• Cognex Vertrieb: +49-721-958-8052

  • Kontakt
Blog-Banner von Cognex kleiner DataMan und Objektiv aus der Nähe

Cognex Blogs

4 Mythen über industrielle KI – aufgedeckt

__AI Missverständnisse_ Klein_ Groß

Künstliche Intelligenz (KI) ist nahezu in jedem Bereich des modernen Lebens zu finden. Sie empfiehlt Ihnen den besten Weg zur Arbeit, schlägt Ihnen während der Fahrt Musik oder Podcasts vor, schaltet im Laufe des Tages unzählige Anwendungen und Geräte ein und gibt Ihnen, wenn Sie nach Hause kommen, Empfehlungen zu streambaren Sendungen oder Filmen.

KI werden wir nicht wieder los. 

Industrielle KI kann Herstellern dabei helfen, die Betriebszeit mit Überwachungs- und vorbeugenden Wartungsprogrammen zu maximieren und Ertragsausfälle und Defekte zu erkennen (Cavallo). Und ihre Fähigkeit zur Vorhersage kann Lern- und Prognosemodelle für die Nachfrage erstellen (Koev).

KI hat sich jedoch in der Industrieautomation bisher nur schwer durchsetzen können. Viele Unternehmen kämpfen noch immer mit den Grundlagen und sind sich unsicher, ob KI bedeutende Erträge liefern kann.

In IBMs 2022 Global AI Adoption Index Report gaben 34 % der Befragten an – ca. 2.550 Unternehmen aus der ganzen Welt –, dass die Implementierung von KI durch einen Mangel an KI-Expertise verhindert wird (IBM). Weitere Faktoren, die die weit verbreitete Nutzung von KI verhindern, sind Kosten (29 %), fehlende Tools/Plattformen (25 %), Schwierigkeiten und Skalierbarkeit (24 %) sowie die Komplexität der Daten (24 %).
Hier untersuchen wir diese Hemmnisse und räumen mit weit verbreiteten Missverständnissen über KI in Produktion und Logistik auf.

Nr. 1 – Begriffe sind austauschbar und unwichtig.

Bevor Sie die Möglichkeiten der KI erkunden, ist es wichtig, die verschiedenen Formen, Funktionen und Machbarkeiten der Technologie zu verstehen. Auch wenn sich einige Begriffe überschneiden oder auf den ersten Blick synonym erscheinen, ist das Verständnis der Nuancen von KI der erste Schritt, um festzustellen, ob die Technologie für Ihre Bedürfnisse geeignet ist.

Algorithmus: Eine Reihe von Anweisungen und Berechnungen, mit deren Hilfe ein Computer ein Ziel erreicht. Ein „Lern“-Algorithmus verwendet Methoden, die auf Versuch und Irrtum sowie Lernen an Beispielen basieren, um Produktionsprozesse ohne menschlichen Eingriff zu optimieren.

Künstliche Intelligenz: Eine Gruppe von Computertechniken, mit denen versucht wird, die menschliche Entscheidungsfähigkeit zu imitieren. Die Automatisierung wird hierbei für die Durchführung von Aufgaben verwendet, die für den Menschen schwierig sind, indem Bilderkennung, Verarbeitung natürlicher Sprach und andere Technologien eingesetzt werden.

Deep Learning: Eine KI-Technologie, die für die Automatisierung komplexer und in hohem Maße benutzerdefinierter Anwendungen entwickelt wurde. Die Verarbeitung erfolgt über eine Grafikverarbeitungseinheit (GPU), die eine schnelle und effiziente Analyse großer Bildmengen ermöglicht, um subtile Defekte zu erkennen und zwischen zulässigen und nicht zulässigen Anomalien zu unterscheiden.

Edge Learning: Eine auf Benutzerfreundlichkeit ausgelegte KI-Technologie. Die Verarbeitung erfolgt direkt auf dem Gerät oder „at the edge“ (an der Peripherie) mit einer Reihe von vorab trainierten Algorithmen. Die Technologie ist einfach einzurichten und erfordert kleinere Bildsätze (lediglich 5 bis 10 Bilder) und kürzere Trainingszeiten als herkömmliche Deep-Learning-basierte Lösungen. 

