V nošovické automobilce Hyundai pracuje na výrobě aut vedle 3 300 lidí pětistovka robotů. Poslední v řadě byl až doposud člověk. Celou směnu dohlížel na výrobky, které sjížděly z pásu. Spolehlivost takového pracovníka se ale pohybovala mezi 70 a 80 procenty. Každá chyba je drahá. Právě tady se proto začala uplatňovat umělá inteligence, která se prý nesplete.
Z pásů v Nošovicích sjede každých 45 vteřin jeden výrobek. To dělá tisíce kusů za jednu směnu. Než se ve výrobě použijí dál, je třeba zjistit, zda jsou bezchybné. Spoustu vad jde odhalit na první pohled, ale vždy to není tak jednoduché. K detailnímu posouzení stavu je nutné znát dobře vlastnosti všech variant výrobků a mít schopnost všimnout si každé chyby a odchylky. Když odsud odjede vadný produkt, musí se svolávat zpět. A to stojí hodně peněz.
Umělá inteligence je při kontrole kvality v nošovické továrně převlečená za několik kamer namířených na dlouhý výrobní pás. Jejich čočky kontrolují každou věc, která se tu objeví, a okamžitě hlásí jakékoliv nesrovnalosti. „V budoucnosti totiž není prostor pro chyby,“ říká své krédo Martin Hriško, CEO startupu 24 Vision System, který sem umělou inteligenci přivedl. Spolu s Martinem Cvičkem a Zdeňkem Neustupou je spoluzakladatelem projektu. Tyto tři muže spojuje jedna věc – chtějí změnit systém kontroly kvality nejen v automobilkách.
Najdi airbag
Jak vypadá dnes už běžná kontrola airbagů zašitých v automobilových sedačkách? Pro umělou inteligenci to znamená nutnost rozeznat tisíce jejich různých variant. „Airbag má někdy všitý černý štítek a bíle napsané slovo airbag. Nebo taky obráceně. Někdy je na několika různých místech. A pak tady jsou ještě pravé a levé sedačky. Ty můžou být i anglické, kdy se střídá pravá a levá varianta řízení. Někdy štítek airbagu vidíte jako čárku, když je proti poloze, ze které se koukáte. Může být zažehlený nebo přeložený či mít ještě jinou podobu,“ popisuje Hriško. Jen vozy Hyundai mají 4 000 možných variant sedaček. A naučená neuronová síť umí zhodnotit každou z nich.
Právě kvůli své komplexnosti byly zašívané airbagy na sedačkách prvním vstupním testem, který měl prokázat, jestli umělá inteligence takový úkol vlastně zvládne. Ze začátku vůbec nebylo jasné, jak se tohoto úkolu zhostí. Ukázat jí, na co se koukat, představit všechny varianty a naučit správně dekódovat chyby trvalo Hriškovi a jeho týmu víc než rok.
JAK ROZHODUJE NEURONOVÁ SÍŤ?
Aby neuronová síť mohla cokoliv vyhodnocovat, musí se to naučit stejně jako člověk. Je třeba jí předložit minimálně stovky obrázků třeba právě airbagu – ukázat jí, kde přesně je a v jakém případě jej může vyhodnotit jako správně vyrobený. Její výhoda je právě v tom, že podobně jako člověk se s určitými zkušenostmi může dál učit a rozhodovat sama.
Zdrojová data, na kterých se učí, jsou jednoduše dostupná – kamery ve výrobě jich poskytují třeba tisíce za směnu. Když jí někdo ukáže, jaký výrobek je vadný a jaký ne, po pár stovkách pokusů už umí pracovat sama. A pokud ne, je možné ji rychle opravit.
Výsledkem však není jednoduché sdělení ano, nebo ne (tedy správný, nebo vadný výrobek), ale pravděpodobnost, na základě níž už systém řekne, zda jde o vadu. „Váhy, které nastavujeme, jsou naše know-how. Ladíme je tak, že umíme říct, že se nemýlíme,” věří Hriško.
Jak taková kontrola probíhá? Na samotném začátku počítač obrázek z kamer klasifikuje, pak vybere oblast pro detekci a nakonec jej rozpozná. Navržená oblast v obrázku postupně prochází třemi vrstvami umělé neuronové sítě. Ty upřesňují výstup. Tím má být jednoznačná identifikace hledaného objektu – správného výrobku, ale také vady. „Zjednodušeně řečeno, každá z neuronových sítí zkoumá hlouběji možnosti toho, co jí ukázala ta předchozí, a tedy každá další násobí a upřesňuje možné varianty hodnocení toho, na co se kouká,” popisuje Hriško.Původně Hriško s automobilkou spolupracoval jako vlastník IT firmy Tint, která pro Hyundai pracovala v oblasti informačních technologií. Tady viděl, jak by se podobný systém hodil. A aniž by jej měl k dispozici, rozhodl se zariskovat a nabídnout jeho vývoj. Pro Hyundai bez rizik – když to nevyjde, nic nemusí kupovat. Když ano, ušetří lidi i drahé chyby.
Bez lidí to jde rychleji
Pustit do světa nedokonalé auto může představovat pro automobilky velký problém. Jen loni musely svolávat k opravě kvůli chybám při výrobě celkem 8 milionů vozů. Odhalit opakující se pochybení může vyjít draho: jakékoliv zastavení linky chrlící stále nové vozy a další výrobky znamená zpoždění, a tedy velké pokuty. Systém pro automobilku proto musel být dokonalý.
To se podle Hriška povedlo. Umělá inteligence zvedla spolehlivost kontroly kvality ze sedmdesáti až osmdesáti na sto procent. A nejen to. „Koncová kontrola kvality byla jedním z nejpomalejších článků samotné výroby, protože doteď ji prováděli lidé. Se strojem můžete zrychlit celou linku, jelikož vám odpadne ‚nejslabší‘ článek kontroly,“ vysvětluje Hriško. Oči kamer navíc dokážou vidět dovnitř výrobku díky rentgenům, infra- nebo termovizím, a kontrolovat tak konstrukci schovanou pod vnějším pláštěm.
Od loňského května je systém nabízen jako samostatný produkt, který nejdřív Hyundai nasadil v rámci testování. V červnu se projekt s názvem 24 Vision System vyčlenil z mateřské firmy Tint. Od té doby se firma dostala do akcelerátoru nadějných společností StartupYard, projekt se prezentoval na Web Summitu v Lisabonu a tým se rozrostl na 10 lidí.
Teď už je Hyundai platícím zákazníkem. „Zatím je jediný, ale podle jednání, která vedeme, to tak nezůstane dlouho,“ usmívá se Hriško. Zájem projevila Škodovka, výrobci automobilových komponent Brose, Faurecia i Continental. „Třicítka dalších zákazníků čeká v řadě,“ těší se Hriško na rozvoj
Iva Brejlová
8. dubna 2020