IT løsninger i Industri 4.0 rammer - Digital procesovervågning i opskæring og udbening AP1-2023

Jeppe Bo Andersen

Jeg er din kontaktperson

Skriv til mig

Indtast venligst et validt navn
Eller dit telefonnummer
Sender besked
Tak for din besked
Vi beklager

På grund af en teknisk fejl kan din henvendelse desværre ikke modtages i øjeblikket. Du er velkommen til at skrive en mail til Send e-mail eller ringe til +45 72 20 15 70.

digi
digi

IT løsninger i Industri 4.0 rammer - Digital procesovervågning i opskæring og udbening AP1-2023

2023

Målene med AP1 er at udvikle og teste en til to digitale løsninger til overvågning af automatiske processer i opskæring og udbening, herunder en løsning til overvågning af tredeleren

 

 

Projektstatus 4. kvartal 2023

Det vigtigste nye output er, at præcision af modellerne er forbedret ved at anvende yderligere træningsdata og optimere algoritmerne. Dermed er modellerne færdigudviklet. Der er den seneste måned kørt driftslignende test på det ene værtsslagteri uden udsving. På det andet værtslagteri er der foretaget ugetest, hvor alle ændringer på tredeleren er logget, og alle sorteringsgrupper er noteret. Dette bruges til at finde sammenhænge mellem produkter, maskine og modelresultater. Derudover er vi i gang med at lave en grundlæggende visualisering af modelresultater i MesterPC.

Den næste store aktivitet i projektet er at færdiggøre års- og slutrapporter, sammenkoble resultater fra testforsøg og foretage en simpel visualisering i MesterPC.

Projektstatus 3. kvartal 2023

Det vigtigste nye output er, at

➢ Der er sat kameraer på andet værtsslagteri.

➢ Billedoptagningsprogram til andet værtsslagteri er udarbejdet, og dataindsamling er i gang.

➢ Annotering af billeder fra andet værtsslagteri er begyndt.

➢ Segmenteringsmodel til bestemmelse af skinken er forbedret væsentligt.

➢ Der er fundet mere data fra yderkategorierne, så en forende-klassificering er godt på vej

Den næste store aktivitet i projektet er, at

➢ Færdiggøre modeller.

➢ Gennemføre testforsøg på slagteri i samarbejde med repræsentanter fra branchen.

➢ Lade modellerne køre i et par uger og opsamle data.

➢ Foretage indledende udvikling af visualisering, alarmer etc. til kommunikation af fejlkategorier.

Projektstatus 2. kvartal 2023

Det vigtigste nye output er, at

-Der er justeret på kameraet til overvågning af forenden, så vi bedre kan se de detaljer, der er nødvendige for at vurdere og klassificere skæringen.

-Der er lavet en segmenteringsmodel til forende-delingen, som kan finde udvalgte muskler og knoglestykker (bovblad, bovkile, etc.).

-Der er annoteret en del eksempler på forender i yderkategorier, der nu gør det muligt at lave klassifikationsmodellen for forende-delingen.

-Punktmodel til at bestemme længden af skinken er forbedret.

-Det er bestemt, at den nuværende vision-opstilling flytter til et andet værtsslagteri. Smede- og elektrikerarbejde er allerede igangsat.

Den næste store aktivitet i projektet er, at

-Modellerne skal forbedres/færdiggøres og køre på slagteriet over et stykke tid.

-Der skal udvikles brugerflade til at kunne vise live statistik af skæringen.

-Der skal sættes kameraer op på andet værtsslagteri.

-De trænede modeller skal afprøves på andet værtsslagteri.

-Der skal annoteres yderligere data fra andet værtsslagteri og gentrænes modeller på de data.

 

Projektstatus 1. kvartal 2023

Det vigtigste nye output er, at:

-Der er opsat vision-udstyr på 2. værtsslagteri.

-Modellen til klassificering af skæring mellem skinke og midterstykke er forbedret.

-Der er udviklet en segmenteringsmodel til at bestemme længden af skinken.

-Punktmodellen til klassificering og overvågning af skinkedelingen er forbedret væsentligt siden sidste kvartal.

-Det er besluttet, at der skal laves to modeller til klassificering af forenden. Én til området omkring bovkilen, og én til området omkring bovbladet.

-Der er udarbejdet et foreløbig kravsspecifikation.

Den næste store aktivitet i projektet er, at

-Kravsspecifikation skal specificeres i samarbejde med slagterierne, for at sikre den bedst mulige værdiskabelse.

-Der skal opsættes lys på 2. værtslagteri for at sikre et bedre billede-materiale til klassificering af forenderne.

-Der skal laves klassificeringskategorier i samarbejde med 2. værtsslagteri.

-Der vil være fokus på at øge præcisionen af de forskellige modeller og sikre værdiskabelsen hos de forskellige værtsslagterier.

-De tidligere trænede modeller skal afprøves på 2. værtsslagteri, og herefter skal modellerne forbedres yderlige med mere annoterings-data.

 

2022

Formålet er at udvikle nye agile IT-løsninger til at støtte op om slagteriernes behov for digitalisering og sporbarhed, der kan håndtere ændringer i såvel IT-struktur som i kunde- og myndighedskrav.

Formål:

Målet med AP6 er at udvikle og implementere nye teknologiske IT-løsninger til overvågning, der bidrager til at reducere fejl og forbedre råvareudnyttelsen

 

Projektstatus 4. kvartal 2022

De vigtigste nye output er, at

-Udvikling af løsningen til digital procesovervågning af tredelingen skal foregå på to slagterier. Foreløbige output er fra data indhentet på 1. værtsslagteri. 2. værtslagteri er udpeget og godkendt af styregruppen i september 2022.

-Modellen til klassificering af skæring mellem skinke og midterstykke er forberedt.

-Der er lavet punktmodel til at bestemme afstanden mellem nøgleben og skæring mellem skinke og midterstykke, som skal præciseres yderligere.

-Annotering af billeddata fra deling mellem forende og midterstykke er i gang.

De næste store aktiviteter i projektet er, at

-Inddrage slagterierne ift. nærmere præcision af behov og kravspecifikation til overvågningen.

-Opsætte kamera og optagningsprogram til at optage billeder fra 2. værtslagteri i december 2022.

-Påbegynde annotering af billeder fra 2. værtslagteri.

-Træne model til klassifikation af deling mellem forende og midterstykke.

-Færdiggøre skinke/midterstykke klassifikationsmodel.

-Færdiggøre punktmodel til at bestemme skinkelængder. Hvis denne ikke er præcis nok, laves en segmenteringsmodel til at finde nøgleben og haleben og derved beregne afstanden.

 

ap6

 

di

 

Artikel+Podcast

Dirac, H. (2022) Digital transformation in the slaughterhouse: a pioneering past and bright future. Meatingplace, februar 

digiUdklip.PNG