Maschinelles Lernen: Rechenprozesse, die ohne menschliche Programmierung Ergebnisse verbessern können. Maschinelle Lernalgorithmen trainieren einen Computer im Hinblick darauf, viele Millionen Male nach Erfolg zu suchen und Fehler zu vermeiden, um Lernergebnisse hervorzubringen. 

Industrielle Bildverarbeitung: Regelbasierte Algorithmen, die bestimmte Merkmale eines Objekts erkennen. Obwohl Bildverarbeitungs-Tools bereits viel schneller als das menschliche Auge arbeiten, kann KI die Genauigkeit und Effektivität dieser Tools deutlich verbessern.

iStock-1281389422_600x700px

Nr. 2 – KI wird Arbeitsplätze ersetzen und das Misstrauen unter den Arbeitnehmern fördern.

Der Mythos, dass neue Technologien Arbeitsplätze ersetzen, lässt sich wahrscheinlich bis zur Erfindung des Rades zurückverfolgen. Die Wahrheit ist ein wenig komplizierter.

Fortschritte in der industriellen Technologie, einschließlich KI, kommen selten aus dem Nichts. Sie wurden entwickelt, um Leistung, Effizienz, Qualität und Fähigkeiten zu verbessern. Es ist leicht zu verstehen, warum Verbrennungs- und Dampfmaschinen Pferde und Kutschen effektiv ersetzt haben, oder wie der Telegraf neue Kommunikationswege im Vergleich zu Briefen, die von Hand zugestellt wurden, eröffnete. Diese Innovationen lösten andere Formen der Technologie ab. Obgleich der Motor das Pferd und die Kutsche verdrängte, schuf die Technologie eine völlig neue Industrie, indem sie den Massentransporte ermöglichte und die Logistik, die private Beförderung und den Versand veränderte.

Dasselbe gilt für die KI. Unternehmen wird klar, dass KI keine Arbeitsplätze abschafft, sondern die Mitarbeiter mit KI zusammenarbeiten können, um eine höhere Produktivität zu erreichen und neue Möglichkeiten zu eröffnen. 

KI kann die Menge an banalen, sich wiederholenden Aufgaben reduzieren und den Arbeitnehmern die Möglichkeit geben, andere kreative oder hochqualifizierte Aufgaben zu übernehmen. In 2018 begann eine in New York ansässige Wohltätigkeitsorganisation mit der Implementierung von KI für Dateneingabeaufgaben, was dazu beitrug, die jährliche Mitarbeiter-Fluktuationsrate des Unternehmens von 42 % auf 17 % zu senken (Knight).

Die Technologie findet breite Anwendung in der Fertigung und Logistik, um den anhaltenden Arbeitskräftemangel und andere chronische Problemen zu bewältigen. In Verbindung mit der Robotik kann KI Aufgaben wie Objektvermeidung und Oberflächenkartierung erleichtern, um Waren innerhalb von Einrichtungen zu befördern. In Verbindung mit industriellen Bildverarbeitungssystemen kann die KI wiederkehrende, aber wesentliche Aufgaben der Qualitätskontrolle übernehmen, beispielsweise die Erkennung der Vorhandensein/Fehlen von Teilen oder deren Prüfung (Gow).

Durch den Einsatz von KI für alltägliche Aufgaben können die Einrichtungen ihre Ressourcen für anspruchsvollere Aufgaben einsetzen und die an der vorderster Front beschäftigten Mitarbeiter unterstützen, indem die Arbeitsbelastung besser verteilt wird.

iStock-1206251797_600x700px

Nr. 3 – Industrielle KI erfordert Tausende von Bildern und große Datensätze

Wie real dieses Missverständnis ist, lässt sich mit einem der Lieblingsaussagen von Ingenieuren zusammenfassen: Es kommt darauf an.

KI ist ein weites Feld, das zahlreiche Arten von Technologien umfasst, die auf unterschiedlichste Weise angewendet werden können. Damit KI komplexe Anwendungen wie die Erkennung von Anomalien an Schweißnähten oder die Analyse von Nahtmustern in Textilien übernehmen kann, muss die Technologie umfangreich modelliert, entwickelt und getestet werden. Hierfür sind datenintensive Deep Learning-basierte Lösungen hervorragend geeignet.

