Mehr Produktivität und höhere Qualität – wie KI-basierte Bildverarbeitung in Verbindung mit Edge-Computing Unternehmen dabei helfen kann, ihre Fertigungsprozesse zu automatisieren und die Rückverfolgbarkeit zu verbessern.

Mit Hilfe neuronaler Netze bringt Deep Learning Robotern und Maschinen bei, das zu tun, was für den Menschen selbstverständlich ist: aus Beispielen zu lernen. Die Anwendungsfälle für künstliche Intelligenz werden immer vielfältiger, wie die Sprach-, Text- und Gesichtserkennung auf Basis von Deep-Learning-Technologien zeigt.
 

In Fertigungsprozessen erweist sich diese Technologie als relevant für Qualitätsprüfungen und andere urteilsbasierte Aufgaben. Deep Learning eignet sich besonders für komplexe Anwendungen, wie die Inspektion auf unvorhersehbare kosmetische Abweichungen, die Erkennung von Defekten wie Kratzern und Dellen auf Teilen, die gedreht, gebürstet oder glänzend sind. Deep Learning in der Bildverarbeitung ermöglicht es also, Anomalien zu erkennen und gleichzeitig natürliche Abweichungen zu tolerieren. Lösungen, die diese Technologie nutzen, können ihre Leistung kontinuierlich verbessern, wenn sie mit Hilfe neuer Texte und Bilder stetig dazulernen. Zudem kann Deep Learning die Herausforderungen einer urteilsbasierten Inspektion effektiver bewältigen als ein menschlicher Prüfer oder die traditionelle industrielle Bildverarbeitung. 

Edge Learning: KI für den Einsatz in kleineren Unternehmen

Während die erfolgreiche Umsetzung von Deep-Learning-basierten Bildverarbeitungsprojekten Planung, Wissen und spezielle Ressourcen erfordert, ist die KI-basierte Bildanalyse durch die neuere Entwicklung einer Technologie namens Edge Learning nun auch kleineren Unternehmen zugänglich. Edge Learning ist ein Unterbereich von Deep Learning, also der künstlichen Intelligenz, der es ermöglicht, Informationen direkt auf dem Gerät zu verarbeiten. Diese Technologie hat viele Vorteile: Zunächst einmal ist sie einfach in der Anwendung. Für die Einrichtung und Nutzung einer auf Edge Learning basierenden Bildverarbeitungslösung sind keine speziellen Kenntnisse über industrielle Bildverarbeitung oder künstliche Intelligenz erforderlich. Da die Algorithmen vortrainiert sind, benötigt Edge Learning weniger Zeit und nur fünf bis zehn Bilder, um zu lernen, inakzeptable von akzeptablen Teilen zu unterscheiden. Das macht diese Technologie 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.

Qualitätskontrolle mit 99-prozentiger Genauigkeit

Das Unternehmen Federal Package, das Kosmetika und pharmazeutische Produkte verpackt, hat in seinem Werk Bildverarbeitungssysteme mit Edge-Learning-Technologie eingeführt. Die zuvor manuelle Erkennung von Tropfen, die nach dem Abfüllen aus den Flaschen kommen, hat die Qualitätskontrolle mit Edge-Learning-Unterstützung auf eine Genauigkeit von 99 Prozent verbessert.

Federal Package ist mit der Leistung der KI-gestützten Bildverarbeitung so zufrieden, dass aktuell die Überprüfung der auf den Produktetiketten aufgedruckten Informationen (Chargencodes, Daten usw.) geplant ist, um die Bestandsverwaltung und Chargenkontrolle in der gesamten Lieferkette zu erleichtern. Das von der visuellen Kontrolle befreite Prüfpersonal kann dafür höherwertige Aufgaben übernehmen.

Barcode-Leser mit Deep Learning

Die Rückverfolgbarkeit, die vor allem in der Lebensmittel- und Pharmaindustrie durch Vorschriften diktiert wird, gewinnt auch in anderen Sektoren zunehmend an Bedeutung. Sie ermöglicht es, ein Teil, ein Produkt oder eine Verpackung während des gesamten Lebenszyklus zu verfolgen, und ist somit eines der wichtigsten Themen in der gesamten Lieferkette.

Um die in einem Barcode enthaltenen Informationen zu erfassen, stehen zwei Technologien zur Verfügung: laserbasierte und kamerabasierte Barcode-Scanner. Im Gegensatz zu laserbasierten kombinieren kamerabasierte Scanner Visualisierungs- und Bildanalysefunktionen in Echtzeit für jeden Barcode. Sie arbeiten mit Dekodieralgorithmen sowie Beleuchtungsoptionen und sind in der Lage, mehrere 1D- und 2D-Symbologien sowie direkt auf Teilen markierte Codes zu lesen. Sie bewältigen auch schwierigste Codes auf anspruchsvollen Oberflächen, einschließlich glänzender, reflektierender Oberflächen.

Durch die Kombination dieser Technologie mit Edge-Computing-Plattformen können Unternehmen ihre Rückverfolgbarkeitsprozesse aufrüsten, indem sie zentralisierte, Cloud-basierte Analysen direkt neben den Produktionslinien und Logistikprozessen nutzen. Die von Barcode-Scannern in der gesamten Anlage gesammelten Daten helfen dabei, mögliche Probleme, wie fehlgelesene Barcodes, zu erkennen und zu verstehen, um so schnell wie möglich Lösungsmaßnahmen ergreifen zu können.

Dem Fachkräftemangel entgegenwirken

Um auch in Zeiten schwieriger Marktbedingungen und Wettbewerbsdrucks sowie des Personalmangels zu bestehen, ist der Einsatz von Technologien zur Automatisierung von Inspektionen und zur Rückverfolgbarkeit ein entscheidender Faktor. Eine Schlüsseltechnologie für Unternehmen jeder Art und Größe ist dabei die industrielle Bildverarbeitung, deren Anwendungsgebiete sich durch KI-basierte Tools deutlich erweitert haben. Sie ermöglichen es, Fertigungs- und Logistikprozesse effizienter zu gestalten sowie die Qualität zu verbessern. Darüber hinaus ermöglichen sie ein frühes Erkennen von Fehlern im Produktionsprozess und reduziert so wesentlich die Verschwendung der für die Herstellung eingesetzten Ressourcen und Energie.

Autor
Peter Stiefenhöfer, Inhaber von PS Marcom Services