Sommige typen sensoren lijken de grens van hun mogelijkheden te hebben bereikt. Nieuwe principes zijn schaars, vaak complex en duur. Toch wordt er volop ontwikkelingswerk gedaan om sensoren kleiner, slimmer en betaalbaarder te maken en hun bereik te vergroten. De redactie van Products4Engineers sprak met business development manager Roy Stricker van Isotron over de laatste ontwikkelingen bij visionsystemen.

Isotron in 's-Hertogenbosch denkt niet in producten, maar in oplossingen. Daar bedoelt het bedrijf automatiseringsoplossingen mee die echt waarde toevoegen aan industriële omgevingen. Samen met de klant gaat het bedrijf duurzame verbindingen aan en zet het zijn kennis, ervaring en inzichten in om automatisering nog slimmer, beter en rendabeler te maken. Isotron maakt gebruik van een aantal merken waarvan het alle kennis en kunde in huis heeft, zoals programmeerbare producten als PLC's en visionsystemen. De toegevoegde waarde zit onder andere in het adviseren en trainen van klanten en het mede ontwikkelen van applicaties bij klanten. 

Ontwikkelingen 

"Bij standaard sensoren worden nog wel kleine stapjes gezet, maar qua techniek is het vaak wat het is. Bij vision zijn er vaak meer mogelijkheden om de productiviteit te verbeteren, bijvoorbeeld door het proces te optimaliseren. Vraagstukken starten vaak bij de beoordeling van een eindproduct omdat er een gegarandeerde kwaliteit geleverd moet worden. Een terugroepactie kan voor bedrijven leiden tot hoge kosten en imagoschade. De uitdaging is dus om foutieve producten zo vroeg mogelijk uit het proces te verwijderen waardoor er vervolgens geen onnodige handelingen plaatsvinden. Relatief bescheiden verbeteringen in het proces kunnen de rentabiliteit van bedrijven soms flink verhogen. Dit zorgt voor het reduceren van afval en besparen in het energieverbruik", zegt Stricker. 

Stand van zaken visionsystemen 

In dit artikel beperken we ons tot de stand van zaken bij visionsystemen. De toepassing hiervan begint met de controle op de aanwezigheid en volledigheid, bijvoorbeeld van etiketten op verpakkingen, en gaat tot en met kwaliteitscontrole en procesverbetering. Stricker: "Mensen weten vaak precies wat goed en wat fout is, maar vijf tot tien jaar geleden was dat bijna niet te automatiseren. Tegenwoordig zijn visionsystemen zo goed te configureren, dat ze dat soort taken wél kunnen uitvoeren. Camera's zijn door algoritmes dermate slim geworden dat ze functionaliteiten van de mens kunnen overnemen. Medewerkers kunnen daardoor worden ingezet voor veeleisendere taken." 

Tot kort geleden richtten smartcamera’s zich voornamelijk op vormvaste producten in productie en verpakkingslijnen. Bij deze toepassingen zijn er rekenkundige modellen om te bepalen of een product voldoet aan de verhouding, maatvoering enzovoorts. Met de recente Deep Learning (AI) ontwikkelingen in smartcamera’s zijn er veel nieuwe mogelijkheden om visuele inspectie te vervangen door geautomatiseerde. Met vision worden fouten zichtbaar gemaakt en zorg je ervoor dat het proces geoptimaliseerd wordt. "Je probeert kwalitatief mindere producten in een vroeg stadium uit het proces te halen. In de bakkerijwereld bijvoorbeeld sorteer je een misvormd kadetje liefst vóór de oven uit, zeker nu de energieprijzen zo hoog zijn. Anders steek je veel tijd en energie in een broodje dat een klant uiteindelijk toch niet koopt. Je ziet deze vorm van kwaliteitscontrole ook in de glasindustrie, waar nog veel meer energie nodig is", weet Stricker. 

Intelligentie 

De camera zelf krijgt steeds meer intelligentie. Stricker: "Er komt meer nadruk te liggen op het automatiseren op goed/fout om een zekere kwaliteit van producten te kunnen leveren. Uiteindelijk levert een inspectie een eenvoudig signaal voor de PLC op, die daarop actie kan ondernemen. In die manier van beoordelen is echt een flinke slag gemaakt." De kunst is echter nog steeds om de kennis en ervaring van mensen – wat is goed en wat is fout – in een algoritme onder te brengen. De betere systemen kunnen tegenwoordig aan de hand van voldoende voorbeelden zelf een algoritme ontwikkelen. Gebruikers kunnen steeds beelden toevoegen aan hun ‘bibliotheek’. Deze vorm van machine learning werkt heel erg grafisch, zodat ook mensen met weinig kennis in staat zijn om een proces bij te leren. Volgens Stricker denken klanten vaak dat deze technologie nog in de kinderschoenen staat, maar als ze de mogelijkheden zien raken ze geïnteresseerd. 

 "De technieken zijn klaar, aan de hand van beelden zijn camera's vrij snel te trainen. Een probleem dat we een paar jaar geleden niet konden oplossen, kunnen we nu met dezelfde beelden vaak wel invullen. Als je de prestaties van traditionele camera's vergelijkt met die van moderne camera's met AI, dan zie je dat je met die laatste veel sneller tot het gewenste resultaat komt." 

Toekomstbeeld 

Hoe zal het aanbod aan sensoren en visionsystemen er over een paar jaar uitzien? "Als je kijkt naar de standaard sensoren, dan zie je dat de grotere spelers steeds groter worden. Ze kopen marktaandeel door overname van concurrenten of fabrikanten van sensoren die ze zelf niet produceren. Maar ik verwacht dat er altijd ruimte zal blijven voor start-ups, omdat zij vaak nieuwe technieken introduceren", denkt Stricker. De marktvooruitzichten zijn goed. Alles moet tegenwoordig inzichtelijk zijn, er moet steeds meer data worden verzameld. Daar zijn sensoren bij nodig. Isotron ziet daarom dat steeds meer sensoren worden geïntegreerd in machines en apparaten. 

"Vroeger had je een elektromotor en kon je de temperatuur in de buurt van de motor meten. Tegenwoordig zijn een thermistor, encoder, stroomsensor en trillingmeter bijna standaard ingebouwd. Er komt een communicatiekabel uit die alle waarden doorstuurt naar de besturing. Het is steeds makkelijker om processen inzichtelijk te maken en verbanden te leggen tussen afwijkende producten en veranderingen in het proces. Arbeidskrachten zijn schaars, dus ontstaat er ook steeds meer een noodzaak om te automatiseren. Visionsystemen worden meer en meer geïntegreerd om een oogje in het zeil te houden", besluit Stricker.