AI, która uczy się od ludzi. Polski startup chce zrewolucjonizować kontrolę jakości

System AGC-POLAND to inteligentne narzędzie do automatycznej inspekcji najbardziej wymagających powierzchni. Wykorzystuje sztuczną inteligencję, sieci neuronowe i analizę obrazu, ale jego prawdziwa siła tkwi w połączeniu technologii z wiedzą operatorów. System nie tylko wykrywa defekty – uczy się od ludzi i doskonali swoje algorytmy na podstawie ich doświadczenia. Nie zastępuje człowieka, lecz współpracuje z nim, dzięki czemu potrafi elastycznie reagować na zmiany.

Rozwiązanie może działać samodzielnie lub zostać zintegrowane z istniejącą linią produkcyjną. Nie wymaga uciążliwej kalibracji i pozostaje odporne na zmienne warunki oświetleniowe czy środowiskowe. Wraz z kolejnymi cyklami produkcji staje się coraz skuteczniejsze. Każda korekta wprowadzona przez operatora jest analizowana i wykorzystywana do dalszej optymalizacji. To prawdziwie samoucząca się technologia, wspierana ludzką intuicją.

– Wywodzimy się z branży technicznej – świadczymy usługi doradcze i konsultingowe w zakresie kontroli jakości, głównie dla przemysłu motoryzacyjnego, w tym elektromobilności. Współpracując z różnymi firmami, mieliśmy okazję dobrze poznać dostępne na rynku systemy wizyjne. Zauważyliśmy, że wiele z nich nie nadąża za realnymi potrzebami produkcji. Problemem jest przede wszystkim zmienność warunków i standardów, które pojawiają się w środowisku przemysłowym – mówi Michał Górny, CEO AGC-POLAND.

Michał Górny podkreśla, że co prawda konfiguracja konwencjonalnych systemów jest możliwa, ale kosztuje czas i zasoby, których brakuje w większości zakładów. – W efekcie wciąż najczęściej polega się na pracy operatorów i ręcznej kontroli detali. Nie jest to jednak rozwiązanie wystarczająco elastyczne w dynamicznie zmieniającym się otoczeniu. Dostrzegliśmy tę lukę już kilka lat temu i zaczęliśmy się zastanawiać, w jaki sposób wykorzystać sztuczną inteligencję i sieci neuronowe, aby stworzyć system, który faktycznie uczy się i dostosowuje do nowych wyzwań.

Konwencjonalne rozwiązania nie nadążały za zmianami. AGC-POLAND postanowiło to zmienić

System prezentowany AGC-POLAND potrafi identyfikować defekty mierzone w mikronach, co czyni go narzędziem dla najbardziej wymagających branż. Wykrywa mikrouszkodzenia, nieciągłości struktury materiału, pęknięcia oraz powierzchniowe przebarwienia i zanieczyszczenia. Każda anomalia zostaje skategoryzowana i ujęta w statystykach, które wspierają dalszą optymalizację procesu. Rozwiązanie to umożliwia także bieżący nadzór nad czystością techniczną komponentów. Wczesne wykrywanie błędów ogranicza straty materiałowe, zużycie energii i emisję CO₂. To szczególnie istotne w procesach energochłonnych, jak galwanizacja czy precyzyjna obróbka. System wspiera cele zrównoważonego rozwoju i realnie wpływa na redukcję kosztów produkcji.

–Wieloletnia praca z dostępnymi na rynku systemami dała nam jasny obraz tego, czego w nich brakuje i czego finalnie oczekują użytkownicy. Wiedzieliśmy, że potrzebne jest rozwiązanie, które będzie naprawdę użyteczne i odpowiadające na potrzeby – wyjaśnia CEO AGC-POLAND.

W przeciwieństwie do zamkniętych systemów wizyjnych dostępnych na rynku AGC-POLAND oferuje otwartą architekturę. To rozwiązanie łatwo integrowalne, gotowe na wdrażanie nowych modeli AI i dostosowane do różnych procesów. Jest skalowalne i rozwija się bez potrzeby wymiany sprzętu.

– Systemy zbyt mocno personalizowane, choć teoretycznie dopasowane, w praktyce bywają trudne w kalibracji czy późniejszym dostosowaniu przez kolejnych odbiorców. Dlatego od początku staramy się myśleć bardziej globalnie i tworzyć rozwiązanie, które, choć dopasowane do potrzeb danego klienta zachowuje elastyczność i uniwersalność – dodaje Michał Górny.

