Ein Bildverarbeitungs-System, kurz BV-System, kann viele Anwendungen bewältigen. Es erkennt Fehler an Produkten, überprüft die Endmontage, zählt Teile und erfasst Maße. Im Gegensatz zur manuellen Prüfung arbeitet die BV rund um die Uhr mit konstanter Leistung und bietet eine höhere Präzision und Geschwindigkeit.
Auf der Grundlage neuronaler Netze bringt Deep Learning den Robotern und Maschinen bei, was für Menschen selbstverständlich ist, nämlich aus Beispielen zu lernen. In Fertigungsprozessen ist diese Technik auch relevant für Qualitätsprüfungen und andere urteilsbasierte Aufgaben. Deep Learning eignet sich besonders für komplexe An-wendungen wie das Erkennen von unvorhersehbaren, kosmetischen Abweichungen. Das können zum Beispiel Kratzer und Dellen auf Teilen sein, die gedreht, gebürstet oder glänzend sind. Mit Deep Learning kann das BV-System Anomalien erkennen und gleichzeitig natürliche Abweichungen tolerieren. Lösungen, die diese Technik nutzen, verbessern ihre Leistung kontinuierlich, denn sie lernen dazu mit Hilfe neuer Texte und Bilder.
In manchen Fällen, etwa bei der qualitativen Interpretation einer komplexen Szene, ist die menschliche Sicht immer noch die beste Wahl, aber Deep Learning kann die Herausforderungen einer urteilsbasierten Inspektion effektiver bewältigen als ein menschlicher Prüfer oder die traditionelle industrielle BV. Für das Unternehmen Schneider Electric beispielsweise hat sich die Investition in diese Technik gelohnt. Durch die Einführung eines BV-Systems, mit dem die komplexe Prüfung von Lötpunkten automatisiert werden konnte, spart das Werk in Plovdiv, Bulgarien, jedes Jahr 40.000 Euro. Gleichzeitig wird der Ausschuss reduziert und die Produktivität der Fertigungslinie verbessert.
Während die Umsetzung von Deep-Learning-basierten BV-Projekten viel Planung, Wissen und spezielle Ressourcen erfordert, ist die KI-basierte Bildanalyse durch eine neue Technik namens Edge Learning nun auch kleineren Unternehmen zugänglich. Edge Learning ist ein Unterbereich von Deep Learning. Mit der Technik lassen sich Daten direkt auf dem Gerät verarbeiten. Diese Vorgehensweise hat viele Vorteile. Zunächst ist sie einfach in der Anwendung. Für die Einrichtung und Nutzung einer auf Edge Learning basierenden BV-Lösung sind keine speziellen Kenntnisse erforderlich. Da die Algorithmen vortrainiert sind, braucht Edge Learning weniger Zeit und nur fünf bis zehn Bilder, um zu lernen, wie man gute von schlechten Teilen unterscheidet. Das macht die Technik zu einer geeigneten Lösung für Experten und Anfänger gleichermaßen, um eine breite Palette von Anwendungen in Produktionsstätten über viele Branchen hinweg zu relativ geringen Kosten zu automatisieren.
Das Unternehmen Federal Package, das Kosmetika und pharmazeutische Produkte verpackt, hat in seinem Werk BV-Systeme mit Edge-Learning eingeführt. Tropfen, die nach dem Abfüllen aus den Flaschen kommen, wurden zuvor manuell erkannt. Die Qualitätskontrolle konnte mit Edge-Learning-Unterstützung auf eine Genauigkeit von 99 % verbessert werden. Federal Package ist mit der Leistung der KI-gestützten BV zufrieden und plant derzeit, auch die auf den Etiketten aufgedruckten Chargencodes mit dieser Technik zu überprüfen. So soll die Bestandsverwaltung und Chargenkontrolle in der kompletten Lieferkette erleichtert werden. Das von der visuellen Kontrolle befreite Prüfpersonal kann dafür höherwertige Aufgaben übernehmen.
Die Rückverfolgbarkeit, die vor allem in der Lebensmittel- und Pharmaindustrie gefordert wird, gewinnt auch in anderen Sektoren an Bedeutung. Mit ihr kann ein Teil, ein Produkt oder eine Verpackung während des gesamten Lebenszyklus verfolgt werden und ist somit eines der wichtigsten Themen in der gesamten Lieferkette. Um die in einem Barcode enthaltenen Informationen zu erfassen, stehen laser- und kamerabasierte Barcode-Scanner zur Verfügung. Im Gegensatz zu laserbasierten Modellen kombinieren kamerabasierte Scanner Visualisierungs- und Bildanalysefunktionen in Echtzeit für jeden Barcode. Sie arbeiten mit modernen Dekodier-Algorithmen und Beleuchtungsoptionen und können deshalb auch problematische Codes auf glänzenden oder reflektierenden Oberflächen lesen.
Durch die Kombination dieser Techniken mit Edge-Computing-Plattformen können Unternehmen ihre Rückverfolgbarkeitsprozesse auf die nächste Stufe heben, indem sie zentralisierte, Cloud-basierte Analysen direkt neben den Produktionslinien und Logistikprozessen nutzen. Die von den Barcode-Scannern gesammelten Daten helfen dabei, mögliche Probleme wie zum Beispiel fehlgelesene Barcodes zu erkennen. So lassen sich Lösungsmaßnahmen schneller einleiten.
Um auch unter schwierigen Marktbedingungen mit Wettbewerbsdruck und Personalmangel bestehen zu können, ist die automatische Inspektionen und Rückverfolgbarkeit ein entscheidender Faktor. Eine Schlüsseltechnologie für Unternehmen jeder Art und Größe ist dabei die industrielle BV, deren Anwendungsgebiete sich mit KI-basierten Tools deutlich erweitert haben. Damit lassen sich Fertigungs- und Logistikprozesse effizienter gestalten und die Qualität verbessern. Zudem können Fehler in der Produktion früh erkannt und so die Verschwendung von Ressourcen und Energie reduziert werden. (us)
Kontakt:
Cognex Deutschland Inc.
Emmy-Noether-Straße 11
76131 Karlsruhe
Tel. +49–721–958–8052
www.cognex.com
Hier finden Sie mehr über:
