Botter i bageriet: Robotter og AI løfter bagværket hos Mette Munk
Spandauere og kanelsnegle møder robotteknologi, kameraer og kunstig intelligens hos Mette Munk, hvor wienerbrødsproducenten har samarbejdet med Robot Nordic og Teknologisk Institut om en nytænkende automatiseringsløsning.
På bare få sekunder skal en medarbejder hos Mette Munk kunne spotte et misformet wienerbrød blandt tusindvis andre.
Det kræver øjne som en høg og en præcision, der aldrig må svigte.
Men når der ruller 35.000 kager forbi i timen, hvor mange af dem er forskellige både i form, størrelser og pynt, bliver selv de skarpeste øjne trætte.
Og netop det blev startskuddet til en automatiseringsløsning for Odense-virksomheden, der producerer og distribuerer dansk wienerbrød på frost til hele verden.
− Det bedste ved den her automatisering er, at vi har fået styr på vores flow fra bageri til pakkeri. Derudover har vi fået en mere ensartet kvalitet, hvor det er robotterne og vision, der frasorterer. Og vi har frataget rigtig mange manuelle gentagelser fra vores medarbejdere, da det nu er robotterne, der fordeler de her kager ud i de rigtige rækker, fortæller Jeppe Holm, der er produktionsingeniør ved Mette Munk.
Tidligere foregik kontrollen på øjemål, rutine og masser af gentagne arbejdsbevægelser.
Nu hjælper teknologien − der er blevet til i et samarbejde mellem Mette Munk, Robot Nordic og Teknologisk Institut − både kvaliteten og arbejdsglæden på vej.
Automatiseringen sikrer ikke kun et stabilt flow, men systemet kan også skelne mellem og vurdere alle de mange varianter på linjen. Kontrollen omfatter alt fra spandauere til kanelsnegle, wienerpecan og mange andre slags bagværk, hvor fyld, pynt og form varierer både fra type til type og fra styk til styk.
Robotter og vision har overblikket over de 35.000 kager i timen
Bag kulisserne hos Mette Munk står nu et fuldautomatisk anlæg udtænkt af Robot Nordic sammen med Teknologisk Institut.
− Den løsning, vi har lavet til Mette Munk, består af 16 robotter på 2 linjer, hvor vi håndterer 35.000 kager i timen fra deres fryser. Her skal robotterne frasortere, men robotterne skal også ind og omrokere på kagerne, så de ligger i det rette pakkemønster, forklarer Camilla Tinggaard Hartmann, der er Sales Manager hos Robot Nordic.
Faktisk startede projektet allerede tilbage i 2023 med et forprojekt.
− Det her projekt har været enormt spændende at arbejde med. For at finde den helt rette løsning for vores kunde hev vi fat i Teknologisk Institut − for at få deres viden og kompetencer til, hvilken løsning der ville være den rette i forhold til AI-vision, siger Camilla Tinggaard Hartmann.
Fra menneskehånd til maskinlæring
Udover 16 robotter er vision og kunstig intelligens også en stor del af automatiseringsløsningen hos Mette Munk – og det var her Teknologisk Institut med seniorspecialist Michael Nielsen og faglig leder Carsten Panch Isaksen i spidsen blev hevet med ind for at give systemet skarpe, digitale øjne.
Her er der blevet brugt mange forskellige AI-modeller, der har hver deres speciale.
− Ud fra tusindvis af billeder har vi nu skabt et system, som i realiteten kan det samme som et menneske kan, fortæller faglig leder ved Teknologisk Institut Carsten Panch Isaksen og fortsætter:
− Nu har vi brugt AI til at sortere og kvalitetsvurdere kager, men man kan også tænke det ind i andre sammenhænge, hvor emner ikke ligner hinanden fra gang til gang – fødevarer som skal sorteres eller kvalitetsvurderes, som lige nu kun mennesker kan.
Derfor er kvalitetssorteringen også langt fra en simpel opgave.
Systemet skal ikke blot genkende og skelne mellem mange produktvarianter, men også kunne tage højde for de store variationer, der opstår for eksempel i glasurens mønster, placering af fyld, eller om en kage måske er snoet lidt anderledes end normalen.
Sådan virker kagekvalitetskontrollen
- Løsningen benytter flere forskellige specialiserede AI-modeller. Én model kan identificere enkeltkager, selv når de hænger sammen og uanset hvilken type kage, der er tale om. Andre modeller foretager kvalitetsklassificering af hver enkelt produkttype – for eksempel spandauere, kanelsnegle eller wienerpecan.
- Systemet vurderer hver enkelt kage for dens unikke parametre: Form (rund, firkantet, snoet mv.), fyld, glasur og pynt, hvor variation i både mængde og placering skal tages i betragtning.
- Vision-systemet bruges ikke kun til at sortere fra. Det projekterer realtidsbilleder af kagernes og robotgribernes positioner, så det automatisk finder de optimale kager at flytte – og beregner, hvor der er plads på linjen.
- Systemet vurderer ca. 24 kager pr. scanning – og kan gøre det på et halvt sekund.
- Vision-løsningen kommunikerer dynamisk med pakkelinjens PLC og styres via HMI'ens recepthåndtering. Dermed kan processen let tilpasses forskellige produkter og pakningsmønstre.
- Sortering sker i tre kvalitetsniveauer, som er defineret og trænet på tusindvis af operatør-stemplede produktbilleder – og systemet præsterer derfor kvalitetskontrol på niveau med et trænet menneske, blot hurtigere og mere ensartet.
Alle kan få en bid af kagen
Erfaringerne fra Mette Munk bliver ikke kun i Odense.
Samarbejdet mellem bageriet, Robot Nordic og Teknologisk Institut har vist, hvad fremtidens produktion kan – især med det rigtige samarbejde.
− Med Teknologisk Instituts AI og vision-løsning på den ene side, og vores erfaring med robotautomation på den anden, har vi sat en ny standard for, hvad man kan i fødevarebranchen. Det har været utroligt værdifuldt at lære af hinanden undervejs – og det har styrket både projektet og samarbejdet, siger Camilla Tinggaard Hartmann.
Og det bakker Jeppe Holm hende op i:
− Det handler om at få styr på alle detaljer fra start – og vælge samarbejdspartnere med lysten og evnen til at finde den bedste løsning.