AI als digitale operator: slimmer samenwerken aan de productielijn

Een van de paradepaardjes van Unilin Flooring is de Capture-collectie: laminaat dat oogt en aanvoelt als echt hout. Die hyperrealistische uitstraling maakt het productieproces bijzonder complex. Het design en de geperste structuur moeten perfect op elkaar aansluiten, terwijl de platen aan hoge snelheid door de lijn bewegen.

Voor operator Samuel Vandenberghe, die al 2,5 jaar op de Lux18-lijn werkt, is de uitdaging duidelijk: “Bij de Capture laminaatvloercollectie komt het aan op fracties van een millimeter. Zo nauwkeurig kunnen wij als mens niet altijd controleren, zeker niet tegen de snelheid waarop de platen passeren. Zonder AI is Capture produceren simpelweg niet mogelijk.”

AI Finder en Argus: precisie ontwikkeld door en voor de vloer

Die ondersteuning in precisie kwam er met ‘AI Finder’, een door Unilin Flooring ontwikkelde cameratechnologie. Voor het persen analyseren camera’s zowel het decor als de basisplaat. Het systeem zoekt automatisch sleutelpunten en positioneert de lagen pixelperfect op elkaar. AI ondersteunt de operatoren ook na het persen met ‘Argus’. Dat is een deep learning camerasysteem dat intern werd ontwikkeld door het Digital Operations Flooring-team. Argus controleert elke afzonderlijke plaat op defecten: ook die met het blote oog niet zichtbaar zijn. Samuel: “Vroeger deden we steekproeven om terugkerende fouten te detecteren. Vandaag ziet Argus alles. Dankzij AI als digitale operator kunnen we nog betere kwaliteit afleveren.”

Van klassiek vision-systeem naar deep learning

AI Engineer Pieter Gobin werkte de voorbije jaren mee aan de ontwikkeling van Argus. Hij zag van dichtbij hoe Unilin evolueerde van klassieke beeldherkenning naar lerende systemen. “Met de klassieke beeldherkenningstechnologie Univision, waarmee Unilin begin jaren 2000 pionierde, haalden we al een nauwkeurigheid van 99%, maar dat was het plafond.”

Met deep learning is die grens verlegd. Pieter: “Nu streven we 99.9% na, met minder stilstanden en meer output. Tegelijk houden we ook een oogje in het zeil en hebben we meer vertrouwen in de kwaliteit. Het aantal afgekeurde producten is meer dan gehalveerd.” Om Argus te trainen verzamelde het team zo’n 40.000 beelden. “We hebben die zo lang als nodig aan het model getoond, tot het erin slaagde om de beelden correct te klasseren”, legt Pieter uit. “Vandaag beoordeelt Argus inline elke foto en haalt het er de kleinste afwijkingen uit.”