8-2024

Künstliche Intelligenz
Fazit
Mit den beiden vorgestellten
Ansätzen lässt sich der Aufwand
für Anwender enorm senken, ohne
bei der Zuverlässigkeit in der Entscheidung
zwischen OK und NOK
Einbußen verzeichnen zu müssen.
Mit der Automatisierung von
Quali tätsprüfungen durch KI reduzieren
Unternehmen schließlich
den Bedarf an manueller Inspektion
und minimieren menschliche
Fehler, was wiederum Ausschuss
und Nacharbeitskosten verringert.
Als Ergänzung kann KI somit auch
den Fachkräftemangel in der Qualitätssicherung
mildern.
Das Fraunhofer IGD arbeitet an Lösungen zur KI-basierten Qualitätssicherung. Das Programm »Marquis« bietet eine
visuelle Inspektion während des laufenden Montageprozesses und kann auch die zugehörige Dokumentation abbilden.
liegt. Der Grund dafür ist, dass die
KI lediglich darauf trainiert wurde,
bekannte Fehler zu erkennen und
zu klassifizieren.
Transfer Learning
Die Fraunhofer-Lösung basiert auf
Transfer Learning, also auf vortrainierten
neuronalen Netzen, die für
die Forschung entwickelt und publiziert
wurden. Diese haben bereits
gelernt, auf welche Bereiche im
Bild sie zur Klassifikation achten
müssen. Die Wissenschaftler passen
das Modell mit statistischen
Methoden auf den Anwendungsfall
an. „Vortrainierte neuronale
Netze machen es möglich, den Trainingsufwand
so gering wie möglich
zu halten“, erklärt Krispel. Die
Forschenden identifizieren außerdem
für jeden Anwendungsfall das
passende Modell. Es soll optimale
Ergebnisse hervorbringen, gleichzeitig
aber auch schnelle Entscheidungen
treffen können.
Prozessfähige
Klassifikationszeit
Denn neben einer möglichst
kurzen Trainingszeit kommt es auch
auf eine prozessfähige Klassifikationszeit
an. Schließlich soll das
Prüf system die Produktionsabläufe
nicht stören, sondern eine kontinuierliche
und unterbrechungsfreie
Überwachung der Produktqualität
in Echtzeit ermöglichen. So können
Fehler früh zeitig erkannt und
behoben werden.
Zur Evaluierung des Modells
genügen einige wenige NOK­ Bilder.
Die KI markiert Abweichungen
von der Normalität farblich – blau
für geringe Abweichungen, rot für
fehler hafte Bereiche im Bild.
Manuelle Qualitätssicherung
unterstützen
Ob Training ausschließlich mit OK-
Daten oder Trainingsdaten synthese
– KI-basierte Qualitätskontrolle
zahlt auf das übergeordnete Ziel
einer wirtschaftlichen Produktion
ein. „Unsere Erfahrung zeigt: Die
Unternehmen sind neugierig und
möchten die Vorteile Künstlicher
Intelligenz für sich nutzen. Wir helfen
KMUs sowie Konzernen dabei,
eine individuell auf sie zugeschnittene
Lösung zu finden. Denn jedes
Produkt hat seine eigenen Besonderheiten,
jede Produktionsumgebung
unterschiedliche Anforderungen“,
betont Holger Graf. Auch hinsichtlich
Bilderfassungssystemen
und der technischen Ausstattung
unterstützt das Fraunhofer IGD interessierte
Unternehmen.
Wer schreibt
Das Fraunhofer-Institut für Graphische
Datenverarbeitung IGD
setzt seit über 30 Jahren Standards
im Visual Computing, der
bild- und modellbasierten Informatik.
Die rund 210 Mitarbeitenden
des Fraunhofer IGD unterstützten
Unternehmen und Institutionen
der Branchen Automotive,
Gesundheit und Pflege, Bioökonomie
und Infrastruktur, Software- und
IT-Wirtschaft, etc. Das Fraunhofer
IGD bietet konkrete technologische
Lösungen und hilft bei der strategischen
Entwicklung. ◄
Die mit synthetischen Trainingsdaten angelernte AR-Software »Arrange« unterstützt durch farbliche
Überlager ungen beim Sortieren verschiedener Stanzteile und nimmt gleichzeitig zur Qualitätssicherung
einen Soll-Ist-Abgleich vor.
PC & Industrie 8/2024 11