Syntax-Starterpaket mit ‚Lookout for Vision‘ von AWS
Machine Vision aus der Cloud beziehen
Dem Einsatz von industrieller Bildverarbeitung stehen oft Bedenken hoher Einstiegs- und Betriebskosten entgegen. Neue Technologien und Servicepakete können mittelständischen Unternehmen den Einstieg in Machine Vision vereinfachen.
Die Qualitätssicherung ist ein wesentlicher Bestandteil der Produktion. Es geht darum, eventuelle Schäden am Produkt vor der Auslieferung zu erkennen, um unnötige Kosten oder Reputationsverluste zu vermeinden. In einem typischen Machine Vision-Szenario machen Kameras entlang einer Linie Bilder des Produkts in verschiedenen Fertigungsphasen. Diese Aufnahmen werden anschließend vom einem KI-Algorithmus mit einem Idealbild verglichen und auf Anomalien untersucht. Dieser Abgleich funktioniert dabei idealerweise möglichst in Echtzeit. Pro Sekunde werden also teils mehrere Hundert Bilder erfasst, verglichen und bewertet. Je mehr Bilddaten vorliegen, desto besser wird das statistische Modell trainiert. In der Folge sinkt der Produktionsausschuss und Abläufe sowie Ergebnisse werden transparenter. Damit ein solches System funktioniert, müssen drei Komponenten ineinandergreifen: vernetzte Maschinen, Machine-Vision-Hardware und die Auswertung der Bilddaten, traditionell auf Hardware ‚on Edge‘ oder auch in der Cloud.
Die Grundlage schaffen
Grundvoraussetzung für den Einsatz von Machine Vision ist die Einbindung der Ergebnisse in bestehende Produktionsprozesse. Dazu müssen die beteiligten Maschinen miteinander kommunizieren. Nur wer relevante Daten über die gesamte Fertigungskette hinweg auf dem Shopfloor digital erfasst – etwa über Sensoren, per MES oder via IIoT-Netzwerk – kann die Abläufe entsprechend abbilden und nachvollziehen. Während neuere Anlagen die dafür benötigten Komponenten mitbringen, müssen ältere Modelle oft mit Sensoren und Co. nachgerüstet werden. IT-Dienstleister wie Syntax halten dafür Einstiegsangebote mit befristeter Laufzeit und inklusive der benötigten Hardware bereit. Die neunte Ausgabe von Rockwell Automations „State of Smart Manufacturing“ Report liefert Einblicke in Trends und Herausforderungen für Hersteller. Dazu wurden über 1.500 Fertigungsunternehmen befragt, knapp 100 der befragten Unternehmen kommen aus Deutschland. ‣ weiterlesen
KI in Fertigungsbranche vorn
Machine Vision testen
Ähnliche Probe-Angebote gibt es auch für Machine-Vision-Systeme als Teil des IIoT-Netzwerks.So lässt sich mit bestimmten Paketen schnell ein erster Proof of Concept erstellen. Solche Sets enthalten sowohl Hardwarekomponenten wie Kamera, Processing Board, Kabel, Halterung und Licht als auch Softwarekomponenten. Diese Testballons sollen vor allem Vorbehalte gegenüber vermeintlich hochkomplexen Entwicklungs- und Planungsprozessen abbauen. Unternehmen können ohne größeres finanzielles Risiko feststellen, wie wirtschaftlich die Einführung eines größer skalierten Projektes gleicher Art ist.
Anbindung an die Cloud
Die Einführung der Syntax-Starterpakete für Machine Vision benötigt eine Cloud-Anbindung. In vorgefertigten Lösungen von Hyperscalern wie etwa ‚Lookout for Vision‘ von AWS gibt es statistische Standardmodelle, deren Algorithmen sich auf Basis von KI für die unternehmensspezifischen Anforderungen trainieren lassen. Die Vorhersagegenauigkeit der Modelle hängt letztlich von Qualität und Quantität der bereitgestellten Daten ab. Je zahlreicher und hochwertiger die analysierten Bilder sind, desto besser erkennt und meldet das System Fehler. Die Anbindung an die Cloud ermöglicht den Anwendern, die Rechenleistung für die KI-Anwendung bedarfsorientiert abzurufen. Historische Daten wie nicht mehr aktuell benötigte Trainingsdaten lassen sich über die Archivierungsangebote der Cloud-Provider in Speichern mit weniger Verfügbarkeit lagern. Der Thin[gk]athon, veranstaltet vom Smart Systems Hub, vereint kollaborative Intelligenz und Industrie-Expertise, um in einem dreitägigen Hackathon innovative Lösungsansätze für komplexe Fragestellungen zu generieren. ‣ weiterlesen
Innovationstreiber Thin[gk]athon: Kollaborative Intelligenz trifft auf Industrie-Expertise
Nicht ohne Domänenwissen
Neben technischen Aspekten kommt es auch auf den Input der Belegschaft an. Die Erfahrung des Personals muss beim Justieren des Auswertungsalgorithmus mit einfließen – sowohl am Anfang, vor allem aber bei der Fehlerkontrolle. Erst im Zusammenspiel von Mensch und Technik liefert die industrielle Bildverarbeitung die gewünschten Ergebnisse.
Erkenntnisse bewerten
Wer industrielle Bildverarbeitung in Verbindung mit Cloud-basierter Datenanalyse in bestehende Produktionsprozesse einbindet, kann die Produktqualität steigern und den Ausschuss reduzieren. Weitere Effekte ergeben sich, wenn die im Shopfloor gewonnenen Erkenntnisse im Gesamtkontext betrachtet werden. Voraussetzung dafür eine vernetzte Fabrik, in der IT-Systeme verzahnt sind und miteinander kommunizieren können. Dann lässt sich die gesamte Supply Chain vom Einkauf über die Fertigung bis hin zu Versand und Afterservices digital abbilden und steuern.