KI Kameraprüfsysteme - Qualitätsprüfungen zuverlässig automatisieren
KI Kameraprüfsysteme sind der größte Faktor, der Veränderungen in der Qualitätssicherung durch die gesamte KI-Thematik reinbringen. Diese Systeme ermöglichen nicht nur die Automatisierung von aufwendigen Qualitätsprüfungen, sondern helfen auch dabei, Produktionsprozesse zu optimieren und durch MES Schnittstellen Daten prozessübergreifend nutzbar zu machen.
In diesem Artikel erfahren Sie, warum KI-Kamerasysteme ein Gamechanger für die Qualitätssicherung sind und wie sie das menschliche Auge oder bildvergleichende Kamerainspektionen übertreffen.
Was sind KI-basierte Kameraprüfsysteme?
Ganz einfach: Hardware + Software Komponenten, individuell zugeschnitten auf Ihren Use Case.
Kamerasysteme für Qualitätsprüfungen zu nutzen ist genau genommen nichts Neues. Alles, was ein Mensch mit bloßem Auge sehen kann, lässt sich von einer Kamera deutlich besser erfassen. Oder könnten Sie mit Ihrem Auge etwas heranzoomen?
Die meisten Produktionsunternehmen haben kein Hardwareproblem, mit dem sich Fehlerbilder erfassen lassen, sondern ein Softwareproblem, das die aufgenommen Bilder auswertet und interpretiert. Heißt: Einschätzt, ob etwas noch i.O. ist oder n.i.O.
Hier kommt die Softwarekomponente ins Spiel, die für eine zuverlässige Fehlerdetektion wichtig ist. Nicht-KI-basierte Kamerasysteme arbeiten mit einem Bildvergleich, bei dem die Software ein hinterlegtes Gutbild mit dem gerade aufgezeichneten Bild abgleicht. Und genau hier scheitern viele kamerabasierte Qualitätskontrollen, weil jede kleinste Abweichung vom Gutbild als Fehler detektiert wird (Pseudoausschuss). Um dieses Problem zu fixen, muss die bildvergleichende Software sehr aufwendig manuell parametriert werden.
Ein KI-basiertes Kamerasystem lernt dagegen selbstständig anhand von Beispielbildern die Fehlertypen und Ihre Produkte. Das ist so, als würden Sie einen neuen Mitarbeiter anhand eines Fehlerkataloges anlernen und ihm zeigen, worauf er achten muss. Die KI ermöglicht es der Kamera dadurch, aktiv nach bekannten Fehlern zu suchen. Sie digitalisieren also das Wissen Ihrer Qualitätsmitarbeiter und stellen es den Kameras zur Verfügung.
Die Auswahl der Hardware spielt nur insofern eine Rolle, um Ihre Fehler erfassen zu können, was je nach kleinstem Fehlerbild variiert. Die Software dagegen, ist keine Standardsoftware, sondern Ihre Individualsoftware, die mithilfe der KI-Methode und maschinellem Lernen immer abhängig ist von Ihren Produkten und Fehlertypen.
Drei Vorteile KI-basierter Kameraprüfsysteme im Vergleich zu Kamerasystemen mit industrieller Bildverarbeitung
Kein Aufwand
Sie haben keine Parametrierung, weil das System selbstständig anhand von Beispielbildern lernt.
Zuverlässig
Das System kennt den Unterschied zwischen tatsächlichem Fehler oder Umwelteinfluss, wie Licht und Staub.
skalierbar
Sie haben mit der KI eine Datenbasis, die sich copy & paste auf alle Anlagen ausrollen und erweitern lässt.
Ein KI-basiertes Kamerasystem lässt sich darüber hinaus Retrofit in bestehende Prozesse und Anlagen implementieren und per Schnittstellenlösung Daten zwischen den Maschinen und untereinander nutzbar machen. Mehr zu spezifischen Vorteilen von KI-basierten Qualitätskontrollen, finden Sie im Artikel "Vorteile von KI in der Qualitätskontrolle".
