Kognitive Qualitätskontrolle

Kognitive Qualitätskontrolle

Bildverarbeitung aus der Cloud als Software-as-a-Service

Die Möglichkeiten künstliche Intelligenz zur Prozessoptimierung einzusetzen, sind mittlerweile auch in der Qualitätskontrolle angekommen. Mit der Cognitive-Visual-Inspection-Lösung (CVI) von IBM können selbst kleinste Kratzer und nadelstichgroße Beschädigungen an Werkstücken automatisiert gefunden und bis zu 80 Prozent Zeit bei Qualitätsprüfungen eingespart werden.

IBM bietet die auf der k?nstlichen Intelligenz Watson basierende CVI-L?sung als SaaS-L?sung (Software-as-a-Service) an. (Bild: IBM Deutschland GmbH)

IBM bietet die auf der künstlichen Intelligenz Watson basierende CVI-Lösung als SaaS-Lösung (Software-as-a-Service) an. (Bild: IBM Deutschland GmbH)

Manuelle Inspektionen in der Produktion sind eine mühselige und oft ermüdende Arbeit, die überwiegend von der Erfahrung und der Konzentration der Mitarbeiter abhängt. Abhilfe können hier Ultra-HD-Kameras schaffen, die Bilder des Produkts erstellen und in einem Datenpool als unstrukturierte Daten sammeln. Allerdings kann nur in Kombination mit einem kognitiven System ein echter Mehrwert aus diesen Daten generiert werden: Klassische Systeme können mit solchen Daten wenige anfangen, da sie ausschließlich strukturierte Daten lesen. Kognitive Systeme hingegen können unstrukturierte Daten wie handgeschriebene Zettel, Geräusche oder auch Bilder auswerten. Knapp 80 Prozent aller weltweiten Daten fallen in diese Kategorie. Bisher wurde die Automatisierung von Inspektionen durch die hohe Anzahl und Diversität der Produkte erschwert. Auch die Tatsache, dass Defekte unterschiedliche Größen haben, ist eine Herausforderung für den Automatisierungsprozess. Die CVI-Lösung bietet hier neue Möglichkeiten. Allerdings muss die kognitive Intelligenz Watson, die in CVI steckt, im Vorfeld trainiert werden. Zunächst werden eine Vielzahl an Produktbildern gesammelt, die dann von einem menschlichen Mitarbeiter als IO /NIO klassifiziert werden und an das System weitergegeben werden. Ein Data Scientist erstellt daraus ein Modell. Darauf aufbauend lernt Watson im weiteren Verlauf autonom dazu. Dafür nutzt das System eine Kombination aus Machine Learning und Deep Learning. Beim Machine Learning werden die Algorithmen mit einer großen Menge an Daten versorgt und lernen im Training, wie sie diese Daten zu interpretieren haben, um eine bestimmte Aufgabe zu lösen oder Antworten zu finden. Doch erst durch Deep Learning wird es dank der Nutzung neuronaler Netzwerke möglich, die bereits erwähnten unstrukturierten Daten auszuwerten. Damit diese ihren Weg in das System finden und ausgewertet werden können, sind allerdings entsprechende Schnittstellen-Technologien (APIs) notwendig. Watson verfügt derzeit bereits über 50 solcher APIs, u.a. zur Sprach-, Text- und Bilderkennung. Umfangreiche Tests ergaben, dass bei einem acht Tage dauernden Produktionszyklus bis zu 80 Prozent der ursprünglich für die Prüfung veranschlagten Zeit eingespart werden konnte.

Software-as-a-Service

„Mit der Watson-Lösung Cognitive Visual Inspection werden Effizienz, Flexibilität und Qualität in der Produktion zum Kinderspiel“, so Harriet Green, General Managerin, IBM Watson IoT, Cognitive Engagement and Education. Das Erarbeiten des Modells ist allerdings recht rechenintensiv, weshalb der Vorgang in die Cloud verlagert wird. Hier stellt IBM genügend Rechenleistung zu Verfügung. Wenn ausreichend Lerndaten vorhanden sind, wird das erarbeitete Modell an einen Client-Rechner übertragen, der an der Maschine angebracht ist, um die Kamerabilder direkt vor Ort auszuwerten (Edge-Computing). Im laufenden Betrieb entscheidet das Modell selbstständig, ob ein Produkt als gut oder schlecht bewertet wird. Werkstücke, die das System mit einer hohen Wahrscheinlichkeit als NIO klassifiziert, werden nochmals von einem Menschen geprüft. Dieser kann dann eine Rückmeldung an das System geben. Wenn sich die Lösung nicht sicher ist, prüft ein Qualitätsmanager, ob ein Fehler vorhanden ist. So kommen ständig neue Fehlerbilder hinzu, das System wird also laufend erweitert. IBM bietet CVI als SaaS-Lösung (Software-as-a-Service) an. Der Anwender muss sich weder um die Installation noch um die Wartung kümmern, muss allerdings neben einem Qualitätsexperten auch einen Data Scientist bereitstellen. Dieser muss wissen, wie man Daten aufbereitet, Grund-Know-how über Bildverarbeitung haben und in der Lage sein, mit Computermodellen umzugehen.

Themen:

| Fachartikel

Ausgabe:

inVISION 4 2017
IBM Deutschland GmbH

Das könnte Sie auch Interessieren