Fachkräftemangel in der QS entgegenwirken
Durch den derzeit herrschenden Personalmangel ist es immer schwieriger geworden Mitarbeiter für die Qualitätskontrolle zu finden. Fakt ist: Die Arbeit am Warenschautisch wird oftmals unterschätzt. Daher ist es für viele keine Seltenheit mehr, wenn neu angelernte Mitarbeiter nach kurzer Zeit kündigen. Meist liegt der Grund bei der ermüdenden Kontrolle nach Fehlern. Lesen Sie in diesem Artikel wie Sie unabhängig von Mitarbeitern Fehler zuverlässig erkennen und die Produktionsgeschwindigkeit steigern!
Durch den derzeit herrschenden Personalmangel ist es immer schwieriger geworden Mitarbeiter für die Qualitätskontrolle zu finden. Fakt ist: Die Arbeit am Warenschautisch wird oftmals unterschätzt. Daher ist es für viele keine Seltenheit mehr, wenn neu angelernte Mitarbeiter nach kurzer Zeit kündigen. Meist liegt der Grund bei der ermüdenden Kontrolle nach Fehlern. Lesen Sie in diesem Artikel wie Sie unabhängig von Mitarbeitern Fehler zuverlässig erkennen und die Produktionsgeschwindigkeit steigern!
Mit künstliche Intelligenz die Qualitätskontrolle zuverlässig gestalten
Viele Unternehmen kennen die Situation: Ein neuer Angestellter wird einige Tage oder sogar Wochen lang für die Qualitätskontrolle angelernt. Ihm werden die einzelnen Fehler gezeigt und die Merkmale erklärt. Doch egal wie gut ein Mitarbeiter angelernt wurde oder wie gut er arbeitet, irgendwann ermüdet das menschliche Auge und Fehler werden übersehen – und das trotzt Schichtarbeit. Die Folge daraus sind unzufriedene Kunden und Reklamationen.
Die Lösung für diese Probleme ist der Einsatz von künstlicher Intelligenz. Durch einen maschinellen Mitarbeiter wird eine zuverlässige Qualitätskontrolle geschaffen, welche selbst bei einer dauerhaften Fehlerkontrolle jeden kleinsten Mängel lokalisiert. Selbst das unbeliebte Dokumentieren passiert ganz automatisch nebenbei. So umgehen Sie Kundendiskussionen und reduzieren Ihre Reklamationsquote drastisch.
Viele Unternehmen kennen die Situation: Ein neuer Angestellter wird einige Tage oder sogar Wochen lang für die Qualitätskontrolle angelernt. Ihm werden die einzelnen Fehler gezeigt und die Merkmale erklärt. Doch egal wie gut ein Mitarbeiter angelernt wurde oder wie gut er arbeitet, irgendwann ermüdet das menschliche Auge und Fehler werden übersehen – und das trotzt Schichtarbeit. Die Folge daraus sind unzufriedene Kunden und Reklamationen.
Die Lösung für diese Probleme ist der Einsatz von künstlicher Intelligenz. Durch einen maschinellen Mitarbeiter wird eine zuverlässige Qualitätskontrolle geschaffen, welche selbst bei einer dauerhaften Fehlerkontrolle jeden kleinsten Mängel lokalisiert. Selbst das unbeliebte Dokumentieren passiert ganz automatisch nebenbei. So umgehen Sie Kundendiskussionen und reduzieren Ihre Reklamationsquote drastisch.
KI Qualitätskontrolle: Funktionsweise und Vorteile
Wie genau funktioniert die KI Inspektion? Kurzgesagt funktioniert sie genau wie das Anlernen eines Mitarbeiters. Zunächst wird dem neuronalen Netzwerk die Fehlertypen anhand von Bilderdaten gezeigt und gelernt. Dabei handelt es sich typischerweise um Mängel wie Löcher, Fremdfaser oder Laufmaschen. Doch auch seltene Fehler wie Ölflecken durch eine Maschine können durch synthetisch erstellte Bilddaten einfach angelernt werden. Der Vorteil beim Anlernen: Die KI lernt eigenständig durch das Machine Learning die Merkmale der einzelnen Fehler und erschafft sich ein Muster, um zukünftig Abweichung mühelos zu erkennen.
