• Cognex Vertrieb: +49-721-958-8052

  • Kontakt

Cognex Blogs

Künstliche Intelligenz trägt zur Steigerung der Fertigungskapazitäten bei

Boost Manufacturing with AI Large

Jahrzehntelang war die Automatisierung mithilfe der industriellen Bildverarbeitung ein beliebter Ansatz für produzierende Unternehmen, ihre Margen zu steigern. Heute bietet Ihnen die KI-basierte Automatisierung neue Möglichkeiten, ihre Geschäftsprozesse zu verbessern und neue Kundensegmente zu erschließen.

Im Wesentlichen ermöglicht KI, dass Maschinen- und Computersysteme anhand von Daten und Beispielen lernen, um Ergebnisse vorherzusagen. Laut Forrester Research führen bereits 53% der technologischen Entscheidungsträger entweder KI ein oder erweitern ihren Einsatz von KI, während weitere 20% planen, KI in den nächsten 12 Monaten einzuführen. Die produzierende Industrie ist neben dem Gesundheitswesen und dem Handel eine der größten Branchen, in der KI genutzt wird. Die Ausgaben für KI in der Fertigung werden pro Jahr voraussichtlich um fast 50 Prozent steigen und bis 2025 eine Höhe von $17,2 erreichen.

KI kann für so verschiedene Bereiche wie Supply Chain Management, Qualitätsprüfung und Inspektion oder für die vorbeugende Instandhaltung genutzt werden. Die Möglichkeiten, die sich durch den Einsatz der künstlichen Intelligenz ergeben, veranlassen Unternehmen dazu, ihre Geschäftsprozesse komplett zu überdenken. Doch obwohl diese Technologie immer benutzerfreundlicher wird, so tun sich viele Hersteller immer noch schwer damit, sie in vollem Umfang zu nutzen. Die Befürchtungen sind, dass die Kosten zu hoch, die Implementierung zu komplex und die Ergebnisse nicht zuverlässig genug sind.

Mit klarer Zielsetzung, z. B. höhere Genauigkeit bei der Fehlererkennung, Vermeidung von falschem Ausschuss oder Zeiteinsparung, können Hersteller, die KI nutzen, insbesondere mit Deep-Learning-basierten Anwendungen als Teil ihrer Automatisierungsstrategie, erhebliche wirtschaftliche Vorteile haben.

 

Ein erfolgreiches Deep Learning Projekt kann zu Kosteneinsparungen führen, die Gewinnspanne erhöhen und helfen, die eigenen Fertigungsprozesse besser zu verstehen. Anfangs fallen mit der Einführung einer Deep-Learning-Lösung Kosten für Software und Hardware, Entwicklung und Personal an. Darüber hinaus kostet die Erstellung der Datensätze Zeit. Doch der direkte und indirekte Nutzen ist substantiell.

Hier gehen wir auf den erwartbaren, also direkten, sowie indirekten Nutzen ein, der über die ROI-Berechnung hinausgeht.

Senkung der Kosten und Gemeinkosten

Hersteller, die bereit sind, das Risiko auf sich zu nehmen, herkömmliche Arbeitspraktiken zu ersetzen — insbesondere die manuelle Inspektion bei Aufgaben, die für industrielle Bildverarbeitung zu komplex sind — werden mit geringeren Gemeinkosten belohnt. Die Kosten für die manuelle Inspektion sind abhängig von Löhnen, Personalfluktuation und Einarbeitungs- bzw. Schulungskosten. Bei voller Konzentration sind menschliche Prüfer den automatisierten Lösungen häufig überlegen. Die meisten Bediener können diese Aufmerksamkeit jedoch nur 15 bis 20 Minuten lang halten, was zu unregelmäßigen Ergebnissen innerhalb einer Schicht oder zwischen verschiedenen Fertigungsstraßen führt. Wenn sie die Amortisation eines KI-Projekts berechnen, sind viele Hersteller überrascht, wie schnell sich ihre Leistung und ihr Durchsatz verbessern.

Schnellere Implementierung

Das mag überraschend klingen, da viele annehmen, dass die Anlaufzeit bei der Planung einer KI-Anwendung beträchtlich ist.  Eine neue, benutzerfreundliche KI-Software, die für die Fabrikautomation entwickelt wurde, kann jedoch die Einführungszeit beschleunigen. Die Programmierung und Betreuung komplexer Bildverarbeitungsanwendungen, die ein Element des menschlichen Urteils einschließen, nämlich die Fehlerbibliotheken, kann bei Berücksichtigung aller möglichen Ausnahmen und Filter immens aufwändig werden. Anstatt Algorithmen zu schreiben oder komplizierte Regeln für einen Computer zu programmieren, bringt KI demselben System bei, aus Datensätzen zu lernen und Entscheidungen anhand dieser Beispiele zu treffen. Mit Hilfe weniger Ingenieure und einiger hundert bis tausend Trainingsbilder kann eine KI-Anwendung in wenigen Wochen implementiert, getestet und verbessert werden.

Verbesserung der Analysemöglichkeiten und vorgelagerte Prozesskontrolle

Eine KI-Lösung, die Prüfergebnisse dokumentiert, gibt den Nutzern Sicherheit sowie die Möglichkeit, Prüfbilder und Entscheidungen bei künftigen Fehlern nachträglich zu prüfen. Nach der erfolgreichen Automatisierung einer Endprüfstation ist es oft möglich, die Prüfschritte vor die In-Line-Inspektion zu verlegen. Das senkt Kosten, da fehlerhafte Teile früher im Prozess erkannt und nicht bearbeitet, montiert oder verpackt werden. Deep-Learning-basierte Bildverarbeitung kann schließlich mit anderen Maßnahmen zur Prozessverbesserung kombiniert werden, z. B. für den Abgleich konkreter Bildverarbeitungsdaten mit anderen Größen wie Prozessanweisungen, Komponentenlieferanten, Anlagenunterschieden, Werksstandorten uvm.

KI ist die neue arbeitssparende Automatisierungstechnologie, die Herstellern dabei hilft, zusätzliche Gewinne zu erzielen und in den Genuss eines indirekten Nutzens über die Lieferkette zu kommen. Wenn KI als Teil eines strategischen Gesamtautomatisierungsplans begriffen wird, kann diese Technologie Produktionsunternehmen helfen, ein neues Leistungsniveau zu erzielen, den Unternehmenswert zu steigern und einen entscheidenden Wettbewerbsvorteil zu erzielen.

Laden Sie das kostenlose Whitepaper von Cognex „Deep Learning für die automatische Fertigung“ herunter, um mehr zu erfahren.

Weitere Posts auf

Ihr persönlicher Zugang zu Support & Training für Produkte & Mehr

BENUTZERKONTO ANLEGEN

SIE HABEN EINE FRAGE?

Cognex is weltweit vertreten, um Sie bei Ihren Vision- und Barcode-Anwendungen zu unterstützen.

Kontakt
Loading...