Industrielle Bildverarbeitung und IIoT unterstützen die nächste Welle der Logistikeffizienz

Die vierte industrielle Revolution, oder Industrie 4.0, bringt Innovationsschübe in der Logistikbranche. Industrielle Bildverarbeitungstechnologien sind ein zentrales Element dieser Schübe.

Die Industrie 4.0, die häufig auch als industrielles Internet der Dinge (IIoT) bezeichnet wird, sieht folgendermaßen aus: Ausgeklügelte Sensornetzwerke füttern die Lernalgorithmen zur Verbesserung von Produktivität, Flexibilität und Rentabilität in den Produktionsumgebungen mit riesigen Mengen digitaler Daten. In der Logistikkette machen industrielle Bildverarbeitungssysteme das Potenzial vernetzter Sensoren für die Veränderung von Industrieprozessen sichtbar.

Logistikunternehmen tragen die Hauptlast des Anstiegs im digitalen Handel und werden zur treibenden Kraft der Branche, Technologien zur Rationalisierung von Geschäftsabläufen und zur Verbesserung der Kundenzufriedenheit einzusetzen. Niemand in der Logistik kann es sich daher leisten, das Potenzial der Industrie 4.0 zu übersehen.

Die Entwicklung der Industrie und Technologie: Ein kurzer Überblick 

Bevor wir uns in das große Potenzial der industriellen Bildverarbeitung in der Industrie 4.0 vertiefen, lassen Sie uns einen Blick auf die ersten drei Phasen werfen:

1.0: Dampfkraft. Zwischen 1760 und 1840 nutzte die erste industrielle Revolution die Dampfkraft, um Produktionsprozesse zu standardisieren, womit ein Wandel von der Agrar- zur Industriegesellschaft ausgelöst wurde.

2.0: Massenproduktion. Im ausgehenden 19. Jahrhundert ermöglichten Montagelinien es den Herstellern, komplexe Produkte in großen Mengen zu verkaufen. Die Automobilfabriken von Henry Ford waren ein Beispiel der Industrie 2.0.

3.0: Digitalisierung. Zwischen den 1950er- und 1970er-Jahren leiteten integrierte Schaltkreise, Netzwerke und Datenverarbeitungsanwendungen die Industrie 3.0 ein und schufen damit die Voraussetzungen für die vierte industrielle Revolution.

Werfen wir nun einen Blick auf das große Potenzial der Industrie 4.0.

Wie industrielle Bildverarbeitung die Industrie 4.0 in der Logistik ermöglicht

Sensoren, Netzwerke und Lernalgorithmen machen es einfacher, die Funktionsweise der industriellen Produktion in jeder Umgebung, vom Automobilwerk bis zur Ölraffinerie, zu verstehen und zu analysieren. Logistiksysteme, die Produkte lagern und ausliefern, illustrieren das Potenzial der Industrie 4.0. 

Das Zentrum einer Logistikkette ist ein Verteilzentrum, das vier Hauptaufgaben hat:

• Wareneingang – die Annahme der Endprodukte von Herstellern.
• Auftragskommissionierung – Abrufen der Produkte aus dem Lager und Vorbereitung für die Auslieferung
• Sortierung – Aufteilung von Produkten in Kategorien undihre Lagerung.
• Warenausgang – Verladung von Produkten auf Lkw für den Versand an die Kunden.

Industrielle Kameras machen das alles möglich, weil sie:

• Roboter bei der Aufnahme von Produkten führen
• Produktpakete identifizieren
• Pakete im gesamten Verteilzentrum nachverfolgen
• Pakete für Zwecke der Qualitätskontrolle inspizieren
• Artikel zur intelligenten Sortierung und Optimierung der Lkw-Ladung messen

Da die Logistikbranche in eine neue Phase eintritt, werden diese bewährten Bildgebungstools immer wichtiger.

Auftrag erfüllt: Bildverarbeitungsdaten steigern Wertschöpfung in der Industrie 4.0

Barcode-Scanner waren jahrzehntelang ein wesentlicher Bestandteil der Logistik. Sie stützten sich jedoch vorwiegend auf eine laserbasierte Technologie und verfügten nicht über die wertvollen Daten einer bildbasierten Kamera. In jüngster Vergangenheit wurden bildverarbeitungsgestützte Barcode-Lesegeräte zunehmend genutzt, um datenintensive Bilder zu erfassen und in der gesamten Lieferkette zu nutzen. Doch inzwischen stellen Unternehmen auch Überlegungen hinsichtlich einer Bildverarbeitungsprüfung zur Qualitätskontrolle in der Logistik an. In der Industrie 4.0 tragen bildbasierte Barcode-Lesegeräte dazu dabei, den Betrieb als Ganzes zu visualisieren und die Daten und Software dafür einzusetzen, dass alles besser funktioniert. Das geht folgendermaßen:

Datenwissenschaft und Deep Learning. Industrielle Bildverarbeitungssysteme erzeugen digitale Bilder, die in Echtzeit die wesentlichen Merkmale aller Komponenten im Verteilzentrum sichtbar machen. Lernalgorithmen analysieren Trainingsbilder, um den automatisierten Systemen im Verteilzentrum mitzuteilen, wie ein optimales Produkt aussieht.

