3 Gründe warum In-Sight D900 mehr Prüfungen an der Fertigungslinie automatisieren wird

Es gibt viele Phasen in einem typischen Herstellungsprozess, die aus dem einen oder anderen Grund ungeprüft bleiben. Vielleicht gibt es während des Prozesses an der Linie Schritte, die nicht automatisiert werden können, weil die Prüfung zu komplex oder zu schwierig zu programmieren ist. Die Prüfung erfordert möglicherweise ein gewisses Maß an menschlicher Wahrnehmung, Fachwissen oder Urteilsvermögen.

Wenn Produkte, aus welchem Grunde auch immer, ungeprüft bleiben, gehen Hersteller ungeschützt das Risiko von Produktrückrufen, Ineffizienz, Nacharbeit oder anderen negativen Folgen ein, die einer höheren Rentabilität entgegenwirken.

Schätzungsweise kann ein Produktrückruf ein Unternehmen zwischen mindestens 10 Millionen und 100 Millionen $ vom Betriebsergebnis kosten, während sowohl der dauerhafte Schaden für den Ruf der Marke als auch eine geringere Innovationsdynamik wesentlich schlimmer sein könnten, sagt Professor Ariel D. Stern von der Harvard Business School. Erst 2016 beliefen sich die Rückrufkosten der gesamten Automobilindustrie auf ca. 22 Milliarden $.

Die enormen Kosten für Hersteller und Marken erlauben es nicht, dass Teile der Produktionsprozesse ungeprüft bleiben.

Wir haben von unseren Kunden in der Fabrikautomation einheitliches Feedback darüber erhalten, wie diese schwierigen Prüfungen an der Fertigungslinie durch Einbindung der Deep-Learning-Technologie in die In-Sight Plattform bewältigt werden könnten.

Glücklicherweise hat das Warten ein Ende, denn das neueste In-Sight Bildverarbeitungssystem, das D900 wurde entwickelt, um den Kunden zu helfen, ihre automatisier- und skalierbaren Prüfarten an der Fertigungslinie zu erweitern.

In-Sight D900 ist das erste Bildverarbeitungssystem mit integrierten Deep-Learning-Prüffunktionen, die es Benutzern ohne Programmierkenntnisse ermöglichen, das große Veränderungspotenzial der künstlichen Intelligenz (KI) zu nutzen. Die In-Sight ViDi-Software bewältigt Ihre schwierigsten OCR-, Montageüberprüfungs- und Defekterkennungsanwendungen während des Einsatzes ohne PC. Das In-Sight D900 hilft Herstellern mit seiner Kombination aus Leistungsfähigkeit, Zugänglichkeit und Benutzerfreundlichkeit Prüfungen durchzuführen, die zuvor unmöglich waren, während es schnelle, beständige und genaue Ergebnisse liefert.

Aus drei Hauptgründen ist das In-Sight D900 eine Hilfe für Fertigungsunternehmen und Automatisierungsingenieure in so verschiedenen Branchen wie der Automobil-, Verpackungs-, Elektronik- oder Lebensmittel- und Getränkeindustrie.

1. Anwendungen sind leicht zu erstellen und implementieren

Deep-Learning-Jobs für das In-Sight D900 werden mit der In-Sight ViDi Software erstellt, welche die intuitive In-Sight Spreadsheet-Benutzeroberfläche nutzt, um Deep-Learning-Anwendungen ohne Programmierung schnell einrichten und ausführen zu können. In-Sight Nutzer kennen und schätzen bereits die vertraute Programmierumgebung.

Für jene, die gerade erst damit beginnen, mit In-Sight zu arbeiten, vereinfacht Spreadsheet die Anwendungsentwicklung und rationalisiert die Integration in Werksnetze mit einem vollständigen I/O- und Kommunikationsfunktionsset. Sie ermöglicht es Benutzern auch, herkömmliche regelbasierte Bildverarbeitungstools von Cognex (wie PatMax Redline) und Deep-Learning-Tools im selben Job zu kombinieren, was zu einer schnelleren Durchführung führt.

In-Sight ViDi erfordert auch weitaus kleinere Bildsätze und kürzere Zeiten für das Trainieren und die Validierung als andere Deep-Learning-Lösungen. Daher lassen sich Anwendungen mit dem In-Sight D900 schnell und einfach einrichten, trainieren und implementieren.

2. Deep Learning ist in ein leistungsstarkes Smartkamera-Bildverarbeitungssystem integriert

Bisher war für den Einsatz von Deep Learning bei Prüfungen in der Fabrikautomatisierung eine Deep-Learning-Software erforderlich, entweder VisionPro ViDi oder ein Open-Source-Framework. Diese lief auf einem PC und war mit einer GigE-Kamera verbunden, was es noch komplexer machte, eine Deep-Learning-Lösung auf der Fertigungslinie anzuwenden.

Eine Anwendung mit dem In-Sight D900 wird dagegen nach ihrer Erstellung und Erlernen des Deep-Learning-Modells direkt an der Linie ohne PC eingesetzt. Denn das D900 umfasst einen Co-Prozessor mit integrierter Inferenzmaschine, die speziell entwickelt wurde, um komplexe Deep-Learning-Anwendungen bei Produktionsliniengeschwindigkeit zu meistern. Und wie andere In-Sight Bildverarbeitungssysteme ist es ein höchst modulares System, das für IP67-Anwendungen ausgelegt ist und vor Ort austauschbare Beleuchtung, Objektive, Filter und Abdeckungen umfasst, die genau an Ihre Anwendungsanforderungen angepasst werden können.

3. Automatisierung der anspruchsvollsten Prüfungen an der Fertigungslinie

Das In-Sight D900 Vision-System mit In-Sight ViDi Software brilliert besonders dann, wenn es um drei bestimmte Anwendungen geht: Defekterkennung, schwierige OCR und Montageprüfung. Diese Deep-Learning-Lösung mit den drei neuen Prüftools ViDi Detect, ViDi Read und ViDi Check kann bei vielen Anwendungen verwendet werden. Zum Beispiel ist ViDi Detect auf komplexen Teilen und Oberflächen, bei denen das Aussehen der Defekte unvorhersehbar sein kann, das ideale Tool für diese Aufgabe.

Es findet selbst komplexe Merkmale und Objekte in einem Bild oder überprüft anhand ihrer Lokalisierung in einem benutzerdefinierten Layout, ob Teile und Sets richtig montiert wurden. Was die OCR anbelangt, wissen wir alle, dass industrielle Bildverarbeitung bei guter Beleuchtung und deutlichem Kontrast für den zu lesenden Code gut funktioniert. Deep Learning liest die meisten Codes jedoch auch in rauer Industrieumgebung. Ob ein Code stark verformt, schief, schlecht geätzt ist oder sich auf einer reflektierenden Oberfläche bei ungünstiger Beleuchtung befindet, Deep Learning bewältigt all diese Situationen.

Fazit

Das In-Sight D900 ist wirklich das erste seiner Art: ein leistungsstarkes, intelligentes Bildverarbeitungssystem, welches in der Lage ist, Deep-Learning-Prüfungen direkt an der Fertigungslinie ohne PC durchzuführen. Deep Learning war allzu lange eine wissenschaftliche Theorie und auf große Technologieunternehmen beschränkt. Jetzt können Automatisierungsingenieure und Qualitätsmanager jedoch sein Potenzial direkt auf Werksebene nutzen.