<img height="1" width="1" style="display:none" src="https://www.facebook.com/tr?id=2779490062349515&amp;ev=PageView&amp;noscript=1">
Kunstig intelligens forbedrer vejning af lastbiler
6:41

Vejning på brovægte har traditionelt omfattet flere manuelle trin i forbindelse med registrering af data, inspektion af lasten og sikring af kvaliteten. At gennemgå disse trin tager tid og binder personaleressourcer. Digitaliseringen af vejeprocesserne forbedrer datahåndteringen og automatiserer de forskellige trin, hvilket reducerer det manuelle arbejde. Når kunstig intelligens integreres i vejningen, giver det mulighed for endnu bredere automatisering og mere effektiv drift. På den måde bliver vejning på en brovægt en intelligent del af en større operationel helhed.

AI-løsninger til reelle kundebehov

mScales' AI-funktioner er ikke blevet udviklet som et separat teknisk eksperiment, men som en løsning på reelle kundeudfordringer. AI bruges i forskellige situationer, hvor vejning indebærer en betydelig mængde manuelt inspektionsarbejde.

"Kunderne har meget forskellige behov. En kan have brug for at aflæse et containernummer, en anden for at identificere, om en last er dækket, og en tredje for at sikre, at materialet i lasten er, hvad det skal være," siger mScales' løsningsarkitekt Arttu Pakarinen.

Fælles for disse situationer er, at de oplysninger, der skal kontrolleres, ofte er visuelle. Traditionelt har dette krævet menneskelig indsats, tid og opmærksomhed på detaljer. Det er netop her, at AI giver de største fordele. Den muliggør automatiseret genkendelse, forhåndsscreening og beslutningsstøtte uden at skulle genopbygge hele processen.

Gå på opdagelse i kundecasen: Salpamaa nytænker genbrug - AI-baseret vejning øger effektiviteten

mScales_Mobile_weighing_FI_Salpamaa


Identifikation og inspektion af lasten som en del af vejeprocessen

En af de vigtigste anvendelser af AI er identifikation og inspektion af lasten. Chaufføren kører op på brovægten og starter vejningen med mScales, hvorefter kameraer, der er forbundet med vægten, tager billeder. Billederne gemmes automatisk med den korrekte vægtregistrering, og AI analyserer dem ved at sammenligne observationer med foruddefinerede data og krav.

AI kan f.eks. kontrollere, om lasten er dækket eller ej, om materialet i lasten matcher det produkt, der er defineret i ordren, eller om lasten indeholder noget, der ikke hører hjemme der. Kun tilfælde, hvor der opdages usikkerheder eller afvigelser, sendes videre til yderligere gennemgang.

Automatiserede funktioner kan bygges op omkring processen. Typisk udløser en opdaget afvigelse en meddelelse til operatøren, som derefter gennemgår det specifikke læs og foretager de nødvendige opfølgende handlinger, f.eks. registrering af en reklamation.

Laptop displaying the mScales user interface with the load recognition feature visible, set against a grey background


AI giver målbare fordele

I en kundeorganisation har brugen af AI reduceret det manuelle inspektionsarbejde med op til 90 procent. Det skyldes, at størstedelen af belastningerne går direkte videre, og at medarbejderne kun behøver at gennemgå undtagelsessager. Det resulterer i direkte tidsbesparelser og mere effektiv brug af ressourcer.

Den sparede tid til inspektion af lasten er blot ét eksempel. AI giver også andre fordele, f.eks:

  • Forbedret konsistens i inspektionerne: AI vurderer hver last med samme nøjagtighed, hvilket reducerer variationen i de manuelle vurderinger.
  • Hurtigere gennemløbstider: De fleste køretøjer fortsætter uden en separat manuel inspektion.
  • Færre menneskelige registreringsfejl: AI kan bruges til at verificere, at indtastninger er foretaget korrekt.

Implementering kræver lidt, men giver meget

Implementering af mScales' AI-funktioner kræver ikke et stort projekt eller langvarig træning. Der er opbygget en grundmodel i baggrunden, som indeholder en stor mængde information. Den kan genkende en lang række elementer og forbedrer sig løbende.

"Kunderne har rapporteret, at genkendelsen fungerer godt. Overraskende godt. Systemet har f.eks. identificeret træstubbe, træ og plastik i lasten," siger Pakarinen.

For at sikre, at AI integreres gnidningsløst i kundens processer, finjusteres funktionaliteten for hver enkelt kunde. Hvis målet f.eks. er at identificere produkter fra et produktkatalog, er et produktnavn alene ikke altid tilstrækkeligt. Der er også brug for en beskrivelse af, hvordan produktet skal se ud. I stedet for at træne AI fra bunden til at genkende hvert materiale separat, er det ofte nok at give en klar beskrivelse af, hvordan lasten skal se ud, og hvad der ikke skal være til stede.

Hvis der allerede er kameraer i brug på vægten, kræver implementering af AI-funktioner ikke væsentlige yderligere investeringer. mScales kan integreres med enhver brovægt uanset producent. I organisationer, hvor mScales allerede er i brug, kan AI-funktioner nemt aktiveres ved at aktivere dem i systemet.

Download guiden for at finde ud af, hvordan AI kan anvendes på tværs af forskellige områder inden for industriel vejning:

mScales_AI_guide


AI's rolle vokser, men mennesker forbliver en del af processen

Brugen af AI i industriel vejning er stadig på et tidligt stadie, men udviklingsretningen er klar. Den automatiske genkendelse øges, og en voksende del af det rutinemæssige inspektionsarbejde kan overføres til AI.

I de kommende år vil AI's rolle sandsynligvis også vokse i forbindelse med filtrering og behandling af information. Brugen af sprog åbner nye muligheder, da brugerne kan beskrive med ord, hvilken slags information de har brug for. Fra et vejeperspektiv kan det f.eks. betyde, at en bruger beder om en oversigt over en bestemt kundes læs fra sidste måned, vejninger med afvigelser eller den samlede mængde af et bestemt materiale over en bestemt periode, og systemet sammenstiller dataene direkte fra vejeregistreringer.

Men fuld automatisering er ikke i sigte. Inden for industriel vejning er AI ikke en erstatning for mennesker, men et værktøj. Det strømliner processer og reducerer manuelt arbejde, men ansvaret for målingernes nøjagtighed ligger stadig hos mennesker.

"Manuelt arbejde vil ikke forsvinde helt. Vejeprocesser kan i høj grad automatiseres, men systemovervågning, håndtering af undtagelser og sikring af resultaternes pålidelighed vil stadig kræve en menneskelig rolle," konkluderer Pakarinen.

 

Artiklen er baseret på et interview med mScales Solution Architect Arttu Pakarinen. Han har over syv års erfaring med at udvikle vejeløsninger og tilpasse dem til kundernes forretningsbehov samt stor ekspertise inden for AI-baserede systemer.

 

Læs mere her:

Kunstig intelligens i håndtering af vejdata

Brovægtsoftware giver fordele til den traditionelle måde at veje på

 

Lad os sammen opdage fordelene for din virksomhed!