System działa dobrze… aż przestaje. Efekt starzenia w praktyce

Michał Górny zwraca uwagę, że większość dostępnych na rynku rozwiązań cierpi na efekt „starzenia się”. – Większość dostępnych dziś na rynku systemów wizyjnych działa w oparciu o porównanie i konfigurację. To oznacza, że z czasem pojawia się efekt „starzenia” takiego rozwiązania. Jeżeli użytkownik nie aktualizuje regularnie konfiguracji, system stopniowo traci skuteczność – pojawiają się nowe rodzaje błędów, zmieniają się warunki oświetleniowe czy środowiskowe, a także drobne różnice w kolorze i wykończeniu powierzchni. W efekcie system wykrywa coraz mniej i działa coraz gorzej.

Aktualizacja z kolei wymaga zaangażowania specjalistów, często z zewnątrz. – W praktyce wygląda to tak: system zostaje skonfigurowany, działa poprawnie przez pewien czas, później zaczyna się starzeć i znów wymaga ponownej konfiguracji – często z pomocą zewnętrznych techników. To generuje taki sinusoidalny efekt – raz mamy wysoką skuteczność, potem spadek, znów aktualizacja i tak w kółko. Tymczasem w większości firm brakuje zasobów, by ktoś na bieżąco zajmował się takim systemem, spędzał całe dnie przy linii produkcyjnej i dostrajał kamery.

Problem narasta przy większej gamie produktów, szczególnie tam, gdzie liczy się czystość i precyzja – jak w elektromobilności, clean roomach czy przemyśle zbrojeniowym.

Sprzężenie zwrotne: człowiek trenuje maszynę, maszyna wspiera człowieka

AGC-POLAND postawiło na system samouczący się. – Nasz system uczy się cały czas – w trakcie pracy i we współpracy z operatorem. Każde sprawdzenie i każde zdjęcie wykonane w procesie kontroli stanowi nową próbkę, która trafia do kolejnych cykli uczenia sieci neuronowej. Dzięki temu system nie bazuje wyłącznie na danych początkowych, ale na bieżąco poszerza swoją wiedzę o realne dane z linii produkcyjnej – wyjaśnia Michał Górny.

Działa tu sprzężenie zwrotne – system pokazuje, co wykrył, a operator może to potwierdzić lub odrzucić. – W praktyce oznacza to, że każdy element – dobry czy wadliwy – staje się częścią zbioru uczącego. System rośnie razem z produkcją i z czasem buduje coraz bogatszą bazę doświadczeń. W konwencjonalnych systemach zwykle mamy pewien zestaw zdjęć referencyjnych, z którymi porównywane są kolejne detale. Nasze rozwiązanie działa inaczej – sieć neuronowa uczy się na podstawie pierwszego zestawu danych, ale później stale go rozszerza. Każdy sprawdzony element trafia do kolejnych cykli treningowych. W efekcie system rozwija się wraz z upływem czasu, dostosowuje się do zmiennych warunków. W efekcie potrafi rozpoznawać coraz bardziej zróżnicowane próbki – dodaje.

Technologia zapewnia precyzję i powtarzalność. Człowiek wnosi wiedzę, intuicję i doświadczenie

– Automatyzacja produkcji jest nieunikniona i już dziś rozwija się bardzo dynamicznie. Uważamy jednak, że całkowite wyeliminowanie człowieka z procesu nie powinno mieć miejsca. Doświadczenie i umiejętności analityczne operatora wnoszą ogromną wartość, której sama technologia jeszcze nie zastąpi. Sztuczna inteligencja i systemy techniczne powinny wspierać człowieka i być przedłużeniem jego możliwości, a nie całkowicie go zastępować – mówi CEO AGC-POLAND.

Między innymi właśnie z tego powodu AGC-POLAND stawia na układ człowiek–maszyna. - Technologia gwarantuje powtarzalność, precyzję i niezawodność w analizie obrazu, a operator wnosi wiedzę i intuicję. Dzięki temu możliwe jest sprzężenie zwrotne – system wykrywa błędy, a człowiek decyduje, czy rzeczywiście są one niezgodne ze specyfikacją. Operator może potwierdzić poprawne rozpoznanie albo wskazać, że dana anomalia mieści się w granicach normy. W ten sposób system uczy się razem z operatorem i rozwija w pożądanym kierunku – wyjaśnia Michał Górny. - Co ważne, takie podejście buduje również magazyn wiedzy dla całej firmy. W tradycyjnych systemach każda nowa linia czy stanowisko kontroli oznacza rozpoczęcie nauki od zera. Nasze rozwiązanie działa inaczej – wiedza zgromadzona podczas pracy na jednym produkcie może być wykorzystana przy kolejnym. Choć detale różnią się kształtem, rozmiarem czy materiałem, to typy defektów – mikropęknięcia, rysy, przebarwienia – pozostają podobne. Dzięki temu konfiguracja nowej linii produkcyjnej nie zaczyna się od pustej bazy, lecz od już wytrenowanej sieci neuronowej, wzbogaconej doświadczeniem operatora i wcześniejszymi projektami.

