleval ajal sisaldab tootmisprotsess liialt käsitööd ja automatiseerituse tase vajab parandamist. Loodav süsteem võimaldab vähendada manuaalse töö mahtu ja samuti tõsta töö kvaliteeti (vältida vigu ja tõsta täpsust).

Projektiga võetakse kasutusele vabavaraline platvorm tootmisliinide jälgimiseks ja luua lahendus vahvliliini monitoorimiseks. Eesmärk on peale valideerimist projekti lahendust laiendada ka teistele tootmisliinidele. Luuakse integreeritud tootmismonitooringu lahendus, mis rakendab masinnägemise põhist kvaliteedi kontrolli koos anduritest saadava sisendiga. Masinnägemise abil toimub visuaalne kvaliteedikontroll ja toote tuvastamine. Toote tuvastamisega antakse süsteemile automaatselt ette normväärtused mida võrreldakse anduritest saadava sisendiga.

Projekt "Tehase digitaalse kaksiku baasil tootmisprotsesside optimeerimismudeli rakendatavuse testimine" keskendub tehase digitaalsete mudelite loomisele ning tehisintellekti abil tootmisprotsesside kitsaskohtade tuvastamisele ja vähendamisele. Kasutades Siemens Plant Simulation tarkvara, simuleeritakse tehase tegelikke protsessiaegu, et luua digitaalne kaksik, mis võimaldab teha tootmisoptimeerimist reaalset tootmist häirimata. Projekti käigus kasutatakse masinõppel ja andmeanalüüsil põhinevat AI optimeerimismudelit, mille eesmärk on parandada tootmise läbilaskevõimet ja ressursikasutust.

Projekti eesmärk uuendada olemasolev õppeaine „Tootmise digitaliseerimine“ (6 EAP), kaasajastada õppeaine sisu vastavalt viimastele valdkonnas toimunud kiirtele arengutele. Olulises mahus tuuakse sisse uusi virtuaal (VR) ja laiendatud (AR) reaalsusel põhinevaid arendusvahendeid, nendel põhinevad rakendused töötlemis- ja tootmisvaldkondades.

Demoprojekt Chemi-Pharm keskendub ettevõtte igapäevase tootmislogistika korraldamisele ja visualiseerimisele läbi targa tehisintellektil põhineva juhtimissüsteemi, mis aitab kaasa tootmise läbilaskevõime suurendamisele ja tootmisprotsesside efektiivsuse kasvule.

Tootmisseadmete prototüüp tasandil õigete parameetrite seire, salvestamine ja analüüs AI-d kasutades.

Töötatakse välja uued meetodid matt-tüüpi materjali tootmiseks puitvedrudest, tuginedes praegustele seadmetele ja täiendades seda koostöörobotiga. Uuritakse võimalusi puitvedrumatti sobiva haardemeetodiga vormimiseks, et leida optimaalne lahendus seda tüüpi pakkematerjali tootmiseks. Koostööroboti (Omron) abil leitud trajektoore ja kinemaatikat kasutatakse hiljem sisendina järgmise põlvkonna tootmismasina arendamisel. Robotiprogrammidest genereeritud trajektoore ja kinemaatilist teavet saab optimeerida ka tehisintellekti tööriistade (Machine Learning) abil, et leida optimeeritud lahendusi (trajektoori ja kudumise jaoks), võttes sisendparameetritena arvesse tootmiskiirust, läbitud trajektoore, liikumise dünaamikat, loodud mati tihedust jne.

Töötatakse välja ümbrehäälestatav robotisüsteem, millega kontrollitakse masinnägemise abil IoT-moodulite kvaliteeti ning korrektset funktsionaalsust. IoT moodulite variatsioone ja funktsioone on erinevad ning visuaalse kvaliteedikontrolli usaldusväärsus on 80-87%. Tootete liigutamiseks ja fikseerimiseks oleme projekteerinud ning valmistanud mitme-positsioonilise spetsiaalrakise, mida juhitakse läbi roboti kontrolleri. Toodete tuvastamiseks loodi IoT moodulite põhine andmebaas, mille abil algoritmid tuvastavad ning valivad toote. Samuti toimib kvaliteedi hindamine sama loogika alusel. Kontrollitud tooted jagatakse kaheks: Korras ja defektne . Defektsed tooted eraldatakse ja määratakse, mis on tegelik defekt.