elektro AUTOMATION 11.2018
Trendthemen: SPS IPC Drives 2018, Analytics & AI, Industrie 4.0; Sonderteil: Automation Award 2018
Trendthemen: SPS IPC Drives 2018, Analytics & AI, Industrie 4.0; Sonderteil: Automation Award 2018
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
TRENDS<br />
ANALYTICS & AI<br />
Grundlage für den Einsatz von Künstlicher Intelligenz<br />
im Manufacturing sind die enormen Fortschritte im<br />
Deep Learning, das sich an der spezifischen Arbeitsweise<br />
des Gehirns orientiert und ein dicht verwobenes<br />
Netz aus einfachen Nervenzellen simuliert<br />
Bild: ustas/fotlia.com<br />
Künstliche Intelligenz in der Automobilindustrie: Eine intelligente Bilderkennung<br />
und -analyse erleichtert die Qualitätssicherung von Bauteilen<br />
ganz erheblich. IBM Visual Insights lässt sich dabei auch von unterschiedlichen<br />
Lichtverhältnissen nicht beeinflussen<br />
Ein weiteres Beispiel ist die intelligente Auswertung von Bildaufnahmen<br />
im Produktionsumfeld. Die IBM Watson IoT-Plattform bietet<br />
mit „Visual Insights“ einen derartigen Service. Nach einem entsprechenden<br />
Training, bei dem das System anhand von Fotos lernt, wie<br />
eine Maschine oder ein Produkt auszusehen hat und welche Abweichungen<br />
auf welche Probleme hindeuten, können sehr viel schneller<br />
und gezielter Maschinen-, Produktions- oder Produktfehler identifiziert<br />
und klassifiziert werden. Positiver Nebeneffekt: Visual Insights<br />
lernt durch entsprechendes Feedback des Werkers oder Inspektors<br />
beständig dazu und verbessert damit kontinuierlich die Erkennungsleistung.<br />
Tests in der Qualitätsprüfung haben beispielsweise<br />
ergeben, dass bei einem acht Tage dauernden Produktionszyklus<br />
bis zu 80 % der ursprünglich für die Prüfung veranschlagten Zeit eingespart<br />
werden konnte. Ähnliches gilt für die Beurteilung von Geräuschen:<br />
Auch hier bieten KI-basierte Systeme Unterstützung bei<br />
der Fehlersuche. Mit einem spezifischen Akustik-Modul kann beispielsweise<br />
Watson KI Geräusche analysieren. Erkennt das System<br />
Abweichungen vom Normalton, werden automatisch Benachrichtigungen<br />
per Sprache oder Bild gegeben.<br />
Bild: IBM<br />
Intelligente Bild- und Geräuschanalysen<br />
Ein Beispiel für den Einsatz von Visual Insights ist die automatische<br />
Überprüfung des Einbaus eines spezifischen Bauteils in den Fahrzeugen<br />
eines großen deutschen Automobilherstellers, die für den<br />
US-Export bestimmt sind. Die entsprechenden Qualitäts-Überprüfungsprozesse<br />
werden momentan noch mit Unterstützung zahlreicher<br />
Kameras manuell durchgeführt. In einem Pilotprojekt wird nun<br />
getestet, welche Hilfe die Nutzung Künstlicher Intelligenz bringen<br />
kann. Konkret geht es dabei um die Frage, ob Abdeckungen für die<br />
Lichtweiteneinstellung, die in den USA vorgeschrieben sind, ordnungsgemäß<br />
im Auto verbaut wurden.<br />
Die spezifische Herausforderung bei der Überprüfung ist, dass die<br />
Abdeckungen unterschiedliche Formen haben, oft in der gleichen<br />
Farbe wie ihre Träger sind, und damit meist schwer von ihnen zu unterscheiden.<br />
Zusätzlich wird der Qualitätscheck dadurch erschwert,<br />
dass die Abdeckungen je nach Blickwinkel kaum zu erkennen sind.<br />
Die intelligente Bilderkennung und -analyse erleichtert diesen Prozess<br />
nun ganz erheblich: Mit ihrer Hilfe werden die verbauten Lichtabdeckungen<br />
nun auch aus ganz unterschiedlichen Blickwinkeln heraus<br />
schnell und zuverlässig erkannt. Watson hat dabei auch keine<br />
Probleme mit unterschiedlichen Lichtverhältnissen, denn sie werden<br />
für eine schnelle, präzise Analyse automatisch angepasst. Zudem<br />
kommt das System insgesamt mit wesentlich weniger hochauflösenden<br />
Kameras aus.<br />
Um das zu erreichen, wurde Watson zunächst mit Bildern unterschiedlicher<br />
Abdeckungen gefüttert, wobei ihm die jeweiligen Unterscheidungsmerkmale<br />
„erklärt“ – sie also klassifiziert wurden. Visual<br />
Insights verwendet hierfür verschiedene, sogenannte Classifierund<br />
Machine Learning-Algorithmen. Dieses Vorgehen zeigte schnell<br />
Wirkung: Watson schaffte es innerhalb kurzer Zeit mit einer Treffgenauigkeit<br />
von rund 95 Prozent, die verbauten, unterschiedlichen Deckel<br />
zu erkennen. Gleichzeitig lernt das kognitive KI-System auch<br />
24 <strong>elektro</strong> <strong>AUTOMATION</strong> 11 2018