Cleanroom, mikropęknięcia, niestandardowa struktura. Im trudniejsze zadanie, tym lepiej widać przewagę AGC-POLAND

AGC-POLAND przetestowało system – wyniki mówią same za siebie. – Najlepsze wyniki osiągnęliśmy przy wykrywaniu mikroplam i przebarwień powstających po dokładnym myciu detali przeznaczonych do cleanroomów. Udało nam się osiągnąć niemal stuprocentową skuteczność przy defektach mniejszych niż 0,3–0,4 mm, które dla wielu operatorów bywają trudne do zauważenia. To właśnie w tej kategorii nasz system pokazał pełnię swoich możliwości – tłumaczy Michał Górny.

Co ciekawe, rozwiązanie zaczęło rozpoznawać także zmiany w strukturze powierzchni. – Co ciekawe, rozwiązanie zaczęło rozpoznawać także zmiany w strukturze powierzchni. System potrafił wskazać miejsca, gdzie jakość wykończenia odbiegała od standardowego. W takich sytuacjach, gdy nie ma jeszcze wytrenowanej kategorii błędu, informuje operatora: ‘Tutaj widzę coś innego, nie wiem, jak to nazwać – podpowiedz mi’. Operator decyduje, czy to defekt. Jeśli tak, system w kolejnym cyklu uczy się klasyfikować go już jako np. mikropęknięcie czy niestandardową strukturę powierzchni. To właśnie przewaga nad systemami konwencjonalnymi – one taki sygnał po prostu by pominęły.

Równie interesujące były testy rys. – Na początku nie mieliśmy odpowiednich próbek, by wyszkolić sieć neuronową w tym zakresie. Kiedy jednak udało nam się pozyskać od odbiorcy starsze partie materiału z takimi defektami, system w ciągu zaledwie 12 godzin został douczony do poziomu 85% skuteczności. A pracowaliśmy wtedy tylko na kilku częściach. To pokazuje, jak duże są możliwości szybkiego douczania sieci i adaptacji systemu do nowych wyzwań.

Od elektromobilności po galwanotechnikę. AGC-POLAND celuje w branże, gdzie nie ma miejsca na błędy

Technologia AGC-POLAND powstała z myślą o sektorach, które wymagają absolutnej precyzji – elektromobilności, elektronice czy clean roomach. W tych warunkach tradycyjne systemy wizyjne często zawodzą, podczas gdy rozwiązanie opracowane przez polski startup gwarantuje powtarzalność, obiektywność i zdolność do ciągłego doskonalenia.

– Punktem wyjścia była branża elektroniki przemysłowej dedykowanej elektromobilności, bo tam wymagania jakościowe są wyjątkowo wysokie – mówi CEO AGC-POLAND.

System sprawdza się także w kontroli zaworów czy elementów z mosiądzu, produkowanych masowo do instalacji użytkowych. – Duży potencjał widzimy w galwanotechnice, gdzie jakość i czystość powierzchni mają kluczowe znaczenie. Przy dużych powiększeniach nasz system radzi sobie znakomicie. W zasadzie jednak możemy weryfikować każdy detal i każdy typ defektu – pod warunkiem że zostanie on odpowiednio sklasyfikowany. Naszym celem jest, aby system potrafił wykrywać defekty niezależnie od tego, czego one dotyczą. Innymi słowy – nie będzie istotne, czy analizujemy element baterii, zawór, część przemysłową czy nawet zwykły długopis. System skupi się na samej anomalii i to ona będzie kluczowa dla procesu oceny jakości – dodaje Michał Górny.

Wsparcie finansowe i know-how z akceleratora. Technologia AGC-POLAND przeszła test na rynku włoskim

Projekt rozwijany przez AGC-POLAND został sfinansowany kwotą 400 tys. PLN w ramach programu Industry Lab – Akceleratora Innowacji Przemysłowych, realizowanego przez notowaną na giełdzie spółkę DGA S.A. i współfinansowanego ze środków Unii Europejskiej. Startup otrzymał nie tylko wsparcie finansowe, lecz także mentoring i dostęp do szerokiego ekosystemu partnerów.

