Operationalisieren Sie Ihre Defekte

Obwohl sie gerade erst ins industrielle Rampenlicht treten, werden Bildverarbeitungslösungen in der Fertigung schon seit dem Zeitalter der Disco eingesetzt. Frühe Systeme konnten Kanten anhand lokaler Kontrastveränderungen erkennen, Farbunterschiede feststellen oder "Kleckse" in einem Bild identifizieren, die auf das Vorhandensein eines Teils auf einem Förderband oder eines Lochs in einem Produkt hinweisen konnten. Die maschinelle Bildverarbeitung war ein innovatives Werkzeug, das manuelle Inspektoren ersetzte und Liniengeschwindigkeiten ermöglichte, die zuvor nicht möglich waren.

Cloud Computing fand jedoch erst Mitte der 2000er Jahre breite Anwendung, als Amazon Web Services (AWS) mit dem Dienst Elastic Compute Cloud (EC2) die Szene betrat. Während sowohl Unternehmens- als auch Privatanwenderanwendungen seitdem Cloud Computing nutzen, hat die Fabrikautomatisierung erst begonnen, die Möglichkeiten von Cloud-Technologien für die Verwaltung von Automatisierungsgeräten im Betrieb zu erforschen.

Von Robotern bis hin zu Kameras sind die meisten Maschinen in einer Fabrik im Wesentlichen "Automatisierungsinseln", in denen allenfalls ein Manufacturing Execution System (MES) Start-, Stopp- und Triggersignale koordiniert. Wenn ein Qualitätsmanager wissen möchte, wie viele Fehler in einem bestimmten Zeitraum aufgetreten sind, muss er eine CSV-Datei über eine USB-Verbindung mit einem Laptop suchen, die Daten per FTP abrufen oder die Produkte im Ausschussbehälter zählen.

Heute gibt es eine Vielzahl von fortschrittlichen Bildverarbeitungslösungen, von denen viele die Cloud- und machine learning Technologie nutzen. Die Startups, die diesen Bereich erforschen, sind oft aus Forschungsprojekten hervorgegangen oder haben ihre Wurzeln im akademischen Bereich. Die Bedürfnisse der Hersteller werden jedoch selten erfüllt, wenn sich die Lösung auf die neuen Technologien konzentriert und alle anderen Aspekte einer echten Automatisierungslösung vernachlässigt.

Ein modernes Bildverarbeitungssystem wie Elementary nutzt alles, was das Cloud Computing zu bieten hat. Es speichert alle Bilder aus der Ferne, ermöglicht den Fernzugriff und die Konfiguration, bietet Ereignisüberwachung und Warnmeldungen und vieles mehr. Der Schlüssel zum Erfolg von Elementary liegt darin, dass das Unternehmen eine Komplettlösung anbietet - das bedeutet hochauflösende Kameras, Beleuchtungen, lokale Rechengeräte und die Cloud-Architektur, die den KI-Workflow ermöglicht. Die Bereitstellung und das Onboarding eines Full-Stack-Systems wird durch das Quality as a Service-Modell von Elementary weiter vereinfacht, bei dem die benutzerfreundliche Oberfläche durch ein Team von machine learning Anwendungsingenieuren ergänzt wird, die für die Unterstützung der Kunden zuständig sind.

Um gegenüber Umgebungs- und Produktvariationen robust zu sein, benötigt ein herkömmliches machine learning Modell eine große Anzahl von beschrifteten Daten. Beispiele für alle Variationen von "guten" und "schlechten" Produkten (in Kombination mit den Variationen bei der Beleuchtung und der Produktpositionierung im Sichtfeld der Kameras) müssen aufgenommen und ordnungsgemäß beschriftet werden. Dies kann im besten Fall umständlich und in vielen Fällen unmöglich sein, wenn diese Bilder gespeichert, schnell abgerufen und sorgfältig beschriftet werden müssen, bevor sie zum Trainieren eines Modells verwendet werden können. Außerdem muss der Kennzeichnungs- und Trainingsprozess mit neuen Bildern wiederholt werden, um die Genauigkeit des Modells zu maximieren.

Auch wenn dies möglich wäre, müsste bei einem reinen Edge-System wahrscheinlich ein Ingenieur in der Fabrikhalle vor dem Bildverarbeitungssystem sitzen, um die Bilder zu beschriften und das Modell zu trainieren, oder den Datensatz manuell herunterladen, die Bilder offline verarbeiten und beschriften und dann das Modell in das Bildverarbeitungssystem hochladen.

Während dieser Workflow für ein einzelnes Projekt oder einen Konzeptnachweis noch überschaubar ist, wird er schnell unüberschaubar, wenn ein Hersteller eine KI-Vision-Lösung für mehrere Produkte oder Produktlinien benötigt. KI-Vision-Lösungen, die nur am Rande eingesetzt werden, müssen von vornherein unterdimensioniert oder für reale Anwendungen ungeeignet sein, da sonst der Trainingsworkflow schnell nicht mehr skalierbar ist.

