Den digitale fabrik - AP3 Monitorering af skærekvalitet

Det vigtigste nye output er, at:

•Skærekvalitetsalgoritmerne er implementeret i udstyrsløsningen, hvormed målte kasser klassificeres online hos værtsvirksomheden.

•Resultater er opgjort ved statistiske analyser på en større mængde data.

•Der er udviklet en formidlingsplatform, hvor analyseresultater kan kommunikeres til relevante medarbejdere, fx mester og driftsleder.

•Denne platform er en del af den kommunikationsstrategi, som projektet skal arbejde med i resten af projektforløbet.

Den næste store aktivitet i projektet er, at

•Planlægge møde hos værtsvirksomheden for at inddrage relevante medarbejdere i anvendelsen og test af den nyudviklede formidlingsplatform.

•Sparring med værtsvirksomheden ift. at udvikle kommunikationsstrategien gennem tilpasning af formidlingsplatformen, så den giver værdi i den daglige produktionsopfølgning.

Det vigtigste nye output er, at

•Der er opsamlet billeder fra visionudstyret over de seneste måneder på værtsslagteriet, hvoraf et større referencedatasæt er blevet annoteret og anvendt til træningsdata for udvikling af algoritmer til at bestemme skærekvaliteten på udvalgte produkter.

•Samtidig med algoritmerne for skærekvalitet er der udviklet genkendelsesalgoritmer, der kan udsortere de kasser, som ikke stemmer overens med den korrekte produkttype, og dermed ikke kan klassificeres ift. skærekvalitet for den pågældende produkttype.

Den næste store aktivitet i projektet er, at

•Implementere skærekvalitetsalgoritmerne i udstyrs-løsningen på værtsslagteriet, så kasser kan klassificeres online i realtid.

•Udvikle metode til at vise relevant statistik over en længere periode baseret på analyseresultater.

•Udvikle kommunikationsstrategi ift. formidling af dataresultater i samarbejde med relevante medarbejdere hos værtsvirksomheden.

Det vigtigste nye output er, at:

•Visionudstyr er blevet monteret hos værtsslagteriet og sat i drift for at opsamle referencebilleder.

•Der er udviklet software, der integrerer med værtsslagteriets PDB-databaser, for automatisk at kunne registrere alle kasser efter produkttype. Dermed kan referencedata for de udvalgte produkttyper opsamles og sorteres korrekt.

•Reference-data er i gang med at blive annoteret for videreudvikling af analyser til automatisk at vurdere produktkvaliteten.

Den næste store aktivitet i projektet er, at

•Fortsætte udviklingen af analysesoftware ved at udnytte det større opsamlede referencedatasæt.

•Validere måleresultater offline sammen med projektets interessenter.

•Måleresultater skal herefter indsamles og analyseres over en længere periode, så der kan opnås statistisk materiale for niveau og udsving af skærekvaliteten over tid på en række udvalgte produkttyper.

Det vigtigste nye output er, at

•Der er gennemført besøg hos flere fødevarevirksomheder for at afklare mulighederne for opstilling af visionudstyr til opmålinger af produkter i kasser. Dette har bl.a. ført til, at en større del af infrastrukturen for kassetransporten er gennemgået, og der er sideløbende udtrukket relevante data om kassetransporten fra virksomhedernes MES-system, for at sikre opmåling af de udvalgte produkttyper, der tidligere er prioriteret i projektet.

•Referencedata, der tidligere i projektforløbet er indsamlet under måleforsøg, er anvendt til at udvikle de første segmenterings- og klassificeringsalgoritmer til en vurdering af skærekvaliteten.

•Visionløsningen er samtidig videreudviklet, inkl. en forbedret lyskilde samt ny passiv køling. 

•Den udvalgte virksomhed og udstyrsposition er fastlagt, hvor nødvendig kabelføring samt monteringsbeslag er opsat.

Den næste store aktivitet i projektet er, at

•Projektet fortsætter i 2024, hvor visionudstyret monteres og konfigureres til opsamling af referencedata hos værtsvirksomheden.

•Referencedata analyseres for at forbedre algoritmerne til vurdering af skærekvalitet på en række udvalgte produkttyper.