Jetzt ist das KI-basierte Kamerasystem einsatzbereit. Es kontrolliert nun selbstständig die Textilien auf Mängel und unterstützt Ihre Mitarbeiter am Warenschautisch. Selbst Löcher im Millimeterbereich oder feinste Fremdfasern findet die KI ohne Probleme – ohne die Produktionsgeschwindigkeit zu reduzieren.
Wie genau funktioniert die KI Inspektion? Kurzgesagt funktioniert sie genau wie das Anlernen eines Mitarbeiters. Zunächst wird dem neuronalen Netzwerk die Fehlertypen anhand von Bilderdaten gezeigt und gelernt. Dabei handelt es sich typischerweise um Mängel wie Löcher, Fremdfaser oder Laufmaschen. Doch auch seltene Fehler wie Ölflecken durch eine Maschine können durch synthetisch erstellte Bilddaten einfach angelernt werden. Der Vorteil beim Anlernen: Die KI lernt eigenständig durch das Machine Learning die Merkmale der einzelnen Fehler und erschafft sich ein Muster, um zukünftig Abweichung mühelos zu erkennen.
Jetzt ist das KI-basierte Kamerasystem einsatzbereit. Es kontrolliert nun selbstständig die Textilien auf Mängel und unterstützt Ihre Mitarbeiter am Warenschautisch. Selbst Löcher im Millimeterbereich oder feinste Fremdfasern findet die KI ohne Probleme – ohne die Produktionsgeschwindigkeit zu reduzieren.
Wie KI unnötigen Ausschuss und Personalkosten in der QS eliminiert - sichern Sie sich Ihr Branchenbeispiel!
Interessiert daran, wie KI die Qualitätssicherung in Ihrer Branche automatisiert? Dann fordern Sie jetzt Ihr Branchenbeispiel per Videofallstudie kostenfrei an. Jetzt direkt starten und individuelles Videobeispiel kostenfrei erhalten!
Durch Inline-Überprüfung wiederkehrende Fehler frühzeitig lokalisieren
Doch warum überhaupt die Qualitätsprüfung erst so spät ansetzen? Eine defekte Maschine produziert immer wieder den gleichen Fehler. Falls der Fehler erst am Ende der Produktion am Warenschautisch festgestellt wird, ist es meist schon zu spät. In vielen Fällen bedeutet das, dass eine komplette Textilrolle als Ausschuss produziert wurde. Das ist sehr ärgerlich und kostet Zeit und Geld!
Die Inline-Prüfung schafft da Abhilfe. Sie kontrolliert den Stoff schon während der Produktion und erkennt so schnell immer wiederkehrende Fehler. Durch ein Ampelsystem sind Ihre Mitarbeiter in der Lage die Produktion zu stoppen und können die Maschine reparieren noch bevor zu viel Ausschuss produziert wurde.
Doch warum überhaupt die Qualitätsprüfung erst so spät ansetzen? Eine defekte Maschine produziert immer wieder den gleichen Fehler. Falls der Fehler erst am Ende der Produktion am Warenschautisch festgestellt wird, ist es meist schon zu spät. In vielen Fällen bedeutet das, dass eine komplette Textilrolle als Ausschuss produziert wurde. Das ist sehr ärgerlich und kostet Zeit und Geld!
Die Inline-Prüfung schafft da Abhilfe. Sie kontrolliert den Stoff schon während der Produktion und erkennt so schnell immer wiederkehrende Fehler. Durch ein Ampelsystem sind Ihre Mitarbeiter in der Lage die Produktion zu stoppen und können die Maschine reparieren noch bevor zu viel Ausschuss produziert wurde.
Ihr Branchenbeispiel wie KI unnötig Ausschuss verhindert und manuelle Qualitätsprüfungen automatisiert
Wie KI unnötigen Ausschuss und Personalkosten in der QS eliminiert - sichern Sie sich Ihr Branchenbeispiel!
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.