– Wzięliśmy udział w trzeciej edycji programu Industry Lab, organizowanego i pilotowanego przez DGA. Była to dla nas duża szansa na rozwój. Od pewnego czasu zastanawialiśmy się nad komercjalizacją naszego rozwiązania, ale kwestie finansowania i ryzyka powstrzymywały nas przed podjęciem kolejnych kroków. Dzięki akceleracji mogliśmy zdobyć potrzebne środki, a także skorzystać z szerokiego wsparcia merytorycznego. Ogromną wartością była opieka specjalistów Akceleratora. Pomogli nam lepiej zorganizować współpracę z odbiorcami technologii, w tym przedsiębiorstwami zagranicznymi oraz zaplanować realizację kamieni milowych tak, aby zmieścić się w budżecie i zakończyć projekt sukcesem – opowiada Michał Górny.

- Środki przeznaczyliśmy przede wszystkim na rozwój i komercjalizację naszego rozwiązania od strony IT. Sam pomysł na silnik oparty o sieci neuronowe mieliśmy już wcześniej, natomiast w ramach programu skupiliśmy się na budowie front-endu – intuicyjnego oprogramowania dla użytkownika końcowego - dodaje. – Zdobyte finansowanie pozwoliło nam także stworzyć stacje testowe. Jedną z nich uruchomiliśmy w firmie PEL. Mogliśmy w ten sposób sprawdzić system w realnych warunkach produkcyjnych. Drugą wykorzystaliśmy wewnętrznie – do uczenia i dalszego testowania naszego rozwiązania. Dzięki współpracy z PEL mieliśmy okazję zweryfikować nasze założenia dotyczące oprogramowania i dostosować je do faktycznych potrzeb inżynierów jakości czy działów utrzymania ruchu. Duży nacisk położyliśmy na rozwój panelu użytkownika. Zależało nam, aby system nie działał tylko na zasadzie prostego komunikatu „dobry/zły element”, ale realnie wspierał operatorów i inżynierów w codziennej pracy. Panel umożliwia generowanie statystyk produkcyjnych, raportowanie błędów, czy prowadzenie troubleshootingu. To narzędzie stworzone po to, by rzeczywiście ułatwiało codzienną pracę, a nie tylko działało „w tle”. Kluczowym założeniem było też to, aby obsługa systemu nie wymagała skomplikowanego szkolenia. W wielu zakładach przemysłowych systemy wizyjne są na tyle złożone, że potrafi je konfigurować tylko jeden specjalista. My chcieliśmy stworzyć rozwiązanie intuicyjne – takie, z którego może korzystać każdy użytkownik. Panel nie tylko pozwala odczytywać dane i statystyki, ale także umożliwia operatorom oznaczanie błędów i przekazywanie informacji zwrotnej do systemu AI, co wspiera jego dalsze uczenie się.

System powstał w ścieżce Go Global z myślą o rynku włoskim i został zweryfikowany we współpracy z PEL Pintossi Emilio S.p.A. – renomowaną grupą przemysłową działającą od 1960 roku. PEL specjalizuje się w kuciu i precyzyjnej obróbce metali dla sektora automotive, gdzie liczy się niezawodność i powtarzalność. Dzięki temu partnerstwu technologia AGC-POLAND została sprawdzona w praktyce.

Ekspansja na rynki zagraniczne i nowe branże. AGC-POLAND celuje w Niemcy i galwanotechnikę

– Planujemy kontynuować współpracę z firmą PEL, która bardzo pozytywnie oceniła wyniki uzyskane podczas akceleracji. Chcemy zaproponować tam kolejne zastosowania systemu – mówi Michał Górny.

Kolejnym krokiem ma być ekspansja w automotive, szczególnie w Niemczech. – Zapotrzebowanie na systemy kontroli jakości, które uczą się i adaptują tak szybko, jak rosną wymagania rynku, jest wyjątkowo duże. Szczególnie interesuje nas rynek niemiecki, który – jak sprawdzaliśmy – należy do najszybciej rozwijających się w Europie. To naturalny kierunek naszej ekspansji.

AGC-POLAND patrzy też na galwanotechnikę i elektronikę użytkową. – W tych obszarach wymagania dotyczące jakości i czystości powierzchni są bardzo wysokie, a ich ocena jest trudna zarówno dla ludzi, jak i systemów konwencjonalnych. To kolejna gałąź przemysłu, w której nasze rozwiązanie może znaleźć praktyczne zastosowanie – kończy Michał Górny.

Obecnie rozważamy zastosowanie naszego systemu wizyjnego w kontekście oceny zanieczyszczeń organicznych na powierzchniach. Dostrzegamy jednocześnie jego szeroki potencjał w medycynie oraz wszędzie tam, gdzie kluczową rolę odgrywa interpretacja obrazu.