•Derefter skal måleresultaterne anvendes statistisk for at kunne vurdere hvor og hvornår, der forekommer betydelige variationer i skærekvaliteten, der bør formidles videre til skæremestrene i produktionen.

Det vigtigste nye output er, at

• Der er afholdt en række dialogmøder hos flere relevante fødevarevirksomheder for at afklare mulighederne for at opnå en udbytteoptimering i produktionen på baggrund af en automatisk monitorering af skærekvalitet på udvalgte produkttyper.

• Møderne tog udgangspunkt i resultaterne fra tidligere skæreforsøg udført hos en fødevarevirksomhed, hvor variation og frekvens af flere af de udvalgte produkters skærekvalitet blev kvantificeret.

• Resultater fra forsøgene samt refleksioner fra dialogmøderne blev anvendt til at færdiggøre rapport og business case. Rapporten fremlægger bl.a. en cost/benefit-analyse, der viser en fornuftig tilbagebetalingstid ud fra den forventede værdiskabelse af løsningen.

• Business casen blev sendt til gennemlæsning samt fremlagt for projektets interessenter, der har godkendt, at projektet overgår til næste udviklingsfase.

Den næste store aktivitet i projektet er, at

• Udvikle en vision-løsning til opstilling på et udvalgt værtsslagteri.

• Sikre, at visionløsningen skal opsamle en større mængde referencebilleder af de udvalgte produkttyper.

• Data herefter anvendes til at udvikle segmenterings- og klassificeringsalgoritmer til automatisk at vurdere den aktuelle skærekvalitet på de målte kasser med produkter

Det vigtigste nye output er, at

•I samarbejde med projektets interessenter er der udført flere forsøg hos en relevant fødevarevirksomhed, hvor formålet var at opmåle variation og frekvens af forskellige produkters skærekvalitet taget direkte fra produktionen.

•Forsøgene blev udført med hjælp fra relevante fagfolk til at foretage vurderingen af skærekvaliteten, der samtidig blev dokumenteret med billeddata via en vision-løsning, midlertidigt opstillet hos fødevarevirksomheden.

•Derudover blev der foretaget flere skæreforsøg for konkret at måle udbyttetab i de udvalgte produkttyper. Resultaterne viste en generel overensstemmelse med den visuelle vurdering ift. mængden af uønsket kød på de udvalgte produktkategorier.

Den næste store aktivitet i projektet er, at

•Samle datamateriale og resultater fra ovenstående forsøg til en samlet business case, der kan anvise en forventet værdiskabelse for en vision-løsning til automatisk overvågning af udvalgte produkter fra udbeningsprocessen.

•Aftale placering af vision-løsning i produktionen hos en relevant virksomhed til optagelse af større mængder billedmateriale af produkter i kasser.

Det vigtigste nye output er, at:

•I den indledende analysefase i projektet er der foretaget flere virksomhedsbesøg hos en relevant fødevareproducent for bl.a. at identificere produkttyper, der er egnede til kvalitetskontrol med visionudstyr. Fx kan en kvalitetsbedømmelse af flere hovedprodukter indirekte afgøres ved at måle mængden af uønsket kød på udvalgte biprodukter, som fx fedt- og ben-produkter. Derudover kan en måling af uønsket fedt for andre produkttyper give en direkte kvalitetsvurdering baseret på den konkrete skærespecifikation.

•Der er desuden afholdt flere dialogmøder med projektets interessenter for at definere projektcasen og identificere risici og værdiskabelse. I den forbindelse er der foretaget yderligere besøg hos en anden fødevarevirksomhed for at drøfte processen med at definere en business case baseret på kvalitetsmålinger af udvalgte produkttyper i kasser.

Den næste store aktivitet i projektet er, at:

•Fortsætte projektanalysen og få formuleret projektcasen overfor kødindustrien, så det sikres, at værdiskabelsen er til stede i det fremlagte løsningskoncept.

•Udføre manuel kvalitetsinspektion af udvalgte produkttyper og samtidig foretage billedopsamling af de bedømte kasser til brug for udvikling af kvalitetsalgoritmer.