Ein großer Mehrwert KI-basierter Qualitätskontrollen mittels KI Kamerasysteme ist nicht nur die Senkung der Ausschuss- und Reklamationskosten, sondern vor allem die Beschleunigung der gesamten Produktion, weil die menschliche Prüfungen und Mehrfachprüfungen entfallen.
Wie funktionieren KI-Kamerasysteme?
Wie oben erwähnt, lernt die Software anhand von Beispielbildern, wie ein menschlicher Mitarbeiter. Der Knackpunkt ist allerdings die erforderliche Datenmenge, um Fehlerbilder zu verallgemeinern. Ein Mensch muss einen Fehler 2-3 mal gesehen haben, um das Fehlerbild zu verstehen. Eine KI-basierte Kamera muss den Fehler mind. 500 mal in unterschiedlichen Facetten sehen, um zuverlässig antrainiert zu werden. Deshalb ist es wichtig, nicht nur mit Produktionsdaten zu arbeiten, sondern anhand dieser synthetische Trainingsdaten (digitale Zwillinge) zu erzeugen, um den Lernprozess abzusichern und zu beschleunigen.
Im Wesentlichen bedarf es folgender 4 Schritte, um ein KI Kamerasystem zuverlässig in einem bestehenden Prozess zu implementieren:
Schritt 1: Produktionsdaten sammeln
Die Kameras werden in der Produktion im Live-Betrieb installiert und es werden Produktionsdaten gesammelt, d.h. erste Fehlerbilder und die Gutware wird aufgenommen. Anhand der Fehlerprotokolle werden aufgezeichnete Fehler für den Trainingsdatensatz klassifiziert.
Schritt 2: Synthetische Daten erzeugen und KI trainieren
Der Trainingsdatensatz wird durch synthetische Daten aufgestockt, um zu jedem Fehlerbild eine große Varianz und Datenmenge zur Verfügung zu haben. Außerdem wird hier sichergestellt, dass der Datensatz ausbalanciert ist, d.h. jeder Fehlertyp gleichhäufig der KI angezeigt wird.
Schritt 3: Fehlererkennung testen + iterieren
Der Lernfortschritt wird im Live-Betrieb getestet und in einem iterierenden Prozess angepasst, um eine zuverlässige Fehlerprüfung sicherzustellen. In diesem Schritt werden weitere Produkte und seltenere Fehlerklassen angelernt.
Schritt 4: Regel- und Schnittstellenlösung
Die Fehlerkennung ist nur der erste Schritt. Anschließend erfolgt die Ableitung von regelbasierten Entscheidungen und ggfl. das Schaffen von Schnittstellenlösungen, um die erkannten Fehler weiter im Prozess zu bearbeiten und zu protokollieren.
Fallstudie: Erfolgreiche Implementierungen von KI Kameraprüfsystemen
Filzherstellung
In der Textilproduktion gibt es noch viele manuelle Prüfkontrollen von Warenschaumitarbeitern, weil kamerabasierte Inspektionen mit industrieller Bildverarbeitung in diesem Bereich nur schlecht funktionieren.
In der Textilproduktion gibt es oftmals ältere Maschinen, die stark vibrieren oder die Staubbelastung ist zu hoch, sodass zu viel "Pseudofehler" detektiert werden. Es werden also Fehler detektiert, die keine Fehler sind.
Hier haben wir retrofit Kameras installiert, um direkt in der Filzherstellung Fehler zu detektieren und für die Qualitätsmitarbeiter automatisch zu protokollieren.
Das Problem
Die manuelle Warenschau und Protokollierung drosselt den gesamten Prozess. Eine 100% Qualitätskontrolle ist aufgrund fehlender Fachkräfte nicht möglich, obwohl die Protokollierung für den Kunden sehr wichtig ist.
Die Lösung
Eine 100% Inline-Überwachung direkt im Herstellungsprozess, mit automatischer Fehlerprotokollierung.
Im Live-Betrieb wurden Kameras installiert, um die Gutware und erste häufige Fehler aufzunehmen. Im zweiten Schritt wurden anhand der Fehlerprotokolle die Fehler nachträglich klassifiziert und synthetisch nachgebildet, um mithilfe der KI-Methode das System anzutrainieren.
