Anzeige
Anzeige

Bauteilerkennung nach dem SLS-Druck

Mit Deep Learning fehlerfrei und schnell sortieren

Beitrag drucken
Da die Kapazitäten der additiven Fertigung stetig erweitert werden, steigt auch der Bedarf an Automatisierungslösungen. (Bild: Protiq GmbH)

Da die Kapazitäten der additiven Fertigung stetig erweitert werden, steigt auch der Bedarf an Automatisierungslösungen. (Bild: Protiq GmbH)

Feature Engineering

Damit Systeme des maschinellen Sehens Objekte unterscheiden können, benötigen sie Informationen, woran sich die Gegenstände erkennen lassen und wodurch sich diese voneinander differenzieren. Die Objekteigenschaften werden als Features bezeichnet. Im Bereich der Serienproduktion handelt es sich bei den zu greifenden Gegenständen immer um dieselben Serienteile. Das bietet den Vorteil, dass die Features zum Unterscheiden der Objekte beim Einrichten einer neuen Fertigungsstraße manuell anhand der Objekte generiert werden können. Das manuelle Feature Engineering ist zwar relativ aufwendig und kann Wochen in Anspruch nehmen, muss allerdings nur einmal pro Produktionsstraße durchgeführt werden. Außerdem lässt sich das Machine-Vision-System hervorragend an die zu sortierenden Gegenstände anpassen.

Deep Features

Mit Selective Laser Sintering wird meist noch nicht in Serie gefertigt. Bei Dienstleistern wie Protiq werden jeden Tag hunderte verschiedene Bauteile hergestellt. Die beschriebene Methode zum Einrichten einer Sortierungsanlage ist da nicht praktikabel. Um die gefertigten Bauteile trotzdem automatisch zu sortieren, kann man aber Machine Learning (ML) nutzen. In der Bildverarbeitung ist der Einsatz maschineller Lernverfahren weit verbreitet. Mit dem sogenannten Deep Learning (DL) empfiehlt sich ein Forschungsgebiet aus dem ML-Bereich für das beschriebene Sortieranlagen-Szenario. Sein Name ergibt sich aus der Verwendung tiefer Lernsysteme, wie beispielsweise Deep Neural Networks (DNN). Entsprechende Systeme können zahlreiche nichtlineare Probleme anhand von bestehenden Trainingsdaten selbständig erlernen. In diesem Fall könnten sie das manuelle Feature Engineering ersetzen. Auf der Grundlage der Trainingsdaten eignet sich das System stattdessen selbständig sogenannte Deep Features an. Diese werden für die Sortierung so verinnerlicht, dass sich die einzelnen Objekte durch die Features differenzieren lassen.

Paralleles Lernen

Der Dienstleister hat mit Deep Learning ein System entworfen, das die Unterscheidung der Bauteile täglich parallel zur realen Fertigung erlernen kann. Die hergestellten Bauteile werden dazu auf einer an der Sortierstation befindlichen Scanfläche durch industrielle Kameratechnik erfasst. Das trainierte System entscheidet dann auf der Grundlage des Bildes des Gegenstands, um welches Bauteil es sich handelt. Anschließend können für jeden Auftrag die zugehörigen Bauteile auf der Scanfläche visuell markiert werden. Das Verfahren unterstützt somit bei der Sortierung und reduziert ferner den manuellen Aufwand sowie das Fehlerpotenzial. Dieses Beispiel zeigt, dass sich schon heute maschinelles Lernen und künstliche Intelligenz in vielen industriellen Prozessen nutzen lässt. Darüber hinaus liefert die Forschung ständig neue Erkenntnisse, die zur weiteren Optimierung der Systeme beitragen. In Zukunft werden die Anwendungsmöglichkeiten deshalb stetig steigen, sodass ML-Verfahren einen immer größeren Beitrag zur Automatisierung und Verbesserung industrieller Prozesse leisten können.


Das könnte Sie auch interessieren:

Welchen Einfluss haben meine Rüstzeiten, wieviel Ausschuss wird produziert und wie ist die Anlagenverfügbarkeit in der Produktion? Solche Kennzahlen helfen Unternehmen, den Überblick zu behalten und sorgen für Transparenz in der Produktion. Doch welche Kennzahlen gibt es und was zeichnet sie aus?‣ weiterlesen

Die Maschinenanbindung an ein Manufacturing Execution System (MES) sollte in Zeiten der Digitalisierung einfach fallen. Meist brauchen Fertiger heute aber mehr als einen IoT-Datensammler. Denn nur mit den richtigen Protokollen weiß das MES, was erfasste Daten bedeuten und kann diese in den Dienst höherer Transparenz und Effizienz stellen.‣ weiterlesen

Im Oktober vergangenen Jahres wurde das Projekt GAIA-X vorgestellt. Nun haben die Wirtschaftsminister aus Deutschland und Frankreich die nächsten Schritte präsentiert.‣ weiterlesen

Nach seinem Tiefststand im Vormonat, ist das IAB-Arbeitsmarktbarometer im Mai wieder leicht gestiegen.‣ weiterlesen

Die Feinplanungsspezialistin Dualis GmbH IT Solution will mit einer neuen Vertriebspartnerschaft ihre Position im SAP-Umfeld stärken. Cpro IoT Connect vertreibt und implementiert künftig die APS-Lösung Ganttplan als Platinum-Partner.‣ weiterlesen

Reisekostenmanagement mit SAP-Software ist weiterhin On-Premise möglich. Nach dem Druck der SAP-Anwendervereinigung DSAG hat SAP angekündigt, die Lösung Travel Management auf die Hana-Plattform zu migrieren. Damit können Firmen den Wechsel zum SaaS-System Concur noch einige Jahre hinauszögern. Funktionale Erweiterungen für Travel Management soll jedoch nicht geben.‣ weiterlesen

Der Werkzeughersteller Mapal überführt digitale und analoge Innovationen oft sehr früh in marktreife Produkte. Das neue Glockenwerkzeug ließe sich zum Beispiel ohne additive Fertigung gar nicht herstellen. Wie Entwicklungsarbeit mit stehts aktuellster Technik funktioniert, hat uns Dr. Dirk Sellmer erzählt, Vice President Research & Development bei Mapal. Wobei er sich für unsere Fragen zur IT-Ausgründung C-Com Giari Fiorucci dazugeholt hat.‣ weiterlesen

Die Deutsche Messe AG hat ihre Planziele im Jahr 2019 übertroffen. Aktuell wirkt sich jedoch die Corona-Krise auf das Messegeschehen aus. Diesbezüglich erarbeitet die Deustch Messe derzeit ein Sicherheits- und Hygienekonzept für zukünftige Veranstaltungen.‣ weiterlesen

Andreas Riepen übernimmt die Position des Regional Vice President Sales für die DACH-Region beim IT-Unternehmen Riverbed.‣ weiterlesen

Manufacturing Execution Systems (MES) sollen meist Shop und Top Floor miteinander verbinden und sie beeinflussen Fertigungsprozesse direkt. Implementierungen sind daher oft riskant, unternehmenskritisch und kostspielig. Cloud-Lösungen für die Werkhalle können viele dieser Effekte abfedern.‣ weiterlesen

Anzeige
Anzeige
Anzeige