Prevas och Alleima utvecklar AI-baserad kvalitetskontroll för avancerade stålrör

Neutral

Sammanfattning

Prevas och Alleima har utvecklat en AI-baserad lösning för automatisk kvalitetskontroll av stålrör. Lösningen använder kamerateknik och AI för att identifiera ytdefekter i realtid under produktion, vilket ger operatörerna stöd och effektiviserar kvalitetsarbetet.

Analys

Detta är ett pilotprojekt som visar på potentialen för AI och machine vision inom industrin. Lösningen syftar till att förbättra effektiviteten och konsekvensen i kvalitetskontrollen. Även om projektet är verifierat i en verklig produktionsmiljö, framgår det inte tydligt vilka finansiella effekter eller vilken skalbarhet lösningen har för Prevas. Det är en teknisk demonstration snarare än en kommersiell lansering.

Insikter

  • Projektet demonstrerar en konkret tillämpning av AI och machine vision inom tillverkningsindustrin.
  • Fokus ligger på att stödja operatörer snarare än att ersätta dem, vilket kan underlätta implementering.
  • Det framgår inte hur detta projekt kommersialiseras eller vilka intäktsströmmar det kan generera för Prevas.
Påverkan · Neutral · 2/10
Marginell påverkan
NegativNeutralPositiv
−100+10

Prevas har tillsammans med Alleima utvecklat och verifierat en machine vision-lösning för automatisk kvalitetskontroll av rör. Med hjälp av kamerateknik och AI-baserad bildanalys kan lösningen identifiera ytdefekter direkt i produktionsmiljön och ge operatörerna ett effektivt stöd i kvalitetsarbetet.

Alleima i Sandviken är en global tillverkare av högförädlade material i avancerade rostfria stål och speciallegeringar. Företaget levererar till industrier med mycket höga krav på kvalitet och prestanda, vilket gör kvalitetskontroll till en avgörande del av verksamheten.

I det aktuella projektet har Prevas och Alleima utforskat hur machine vision och AI kan användas för att effektivisera kvalitetskontrollen av långa rör. Tidigare har inspektionen genomförts manuellt genom att operatörer visuellt granskar rörens yta.

Den nya lösningen fotograferar rörets yta medan röret roterar och förflyttas genom produktionslinjen. För ett enda rör kan upp till 1 000 bilder samlas in. Bilderna analyseras i realtid av ett AI-nätverk som tränats för att identifiera specifika typer av defekter.

– Det här är ett bra exempel på hur AI och machine vision kan skapa konkret nytta i produktionen. Tekniken ersätter inte operatörens kompetens, utan hjälper till att rikta uppmärksamheten mot de områden som behöver granskas närmare. Det skapar förutsättningar för en mer konsekvent och effektiv kvalitetskontroll, säger Niklas Brusén, vision- och systemingenjör på Prevas.

Verifierad i verklig produktionsmiljö

Installationen hos Alleima är ett pilotprojekt där fokus hittills har varit att verifiera teknikens förmåga att identifiera defekter under verkliga produktionsförhållanden. Resultaten visar samtidigt på möjligheter att utveckla lösningen vidare.

– Det intressanta är inte bara vad tekniken klarar i dag, utan vilka möjligheter den öppnar framåt. När AI, machine vision och industriell automation kombineras med kunskap om kundens produktion kan vi lösa problem som tidigare varit svåra att automatisera, säger Milad Abdhagh, Account Manager på Prevas.

Samarbetet är ett exempel på hur Prevas arbetar med AI och avancerad visionteknik för att omsätta ny teknik till konkret nytta i industrin.

Läs mer om projektet tillsammans med Alleima på Prevas hemsida.  

Fler nyheter från Prevas

Relaterade pressmeddelanden och bolagshändelser från samma bolag.

Se bolagssidan
Prevas: Prevas och Alleima utvecklar AI-baserad kvalitetskontroll för avancerade stålrör - pressmeddelande och analys | Tickr