Das uniEDGEvision System übernimmt damit die 100% Kontrolle und Protokollierung der Fehler. Damit kann der Filzhersteller auch ohne Fachpersonal die hergestellte Ware prüfen und gegenüber seinen Kunden die Qualität bestätigen.
Fazit: KI Kameraprüfsysteme sind die Zukunft der Qualitätssicherung
Die Qualitätssicherung ist noch ein wesentlicher Kostentreiber in vielen Produktionsbetrieben, weil diese einerseits mit hohen Personalkosten verbunden ist und andererseits die gesamte Produktion ausbremst.
Hier wird KI zum Gamechanger für Produktionsunternehmen, weil zukünftig mithilfe von KI Kamerasystemen wesentliche Personalkosten reduzieren und die Prüfkontrollen viel schneller stattfinden, als bisher. Somit hat KI in der Qualitätssicherung einen großen Impact auf die Marge der Produkte und gleichzeitig auf die Beschleunigung des Cash-Conversion-Cycles.
Nehmen Sie gerne Kontakt zu uns auf, falls Sie im Rahmen unserer Potenzialanalyse erfahren wollen, ob und wo unser KI-basiertes Kamerasystem uniEDGEvision eine Hebelwirkung für Ihr Produktionsunternehmen hat.
FAQ
Häufig gestellte Fragen
Allgemeines
Die Software eines üblichen industriellen Kamerasystems arbeitet über einen Bildabgleich, bei dem ein SOLL- / IST-Vergleich durchgeführt wird. Das bedeutet: Die Kamera erfasst ein Bild, welches mit einem in der Software hinterlegten Bild verglichen wird. Abweichungen vom SOLL-Zustand werden mithilfe von Parametern erfasst, bei dem ein Programmierer festlegt, wie Abweichungen definiert werden. Dieses System ist sehr anfällig für "Pseudofehler", weil bereits verändernde Lichtverhältnisse als Fehler detektiert werden. Ein KI-basiertes System lernt Fehlertypen anhand von Gut- und Fehlerbildern. Dadurch wird ein Bild erfasst und die Software sucht aktiv nach den bekannten Fehlern. Es müssen keine Parameter festgelegt werden, um eine Abweichung vom Gutbild zu definieren. Dadurch können auch sehr komplexe Aufgaben, wie die Warenschau & Qualitätsprüfung auf Textilien, automatisiert werden – etwas, das mit herkömmlichen Systemen nicht realisierbar wäre.
Falls Sie bisher kein KI-System, sondern ein übliches industrielles Kamerasystem getestet haben, dann schauen Sie sich bitte die Antwort auf die erste Frage in der FAQ Sektion an. Falls Sie bereits erfolglos KI-Systeme getestet haben, dann liegt das vermutlich daran, dass der Teachingprozess zu lang dauert, bis die Fehlerbilder zuverlässig antrainiert sind. Dieser Umstand liegt an der zu geringen Datenmenge, die der KI zugeführt wurde. Das uniEDGEvision System arbeitet hier mit synthetisch erzeugten Daten, um den Teachingprozess zu beschleunigen und ausreichend Daten für die KI zur Verfügung zu stellen.
Kosten
Wenn wir in einem Erstgespräch feststellen, dass wir Ihnen weiterhelfen können und Sie bereit sind, in eine KI-basierte Lösung zu investieren, dann bieten wir Ihnen ein Pilotprojekt mit uns an. Im Pilotprojekt werden feste Ziele und ein zukünftiger Rollout definiert. Sollten wir die vereinbarten Ziele im Pilotprojekt nicht erfüllen, entstehen für Sie keine Kosten. Ist das Pilotprojekt erfolgreich, rechnen wir das Projekt normal ab und gehen gemeinsam mit Ihnen in den Rollout. So haben Sie einen risikofreien Test und wir die Gewissheit, dass Sie ernsthaftes Interesse an unsere Lösung haben. Klingt doch fair, oder?
