Inline kwaliteit paneel inspectie

Depro Profiles: maatwerk in profielen en panelen

Depro Profiles is een Belgisch familiebedrijf met een vestiging in Comines. Sinds 1992 ontwerpt en produceert het bedrijf hoogwaardige profielen en panelen voor de interieurinrichting en de doe-het-zelf markt. Diversifiëring in producten staat centraal: van afmetingen en uitzicht tot decorontwikkeling. Voor een productie waarin elk paneel uniek kan zijn, is consistente kwaliteit een van de belangrijkste pijlers.

De uitdaging

Met 40.000 panelen per dag is dat een fors volume om visueel te beoordelen. Tot voor kort gebeurde de kwaliteitscontrole manueel door operatoren langs de lijn. Die aanpak had structurele beperkingen:

• Subjectief en vermoeiend werk: tienduizenden panelen per dag visueel inspecteren betekent onvermijdelijk dat fouten gemist worden, zeker tegen het einde van een shift.
• Geen 100% controle: bij die productiesnelheid is het fysiek onmogelijk om elk paneel even grondig te bekijken.
• Geen traceerbaarheid: bij een klacht is er geen objectief beeld van hoe het paneel de lijn verlaten heeft.
• Verschillen tussen decors: Depro produceert in vele kleuren en houtsoorten. Wat opvalt op een licht decor, verdwijnt op een donker decor.

Let op: de getoonde screenshots gebruiken illustratieve demo-data en tonen geen werkelijke productiegegevens van Depro.

Aanpak: van labotest tot dubbele inspectie

Een vision-systeem op een productielijn bouw je niet ineens. Welke camera detecteert betrouwbaar dit type strip op dit type paneel? Welk AI-model herkent de fout, ook op een donker decor? Daarom kozen Depro en Aionix voor een gefaseerde aanpak: eerst klein, dan opschalen. Elke fase leverde leerpunten op die we meenamen naar de volgende.

Onze oplossing

We bouwden een inline AI-vision systeem dat elk paneel aan beide zijden inspecteert op de kwaliteit van de gelijmde decoratieve strips. De oplossing combineert eigen mechanisch ontwerp, een op maat gebouwde elektrische kast, een eigen getraind AI-model en een cloud-platform voor traceerbaarheid en inzicht.

Op het platform draait dit als de module Kwaliteit, met Traceability voor het beeldarchief per paneel.

Hardware: van 3D-model tot inbedrijfstelling

De inspectie moest inline gebeuren, zonder de productielijn te onderbreken. Aionix tekende een 3D-model van een behuizing die camera, lens en verlichting in een compacte module groepeert, gemonteerd langs de lijn op de exacte hoogte en hoek van de paneelzijde. Het ontwerp werd extern geproduceerd, maar de installatie en uitlijning op de lijn deed Aionix zelf. Enkele millimeters afwijking en het AI-model krijgt beelden waarvoor het niet getraind is.

Ook de elektrische kast werd door een gespecialiseerde partner gebouwd op basis van onze specificaties. Aionix nam vervolgens de testing en inbedrijfstelling op de lijn voor zijn rekening: alle I/O-signalen, de communicatie tussen camera, PLC en het vision-platform.

AI-model: getraind in samenwerking met de kwaliteitsdienst

Het AI-model is het hart van het systeem. We trainden het in nauwe samenwerking met de kwaliteitsdienst van Depro: zij wezen aan welke beelden goed en welke slecht waren, wij voedden die kennis aan het model.

Drie principes stuurden de aanpak:

• Trainen op slechte samples. Een AI-model dat alleen “goed” gezien heeft, herkent geen fouten. We zochten actief naar voorbeelden van slechte verlijming en namen die op in de trainingsset.
• Iteratief valideren met kwaliteit. Elke ronde besprak het kwaliteitsteam de resultaten. Foute beoordelingen werden teruggevoed in de volgende trainingsronde.
• Robuust over alle decors. Het model werd getest tot het stabiel werkt op de volledige productmix, en bij de komst van de tweede camera in fase 3 gefinetuned op de gecombineerde dataset.

Beeld 1 van 4

100% inline inspectie van elk paneel

Elk paneel dat over de lijn gaat, wordt aan beide zijden geïnspecteerd. Met 40.000 panelen per dag betekent dat 80.000 AI-inspecties per dag: een volume dat visueel onmogelijk te halen is, en dat het systeem in stilte uitvoert.

Voor elk paneel maakt het model in milliseconden een classificatie: goedgekeurd of afgekeurd. Die uitkomst wordt onmiddellijk opgeslagen, samen met het beeld zelf. De fysieke uitname van afgekeurde panelen zit voorlopig nog bij de operatoren, maar de basis voor verdere automatisering is gelegd.

Cloud-opslag & volledige traceerbaarheid

Voor elk geïnspecteerd paneel wordt het beeld en de classificatie bewaard in de cloud. Bij een klacht van een klant kan Depro het exacte paneel terugzoeken en zien hoe het op het moment van productie geclassificeerd werd. In plaats van een gevoelsmatig “ik denk dat het goed was” is er een objectief beeld.

Bovenop het archief draait een dashboard met live trends: afkeurpercentages per decor, shift en machine. Kwaliteitsproblemen worden zo aan de bron aangepakt in plaats van op de klachtenstapel.

Resultaten

Met het AI-vision systeem in productie ziet de kwaliteitscontrole bij Depro er fundamenteel anders uit dan voorheen:

• Van steekproefsgewijze visuele controle naar 100% inline AI-inspectie van elk paneel, aan beide zijden.
• 80.000 AI-inspecties per dag, een schaal die manueel niet haalbaar is.
• Volledige traceerbaarheid van elk paneel via het cloud-archief.
• Live inzicht in kwaliteitstrends en een AI-model dat stabiel werkt over alle decors.

Wat is het volgende?

De huidige opstelling levert al de objectieve data en traceerbaarheid waar Depro naar zocht. Maar het potentieel van een vision-systeem op een lijn van 40.000 panelen per dag gaat verder. Twee volgende stappen staan op de roadmap:

• Markering van afkeur: Het systeem geeft direct visueel aan welke panelen “slecht” zijn, zodat operatoren ze meteen kunnen uitmijsten zonder zelf te moeten zoeken. De rol van de operator verschuift van detector naar uitvoerder.

Ook hier kiezen we voor stap-voor-stap: elke volgende fase bouwt voort op wat de vorige heeft gevalideerd.