Allerdings können auch einfachere KI-Formen ähnliche Aufgaben übernehmen, inklusive Defekterkennung und Klassifizierung/Sortierung. Die Edge-Learning-Technologie benötigt beispielsweise nur 5–10 Bilder, um zu trainieren, und kann von an vorderster Front beschäftigten Mitarbeitern eingesetzt werden, die keine Vorkenntnisse benötigen.

Zunächst trainiert ein Bediener das System anhand der Anwendung. In einem Szenario zur Teileprüfung würde der Benutzer dem System beispielsweise Bilder von einem zulässigen Teil und von Teilen mit Mängeln vorlegen. 

Mit nur einer Handvoll Bilder nutzt die Edge Learning-Technologie fortschrittliche Algorithmen, um zwischen zulässigen und nicht zulässigen Teilen zu unterscheiden. Sobald das System darauf trainiert ist, gute von schlechten Teilen zu unterscheiden, können die Benutzer die Lösung in der Fertigungslinie einsetzen. 

iStock-531173386_600x700px

Nr. 4 – Man braucht einen Doktortitel und ein Team von Datenwissenschaftlern, um KI-Lösungen zu implementieren.

Das Entwickeln, Gestalten und Testen von KI erfordert ein umfassendes Know-how, aber moderne KI-Lösungen können von an vorderster Front beschäftigen Mitarbeitern innerhalb weniger Minuten eingesetzt werden.

Die Edge Learning-Lösungen von Cognex laufen komplett in einer Smart-Kamera mit integrierter Beleuchtung, einem Autofokus-Objektiv und einem leistungsstarken Sensor. Zusammen sorgen diese Elemente für präzise Prüf-

möglichkeiten.

Da die Technologie weder spezielle Kenntnisse im Bereich der industriellen Bildverarbeitung noch der KI erfordert, können die Ingenieure die Technologie mit ihrem vorhandenen Wissen über die erforderlichen Aufgaben trainieren. Durch die Identifizierung und Verdeutlichung der relevanten Bildbereiche können fortschrittliche Bildgebungshardware und Edge-Learning basierte Software den Rechenaufwand im Vergleich zu herkömmlichen Deep Learning-Ansätzen reduzieren.

iStock-1219894345_600x700px
 
Fazit

KI ist keine Modeerscheinung oder eine spezialisierte Anwendung für bestimmte Märkte, sondern ein weites Feld, das den Industriesektor auf vielfältige Weise unterstützen kann. Die Technologie hat sich weiterentwickelt und ist benutzerfreundlicher geworden. Sie hat sich in der Praxis in der Produktion und Logistik bewährt und bietet eine optimierte Qualitätskontrolle, eine verbesserte Rückverfolgbarkeit der Produkte und ermöglicht es den Einrichtungen, Fehler früher im Produktionsprozess zu erkennen.

Spezialisierte KI wird eingesetzt, um eine bestimmte Aufgabe zu automatisieren, indem Daten und Muster analysiert werden, damit zukünftige Aktionen gesteuert werden können (Autor, Mindell, Reynolds). So wird spezialisierte KI in der Fertigung und Logistik eingesetzt, um Teile zu prüfen, das Vorhandensein oder Fehlen bestimmter Komponenten zu bestätigen und Pakete zu sortieren. 

Insbesondere Edge Learning ist für die schnelle Implementierung konzipiert. Es sind nur wenige Bilder erforderlich, um zwischen zulässigen und nicht zulässigen Teilen zu unterscheiden, wobei die gesamte Verarbeitung auf einem einzigen Gerät stattfindet. Es handelt sich um eine Technologie, die von Technikern in wenigen Minuten implementiert werden kann und die Bediener bei der Rationalisierung von Arbeitsabläufen, der Verbesserung der Produktqualität und der Steigerung der Effizienz unterstützt.

Recherchen und Informationen zu KI in der Fertigung und den oben beschriebenen Verfahren stammen aus den folgenden Quellen:

Weitere Posts auf

ERHALTEN SIE ZUGANG ZU SUPPORT & TRAINING FÜR PRODUKTE & MEHR

Werden Sie Teil von MyCognex

SIE HABEN EINE FRAGE?

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

Kontakt