BĚŽÍCÍ PROJEKTY

Inspector One Modulární AI inspekční systém pro 100% automatizovanou vizuální kontrolu výrobních dílů


Výzkumné oblasti

Specifikace projektu

Konsorcium

Kód projektu

CZ.01.01.01/01/25_067/0009904


Zahájení řešení

1. 3. 2026


Ukončení řešení

28. 2. 2029


Celkový rozpočet

110 377 548 Kč


Projekt je spolufinancován Evropskou unií

Popis projektu

Projekt Inspector One je zaměřen na výzkum a vývoj pokročilého inspekčního systému pro 100% automatizovanou vizuální kontrolu výrobních dílů v automotive a dalších technologicky náročných odvětvích. Výsledkem projektu budou dva funkční vzorky, Inspector One ve variantě xPlannar a ve variantě Karusel (robotizovaná inspekční pracoviště s průmyslovou optikou), a digitální řešení v podobě metodiky a vyhodnocení pro kontrolu atributů dle katalogu vad pomocí neuronových sítí: specializované hluboké neuronové sítě pro detekci a klasifikaci více než 100 tříd vad a jednotná softwarová platforma ANNIE pro správu modelů, vyhodnocování kvality a integraci do výrobních systémů MES, QMS a SPC.

Přínosy projektu

Projekt Inspector One nahradí manuální vizuální kontrolu stabilním, reprodukovatelným a auditovatelným AI řešením, které pracuje v reálném taktu výroby a eliminuje subjektivitu, únavu a variabilitu lidského faktoru. Hybridní architektura kombinující klasifikaci rozsáhlého katalogu vad s nezávislou detekcí anomálií zachytí i vzácné a dosud nepozorované defekty, což vede ke snížení zmetkovitosti, eliminaci opakovaných kontrol a dosažení velmi nízké úrovně PPM. Data z inspekce vytvářejí základnu pro statistickou regulaci procesu a prediktivní řízení kvality, takže se kontrola mění z pasivního filtru na konci výroby v aktivní, datově řízený prvek inteligentní továrny. Projekt současně zlepšuje pracovní podmínky, snižuje materiálové a energetické ztráty a posiluje konkurenceschopnost českého průmyslu.

Stabilní, reprodukovatelná a auditovatelná 100% kontrola kvality bez lidské variability

Datová základna pro SPC a prediktivní řízení kvality integrovaná do MES a QMS

Detekce a klasifikace stovek tříd vad včetně vzácných anomálií při zachování taktu výroby

Snížení zmetkovitosti, provozních nákladů a materiálových ztrát, posílení konkurenceschopnosti