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

Kognitive Qualitätskontrolle

Die Möglichkeiten künstliche Intelligenz zur Prozessoptimierung einzusetzen, sind mittlerweile auch in der Qualitätskontrolle angekommen. Mit der IBM Cognitive-Visual-Inspection-Lösung (CVI) können automatisiert selbst kleinste Kratzer und nadelstichgroße Beschädigungen an Werkstücken 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 wenig 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.

Kognitive Qualitätskontrolle
Bild: IBM Deutschland GmbH


Das könnte Sie auch interessieren

Megatrend Embedded Vision

Mit der ersten Embedded Vision Europe (EVE) Konferenz wird Stuttgart vom 12. bis 13. Oktober zur Embedded Vision Hauptstadt Europas. Hauptredner und Aussteller für die Premierenveranstaltung im ICS Stuttgart stehen bereits fest.

www.embedded-Vision-emva.org

Cognex veröffentlicht Quartalszahlen

Die Cognex Corporation hat die Zahlen für das zweite Viertel 2017 veröffentlicht. Die Umsätze des Unternehmens sind im Vergleich zum zweiten Viertel des vergangenen Jahres um 17% gestiegen, im Vergleich zum ersten Quartal 2017 um 28% und liegen derzeit bei rund 173Mio.$. Dies stellt den bisher höchsten Quartalsumsatz in der 36-jährigen Geschichte des Unternehmens dar.

cgnx.client.shareholder.com

Halbjahresbericht von Datalogic veröffentlicht

Die Datalogic-Gruppe mit Hauptsitz in Bologna, Italien, hat ihren offiziellen Halbjahresbericht für das Jahr 2017 veröffentlicht. Die Umsätze des auf automatische Datenerfassung und Prozessautomatisierung spezialisierten Unternehmens belaufen sich dieses Halbjahr auf 299,3Mio.€, was einem Plus von 6,2% im Vergleich zum ersten Halbjahr 2016 (281,8Mio.€) entspricht.

www.datalogic.com

Anzeige
Robotik-China-Prognose 2020

Von 2018 bis 2020 ist beim Absatz von Industrie-Robotern in China mit einer Steigerung von 15 bis 20% zu rechnen. Das sind die ersten Ergebnisse des World Robotics Report 2017, der am 27. September von der International Federation of Robotics (IFR) veröffentlicht werden wird. Aktuell hat das jährliche Umsatzvolumen in China den höchsten Stand erreicht, der jemals für ein Land verzeichnet wurde.

ifr.org

Anzeige
Umsatz- und Ertragswachstum bei Jenoptik

Der Konzern Jenoptik verzeichnete im ersten Halbjahr 2017 erneut Steigerungen bei den Auftragskenngrößen sowie bei Umsatz und Ertrag. Der Konzernumsatz legte um 6,6% auf 348,4Mio.€ zu, angekurbelt insbesondere durch Wachstum in Amerika und dem nicht-europäischen Ausland. Eine gute Auftragslage lässt laut Vorstand des Unternehmens positive Prognosen auch für ein starkes zweites Halbjahr zu.

www.jenoptik.de

Anzeige
Planflächenprüfung im Linientakt

Speziell für die Anwendung in der Automobilindustrie wurden die Planflächenprüfsysteme Gageline IPS F100 3D und IPS F200 3D entwickelt, die dank Kamera- und Beleuchtungstechnik, einer adaptiven, dynamischen Maskierung und hoher Auflösung eine 100%-Prüfung von Planflächen in Linientaktzeit sicher durchführen. Mit der Multi-Bilderfassung können nicht nur wahre Defekte und Trockenränder des vorgelagerten Waschprozesses unterschieden werden, sondern es werden auch Angaben zu Höhendaten ermittelt. Der Prüfbereich ist sowohl in Breite und Länge nahezu unbegrenzt

www.jenoptik.de

Anzeige