Hier eine pauschale Antwort zu geben, wäre unseriös, denn das hängt immer vom jeweiligen Anwendungsfall unserer Kunden ab. In einem Erstgespräch ermitteln wir Ihren genauen Bedarf und das notwendige Set Up für ein mögliches Projekt. Anschließend können wir Ihnen transparent darlegen, welche Kosten für die Nutzung von uniEDGEvision anfallen würden. Prinzipiell erhalten Sie bei uns die Möglichkeit ein einmaliges Gesamtprojekt zu realisieren oder ein flexibles Modell auf monatlicher Basis (Retainer) mit uns wählen, bei dem wir in kurzen Sprints gemeinsame Etappenziele erreichen.
Es kommt eher darauf an, wie hoch die verbundenen Kosten bei Ihren Kleinserien sind. Sind Ihre jährlichen Kosten für Reklamationen, Ausschuss und Personalbedarf zur Qualitätsprüfung in einem mittleren 5-stelligen Bereich, dann lohnt sich der Aufwand mit einem KI-Ansatz relativ schnell. Wenn Sie stattdessen niedrige 5-stellige Kosten pro Produktlinie haben, wird eine Amortisierung zu lang dauern. Aber um Ihnen hier genau Auskunft zu geben, macht ein Erstgespräch Sinn, bei dem wir Ihren spezifischen Use Case besprechen.
Eigenschaften von uniEDGEvision
Die KI erfasst Bilder über gelernte Texturen und Muster und erkennt diese im aufgezeichneten Bild wieder. Einmal antrainiert, weiß die KI genau zwischen Produktarten, Fehlertypen und externen Faktoren (Licht, Staub, etc.) zu unterscheiden.
In den meisten Fällen ist eine hohe Produktionsgeschwindigkeit unproblematisch. Unser Modell läuft auf einem mitgelieferten Industrie-PC direkt bei Ihnen vor Ort, was bedeutet, dass das KI-Modell Bilder in Millisekunden analysiert. Unsere Erfahrung zeigt, dass eher das Teile-Handling als die KI-Auswertung ein potenzieller Engpass für die Automatisierung darstellt.
In den meisten Fällen stellt das keine Schwierigkeit dar. Wir passen die verwendete Hardware zur Aufnahme (Kamera, Beleuchtung, Anbringung usw.) bei Bedarf vollständig an Ihre spezifischen Anforderungen an. Da unser System herstellerunabhängig arbeitet, können wir stets das optimale Hardware Setup für Ihre Prüfanforderungen bereitstellen.
Implementierung
Anders als andere KI-Systeme arbeiten wir mit einem digitalen Zwilling Ihres Produktes und Ihrer Fehlertypen (synthetische Daten). Dadurch können wir Ihre echten Produktionsdaten mit synthetisch erzeugten Daten anreichern und den Teachingprozess im virtuellen Raum beschleunigen. Innerhalb weniger Stunden können dadurch neue Produkte und Fehler antrainiert werden und ausreichend Trainingsdaten zur Verfügung gestellt werden.
Wir benötigen nur wenige Echtdaten, weil wir daraus synthetische Daten (digitaler Zwilling) erzeugen, um die KI anzuteachen. Erfahrungsgemäß zeichnen wir im ersten Monat der Zusammenarbeit Echtdaten im Prozess auf, die uns ausreichen, um Ihren kompletten Fehlerkatalog digital nachzubilden und die KI anzutrainieren.
In der Regel stellt uniEDGEvision eigene Kameras bereit, aber es gibt auch die Möglichkeit, bereits vorhandene Kameras zu nutzen. In diesem Fall prüfen wir die aufgezeichnete Bildqualität zur Verarbeitung für die KI-Auswertung. Sind die bestehenden Komponenten mit unseren Anforderungen kompatibel, steht dem nichts im Weg.
Fortlaufende Betreuung
Ja, uniEDGEvision ist eine SaaS-Lösung (Software as a Service). Sie erhalten regelmäßig Updates und bleiben auf dem neuesten Stand.