Derzeit ist das Thema KI für die Produktion sehr präsent. Für die Hersteller ergeben sich dabei viele Fragen zu KI und wie sie sich auf Produktqualität, Durchsatz und Rentabilität auswirken kann.
Was versteht man unter KI im Zusammenhang mit der Qualitätsprüfung? Welche Vorteile hat sie gegenüber der manuellen Inspektion und den bestehenden Arten der automatisierten Inspektion? Wann und warum sollte ich KI in meiner Produktionslinie einsetzen? Kann KI menschliche Qualitätsprüfer wirklich durch einen zuverlässigen Qualitätskontrollprozess ersetzen?
In dieser Blogserie werden wir einige der wichtigsten Fragen zum Thema KI in der Industrie beantworten und Ihnen zeigen, wie Sie die Möglichkeiten der visuellen KI-Inspektion in Ihrem Unternehmen nutzen können.
Wenn klassische Inspektionsmethoden nicht ausreichen
Bei der manuellen Prüfung kommt es auf die subjektiven Fähigkeiten des menschlichen Prüfers an. Klassische Computer Vision hingegen beruht auf der Kombination von verschiedenen Filtern, die das relevante Merkmal isolieren und Masken oder Geometrien anwenden, um eine Qualitätsmessung durchzuführen. Bei gefertigten oder bearbeiteten Teilen, die eine hohe Konsistenz aufweisen, sind diese Methoden durchaus sinnvoll. Wenn die zu prüfenden Teile jedoch organisch sind, wie z. B. Rindfleisch, Schweinefleisch oder Holz, wird die Lösung sehr komplex.
Denn diese Produkte weisen eine große Variabilität bei der präzisen Bewertung der Qualität auf. Für die Hersteller ist es jedoch von entscheidender Bedeutung, diese Produkte effektiv zu bewerten, um ihre Rentabilität zu steigern.
Deep Learning für industrielle Anwendungen
Deep Learning ist in den letzten Jahren immer beliebter geworden, da sowohl die Industrie als auch die Wissenschaft Investitionen in GPU-Rechenleistung und neue KI-Netzwerkmodelle getätigt haben. Auch wenn KI und maschinelles Lernen schon seit einiger Zeit eingesetzt werden, ist es erst durch verschiedene Faktoren in den Fokus gerückt, wie: die öffentliche Verfügbarkeit großer Bilddatensätze (wie ImageNet), erschwingliche GPU-Hardware und die Open-Source-Bewegung, die eine Bibliothek mit vortrainierten Netzwerkmodellen geschaffen hat, die andere Entwickler nutzen können.
Die einzigartigen Vorteile von KI für die Qualitätsprüfung
Die industrielle Qualitätsprüfung eignet sich aufgrund der sich wiederholenden Abläufe und der hohen Vorhersagbarkeit besonders gut für KI. Dadurch ist es möglich, einen Datensatz von Bildern zu sammeln, der zum Trainieren eines benutzerdefinierten neuronalen Netzwerks für die Klassifizierung, Objekt- oder Anomalieerkennung verwendet werden kann.
Während Produkte, die nahezu identisch sind und auf Toleranz oder Konformität gemessen werden müssen, wahrscheinlich leichter mit einer Reihe herkömmlicher Algorithmen geprüft werden können, eignen sich Produkte, die eine subjektive Bewertung erfordern, manchmal durch einen erfahrenen visuellen Prüfer, sehr gut für Prüfsysteme auf Basis von Deep Learning.
Die Inspektion von Medizinprodukten beispielsweise profitiert erheblich vom Einsatz der KI-Inspektion. Bei medizinischen Ballons können so zum Beispiel eine Vielzahl von Defekten wie Risse, Verschmutzungen und Gelrückständen erfasst werden. Diese Art der Prüfung mit einem herkömmlichen regelbasierten System anzugehen – einschließlich der Lösung der Rand- (oder Eck-) Fälle, die mit mehreren Fehlerkategorien und Prüfzielen einhergehen – würde die Implementierung dieser Lösung unglaublich komplex und zeitaufwändig machen.
KI hingegen kann innerhalb weniger Tage feststellen, ob eine Lösung machbar ist, und wenn möglich einen wiederholbaren Weg zur Implementierung eines Produktionssystems innerhalb von Wochen aufzeigen.
KI identifiziert 18 verschiedene Defekte einschließlich Risse, Dreck und Gelrückständen in bis zu 50 verschiedenen verschiedenen medizinischen Ballonarten.
In unserem nächsten Beitrag gehen wir der Frage nach, wie Sie ein individuelles FactorySmart® KI-Inspektionssystem für Ihre Produktion entwickeln und implementieren können.