Application of machine vision and AI in general assembly manufacturing

Abstract

The demand for cost-efficient and consistent quality control and automation has increased significantly in the highly competitive automotive industry, which has accelerated interest in the application of machine vision and artificial intelligence (AI) in general assembly processes. However, identifying suitable applications and designing machine vision systems remains a complex challenge. This study develops a systematic literature-based machine vision design approach and a total cost of ownership (TCO)-based profitability calculation method for the economic evaluation of machine vision systems. The frameworks are based on a comprehensive literature review, which identifies key design principles and considerations for machine vision system design and TCO-based profitability calculations. The developed design approach is applied in the design of machine vision systems for Valmet Automotive’s general assembly operations. The applications for the designed machine vision systems are based on interviews with Valmet Automotive personnel and research on state-of-the-art machine vision solutions. The TCO-based profitability calculations of the designed machine vision systems identify the processes of automotive manufacturing general assembly that benefit the most from machine vision implementation in the case of Valmet Automotive. This study contributes to the growing adoption of machine vision and AI in manufacturing by combining technical machine vision design considerations with economic evaluation, as well as providing insights into potential applications for machine vision systems.

Kysyntä kustannustehokkaalle laadunvalvonnalle ja automaatiolle on lähiaikoina kasvanut merkittävästi erittäin kilpaillussa autoteollisuudessa. Tämä on lisännyt kiinnostusta konenäön ja tekoälyn käyttöön kokoonpanon prosesseissa. Mahdollisten konenäön käyttökohteiden tunnistaminen ja konenäköjärjestelmien suunnittelu on kuitenkin haastavaa. Tässä tutkimuksessa kehitetään systemaattinen konenäön suunnittelumenetelmä sekä elinkaarikustannuksiin perustuva konenäköjärjestelmien kannattavuuslaskentamenetelmä. Menetelmät pohjautuvat kattavaan kirjallisuuskatsaukseen, jossa tunnistetaan keskeiset suunnitteluperiaatteet ja huomioon otettavat tekijät sekä konenäköjärjestelmien suunnittelussa että kannattavuuslaskennassa. Kehitettyä suunnittelumallia sovelletaan Valmet Automotiven kokoonpanon konenäköjärjestelmien suunnitteluun ja havaitut konenäköjärjestelmien käyttökohteet perustuvat Valmet Automotiven henkilöstön haastatteluihin sekä edistyksellisten konenäköratkaisujen kirjallisuuskatsaukseen. Suunniteltujen konenäköjärjestelmien kannattavuuslaskelmat osoittavat, mitkä autoteollisuuden kokoonpanon prosessit hyötyisivät eniten konenäön käyttöönotosta Valmet Automotiven tapauksessa. Tutkimus edistää konenäön ja tekoälyn kasvavaa hyödyntämistä valmistavassa teollisuudessa yhdistämällä teknisen suunnittelun ja kannattavuuslaskennan sekä osoittamalla näkemyksiä potentiaalisista konenäköjärjestelmien käyttökohteista.