Brangstanti žaliava, energijos ištekliai, augantys darbuotojų atlyginimai bei didėjanti konkurencija turi įtakos masinės produkcijos fabrikų robotizacijos ir gamybos procesų efektyvinimo intensyvumui. Ne išimtis ir baldų pramonė. Šioje srityje gaminamos produkcijos kokybė priklauso nuo kokybiškų žaliavų pasirinkimo, gamybos proceso kontrolės, efektyvių kokybės patikros sistemų ir kt. Baldų pramonėje pasiekiamas itin aukštas našumas (tūkstančiai pagamintų detalių per valandą), dėl ko sudėtinga užtikrinti kokybę pasitelkiant žmogiškuosius išteklius. Platus ir dažnai besikeičiantis gaminių asortimentas tik dar labiau apsunkina kokybės kontrolės uždavinius. Tam reikalingi universalūs, lengvai adaptuojami sprendimai įvairių dydžių, formų ir spalvų baldų detalių kokybės kontrolei. Tokios sistemos turi gebėti sparčiai analizuoti tiek paviršiaus defektus, tiek gaminio gabaritus, gręžimus ir kitą papildomą informaciją (pvz. žymėjimo lipdukai, pakuočių kokybė ir kt.). Stambieji gamintojai nuolat susiduria su baldų detalių kokybės problemomis. Kaip pavyzdys gali būti pateikiama gaminių grąžinimo statistika, kai iš 1 milijono parduotų gaminių, maždaug 1170 yra grąžinami dėl kokybinių reikalavimų neatitikimo. Automobilių pramonėje šis rodiklis yra 15 vnt./mln. gaminių, farmacijos pramonėje – 3 vnt./mln. gaminių. Net 18 % iš baldų pramonėje gaunamų nusiskundimų yra dėl gręžtinių skylių nebuvimo ar neteisingos jų pozicijos. Projektu siekiama prisidėti prie naujo aukštos pridėtinės vertės produkto sukūrimo, kuris leistų optimizuoti pramoninę baldų gamybą, padedant užtikrinti gaminamos produkcijos kokybę. Tokia sistema leidžia nustatyti ir ištaisyti galimus trūkumus gaminiuose, kad galutinė produkcija atitiktų aukščiausius reikalavimus. Ankstyvoje stadijoje identifikuojant gaminių trūkumus, galima ženkliai sumažinti produkcijos išmetimo apimtis ir jos remonto išlaidas. Taip prisidedant prie gamtos tausojimo. Naudojami vaizdo jutikliai nuolat stebintys baldų gamybos procesą gali aptikti įvairius defektus, netgi prieš tai, kai šie tampa akivaizdūs žmogui. Analizuojant realaus laiko duomenis galima ankstyvoje stadijoje identifikuoti nuokrypius nuo nustatytų kokybės standartų. Automatizuotai sistemai aptikus defektą, šis gali būti pažymėtas ant gaminio, kurį reikėtų peržiūrėti ar ištaisyti, jei tai įmanoma. Tai padėtų sumažinti klaidų atsiradimo riziką žmogaus veiksmų metu. Aptikus rimtesnius defektus, sistema gali stabdyti visą gamybos procesą, kad būtų išvengta nekokybiškos produkcijos gamybos. Kokybės kontrolės sistemai kaupiant duomenis ir juos analizuojant, ši informacija naudojama gamybos proceso veikimo analizei, identifikuojant ilgalaikius tendencijų pokyčius, kurie sudaro sąlygas aptikti kylančių problemų priežastis. Tai padeda standartizuoti ir dokumentuoti procesus. Naudojant surinktą informaciją gali būti tobulinamas gamybos proceso efektyvumas. Pramoninėje gamyboje naudojamas dirbtinis intelektas leidžia greičiau adaptuoti sistemas kritinių kokybės patikros uždavinių sprendimui. Naudojant mašininį mokymą baldų pramonės kokybės kontrolės sistemoje, galima žymiai padidinti gamybos efektyvumą ir sumažinti defektų kiekį. Kartu tai suteikia galimybę sparčiai reaguoti į gamybos procese atsirandančius pokyčius arba naujus defektų tipus, kas yra labai svarbu siekiant išlaikyti aukštos kokybės gamybą masinėje baldų pramonėje. Tačiau pradžioje reikia sukaupti pakankamai duomenų apie gaminius su defektais ir be jų. Tuomet apdorojami surinkti duomenys, kas apima duomenų normalizavimą, bruožų išskyrimą ir reikalingų požymių pasirinkimą. Šie duomenys naudojami pasirinkto mašininio modelio (pvz. gilusis mokymas (angl. deep learning), konvoliuciniai neuroniniai tinklai ar kita technologija) apmokymui, kuris turi išmokti atpažinti defektus ir jų tipus. Gamybos procese sistema gali nuolat stebėti gaminamą produkciją ir naudoti apmokytą modelį galimų defektų identifikavimui. Aptikus potencialų defektą jis gali būti automatiškai pažymėtas arba ši informacija gali būti perduota atsakingam personalui, kuris imtųsi atitinkamų veiksmų. Dirbant sistemai, mašininis modelis gali būti nuolat atnaujinamas ir tobulinamas su naujais duomenimis, kartu koreguojant mokymosi algoritmus. Atitinkamai tai leidžia pagerinti sistemos tikslumą ir pritaikymą naujiems gaminiams ar besikeičiančioms gamybos sąlygoms. Kitas svarbus kokybės kontrolės aspektas baldų pramonėje yra trimatės (3D) kokybės kontrolės taikymas. Priklausomai nuo gaminamos produkcijos paviršiaus tekstūrų gamos priklauso taikomos analizės metodai. Natūralus medis ar jo imitacija yra pakankamai problematiškas paviršius analizuojant dvimačių vaizdų informaciją. Mechaniniai baldų detalių pažeidimai akivaizdžiai matomi analizuojant 3D duomenis. Analizuojant kiekvieną baldų detalių paviršių gali būti identifikuojami: a) Įtrūkimai; b) Įspaudai; c) Gumbuoti (dėl klijų pertekliaus) kraštai; d) Laminato įtrūkimai; e) Laminato nutrupėjimai. Tokių defektų patikrai nereikia papildomai rinkti didelio kiekio pavyzdžių, nes 3D patikra nėra jautri analizuojamų paviršių tekstūrai. Kita detali analizė atliekama vertinant detalių paviršiuje esančių gręžtinių skylių poziciją ir diametrą. 3D taikymas eliminuoja atspalvių pokyčio įtaką kiaurymių ir griovelių patikrai. Ši technologija taip pat gali būti taikoma tikslių gaminio matmenų radimui. Mašininio mokymo ir 3D technologijos sinergija gali būti itin naudinga baldų pramonės kokybės kontrolės srityje. Šių technologijų taikymas sumažintų gamybos defektų atsiradimo riziką. 3D technologijai vertinant geometrinius gaminių parametrus, o mašininio mokymo algoritmams analizuojant paviršių tekstūras, efektyviai sumažinamas gaminių su trūkumais patekimas pas klientus. Tokia kokybės kontrolės sistema taupo gamybos sąnaudas, žmogiškąjį darbą ir gerina klientų pasitenkinimą. Visa tai apjungus gamintojai gali sėkmingai konkuruoti tarptautinėje rinkoje, užtikrinant produkcijos kokybės atitikimą tarptautiniams standartams. Projekto metu bus užtikrintas horizontaliųjų principų laikymasis ir atsižvelgiama į Jungtinių Tautų neįgaliųjų teisių konvencijos nuostatas.