Durch den richtigen Einsatz von Cloud-Technologien werden ML-basierte Bildverarbeitungslösungen sowohl in Bezug auf die Hardware als auch auf den Betrieb skalierbar. Elementary nutzt Cloud Computing, um eine skalierbare, machine learning-basierte Bildverarbeitungslösung anzubieten.

Elementary hat seine KI-gesteuerte Bildverarbeitungslösung der nächsten Generation in Tulip integriert, um Betreibern eine Inspektionslösung in ihren bestehenden Tulip Arbeitsabläufen zu bieten. Dies ermöglicht es Betreibern, fortschrittliche Bildverarbeitungsinspektionen über ein einziges Fenster durchzuführen und gleichzeitig von den Vorteilen der Cloud-Analytik und der skalierbaren Verwaltung von Elementary zu profitieren.

Elementary ist ein Anbieter von Komplettlösungen. Das bedeutet, dass Elementary nicht nur die Cloud-Software zur Steuerung der KI bereitstellt, sondern auch die gesamte Hardware, die in der Fabrikhalle für die Inspektion benötigt wird - einschließlich Beleuchtung, Kameras, Edge Computing, Montagehardware und sogar Installation.

Das macht das Hinzufügen neuer Inspektionssysteme einfach, da die Kunden keine Teile oder Lieferanten zusammenschustern müssen, um ihr ultimatives Ziel zu erreichen, nämlich Qualitätsinspektionen in ihre Produktionslinien aufzunehmen. Darüber hinaus ermöglicht die Fähigkeit von Elementary zur nativen Integration mit Geräten in der Fabrikhalle den Kunden, das Verhalten anderer Systeme in der Fabrikhalle anzupassen und so auf der Grundlage der Inspektionsergebnisse weitere Fehler zu verhindern. Elementary nennt dies einen geschlossenen Qualitätskreislauf.

Wie im obigen Diagramm der High-Level-Architektur zu sehen ist, nutzt Elementary die Vorteile des vollständigen Stacks von Elementary und Tulip , um visuelle Inspektionen als Teil des Fertigungsprozesses zu operationalisieren. In der Fabrikhalle verwendet Elementary den Tulip Anschluss, um eine direkte Verbindung über EthernetIP herzustellen. Diese Verbindung steuert den Inspektionsprozess und ermöglicht es dem Bediener, die Inspektion über Tulip auszulösen und Informationen über die Inspektionsergebnisse zu erhalten. Die Bilddaten werden von der Cloud-API von Elementary abgerufen, um sie dem Benutzer zu präsentieren, und in der Cloud von Elementary zur Analyse durch Qualitätsmanager gespeichert.

Der resultierende Arbeitsablauf für den Operator sieht folgendermaßen aus:

1. Der Bediener befolgt die Anweisungen von Montage in der Anwendung Tulip wie bei jeder anderen Anwendung von Montage.

2. Sobald sie zu einem Schritt gelangen, der eine visuelle Inspektion erfordert, werden sie in der App Tulip mit einem "Inspect" aufgefordert. Wenn Sie auf diese Schaltfläche klicken, wird das Inspektionssystem veranlasst, die für diesen Schritt erforderliche Inspektion durchzuführen.

3. Die Ergebnisse der Inspektion werden dem Bediener als bestanden oder nicht bestanden angezeigt, wenn ein Defekt festgestellt wurde.

4. Wenn ein Fehler entdeckt wird, wird dem Bediener ein von Elementary aufgenommenes Bild präsentiert, das die Bereiche hervorhebt, die nachbearbeitet werden müssen (wie im Bild oben gezeigt).

5. Sobald die erforderlichen Nacharbeiten erledigt sind, kann die Inspektion über die App Tulip erneut ausgelöst werden, bis sie erfolgreich bestanden ist und der Bediener zum nächsten Schritt übergehen kann.

Die Kombination von Tulip mit Elementary bietet eine Komplettlösung für Hersteller, die nach einem robusten Fertigungsprozess suchen, der Qualitätskontrollen einschließt, ohne die Bediener mit zusätzlichen Schulungen oder Zeitaufwand für den Wechsel zwischen den Systemen zu belasten. Da sowohl Elementary als auch Tulip als Komplettlösung konzipiert sind, wird von der Software bis zur Hardware alles mitgeliefert, was die Implementierung für Ihre Werksteams einfacher macht. Die Integration der industriellen Bildverarbeitung in Ihre Inspektionsprozesse ist ein Muss, wenn Sie versuchen, die Qualität aufrechtzuerhalten und zu steigern. Tulip und Elementary arbeiten zusammen, um eine zuverlässige Lösung für die Qualitätsinspektion zu bieten, die Ihre Bediener in die Lage versetzt.