Auf dem Transportweg der Produkte durch das Verteilzentrum übermitteln industrielle Bildverarbeitungskameras digitale Bilder an eine Deep-Learning-Anwendung, die Abweichungen von den Trainingsbildern markiert. Die Algorithmen werden optimiert, damit sie im Laufe der Zeit genauer werden, da die Systeme mit neuen Bildsätzen erneut trainiert werden.

Qualitätskontrolle. Deep-Learning-Anwendungen unterstützen Verteilzentren bei der genaueren Produktsortierung und Auftragsabwicklung, da die Kameras ständig nach Artikeln mit beschädigten Etiketten, fehlenden Etiketten, beschädigten Verpackungen und anderen Problemen Ausschau halten, die eine Verschlechterung der Kundenerfahrung nach sich ziehen würden.

Vorbeugende Instandhaltung und Problembehebung. Deep-Learning-basierte Bildverarbeitungssysteme können auch programmiert werden, um Komponenten der Produktionslinie auf Anzeichen von Verschleiß zu prüfen. Im Laufe der Zeit lernen diese Algorithmen, genaue Prognosen darüber zu liefern, wann Teile wahrscheinlich ausfallen. Es ist weitaus weniger kostspielig, Förderbänder während planmäßiger Wartungszeiten für eine Reparatur stillzulegen, als wenn es zu unerwarteten Ausfällen kommt.

Da sich der Handel in den kommenden Jahren noch mehr in den Online-Bereich verlagert und Bestellungen das ganze Jahr über täglich rund um die Uhr eintreffen, werden Verteilzentren weit weniger Spielraum für Fehler haben. Das erhöht den Druck auf Logistikunternehmen, sorgfältige Fehleranalysen zur Feststellung von Schwachstellen durchzuführen, die Wartung zu optimieren und das Risiko für zeitintensive Ausfälle zu beschränken.

Moderne Robotertechnik. Hersteller können mit Industrierobotern sensible Prozesse wie die Halbleiterfertigung automatisieren. Diese Roboter stützen sich bei der hochpräzisen Ausrichtung von Komponenten auf Bildverarbeitungskameras. Ebenso helfen Barcode-Lesegeräte und Bildverarbeitungskameras Robotern in der Logistik, fertige Packungen auf eine Palette zu stellen, damit man sich in der Ausgangslogistik nicht mehr auf Menschen stützen muss. Lernalgorithmen tragen zu einer ständigen Verbesserung von Genauigkeit und Durchsatz bei.

Ein Bereich erfordert immer noch menschliche Eingaben: die Aufnahme von Produkten und deren Platzierung in Lieferkartons bei der Auftragskommissionierung. Bisher sind Roboter nicht besser als die Augen, das Gehirn und die Finger von Menschen, aber das wird sich wahrscheinlich in wenigen Jahren ändern. Startups arbeiten an der Nachbildung der Bewegungen der menschlichen Hand und der Lernfunktionen des Gehirns und seiner Sehzentren. Es ist nur eine Frage der Zeit, bis sie herausfinden, wie der Kommissioniervorgang automatisiert werden kann.

Cognex ebnet den Weg für Industrie 4.0 in der Logistik

Von Deep-Learning-Software unterstützte industrielle Bildverarbeitungskameras und Sensoren sind grundlegende Faktoren für die Entwicklung der nächsten Robotergeneration im Verteilzentrum. Darüber hinaus werden Fortschritte im 5G-Wireless-Netzwerk und bei Edge Computing-Geräten die Netzwerklatenz verringern und es dem Personal in Verteilzentren ermöglichen, noch mehr Ineffizienzen aus ihren automatisierten Systemen zu eliminieren.

All dies funktioniert jedoch nicht ohne bewährte Vision-Systeme der Industrieautomation, wie sie Cognex seit Jahrzehnten perfektioniert hat. Unsere Kombination aus benutzerfreundlicher Deep-Learning-Software und robusten, zuverlässigen industrielle Bildverarbeitungssystemen sowie bildbasierten Barcode-Lesegeräten mit Edge Intelligence Software ist in der Branche unübertroffen.