Was ist Edge Learning?

Fertigungs- und Logistikunternehmen aller Art haben mit einer wachsenden Zahl von Herausforderungen zu kämpfen, darunter Unterbrechungen der Lieferkette, die Bindung qualifizierter Arbeitskräfte und steigende Transport- und Rohstoffkosten. Im Zuge dieser Markttrends wird die künstliche Intelligenz (KI) als die Technologie angepriesen, die bahnbrechende Veränderungen herbeiführen und diese Problematiken durch effizientere Arbeitsabläufe, geringere Kosten, bessere Qualität und höhere Betriebszeiten verringern kann (Rapp).

KI hat es jedoch schwer, Fuß zu fassen, insbesondere bei kleinen und mittleren Unternehmen. Die Verlockung größerer Effizienz und eines höheren Durchsatzes ist faszinierend, aber einige Logistik- und Produktionsbetriebe sind immer noch skeptisch, ob KI einen bedeutenden Einfluss auf die Produktion haben sollte. Und Faktoren wie die wahrgenommene Lernkurve, der Personalbedarf und die Investitionen in die technologische Infrastruktur (Fujimaki) können bei Unternehmen die falsche Vorstellung hervorrufen, dass KI teuer, zeitaufwändig und schwierig zu implementieren ist.

Edge Learning hilft dabei, mit diesem Missverständnis aufzuräumen, und bietet eine praktische, skalierbare KI-basierte Lösung für die Automatisierung von Fertigungs- und Logistikanwendungen.

Was ist Edge Learning?

Edge Learning ist eine KI-Technologie, bei der die Verarbeitung auf dem Gerät oder „at the edge“ (an der Peripherie) des Usprungsortes der Daten stattfindet. Die Technologie basiert auf einer Reihe von vorab trainierten Algorithmen und ist einfach einzurichten. Sie erfordert im Vergleich zu anderen KI-basierten Lösungen, wie z. B. Deep Learning, weniger Zeitaufwand und weniger Bilder für das Training.

Edge Learning ist eine praktikable Lösung, sowohl für Einsteiger als auch für Experten. Es kann von Ingenieuren eingesetzt werden, die eine einfache Möglichkeit suchen, Automatisierung in ihre Anlagen zu integrieren, oder von erfahrenen Ingenieuren, die regelmäßig industrielle Bildverarbeitung einsetzen, aber nicht über spezielle KI-Kenntnisse verfügen. Da Edge Learning sowohl extrem leistungsfähig als auch einfach zu bedienen ist, können mit dieser Technologie eine Reihe von Anwendungen in der Fabrik und in verschiedenen Branchen automatisiert werden.

Was sind die Vorteile von Edge Learning?

Edge Learning macht Automatisierung einfach. 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. Die Lösung benötigt nur eine Handvoll Beispielbilder, um den Unterschied zwischen zulässigen und nicht zulässigen Teilen zu erkennen, und erfordert keine Vorkenntnisse im Bereich KI oder industrieller Bildverarbeitung. Lesen Sie weiter, um mehr über die Vorteile dieser leistungsstarken Technologie zu erfahren.

ELJR Tabelle

Anwendungsbroschüre Edge Learning herunterladen

Wie funktioniert Edge Learning?

Mit einer einzigen, Smart-Kamera-basierten Lösung kann Edge Learning innerhalb von Minuten in jeder Fertigungslinie eingesetzt werden. Bei dieser Art von Lösung werden in der Regel mehrere Komponenten, u. a. Hardware für die Bildverarbeitung, regelbasierte Tools und Funktionen der KI, integriert.

Hardware

Edge Learning läuft vollständig in einer Smart-Kamera ab, die mit integrierter Beleuchtung, einem Autofokusobjektiv und einem leistungsstarken Sensor ausgestattet ist. Die Zusammenarbeit dieser Komponenten bietet präzise Prüfungsmöglichkeiten.

Die Beleuchtung ist ein Schlüsselfaktor für eine qualitativ hochwertige Aufnahme, da sie für maximalen Kontrast, die Reduzierung dunkler Bereiche und die Wiedergabe der erforderlichen Detailschärfe erforderlich ist.

Ein Hochgeschwindigkeits-Autofokus-Objektiv sorgt dafür, dass der Zielbereich selbst bei Änderungen des Abstands immer scharf eingestellt ist. Dabei wird der Fokus bei Änderungen des Zielbereichs (region of interest / ROI) sofort angepasst. Autofokus-Flüssiglinsen sind kleiner und leichter als die entsprechenden mechanischen Linsen. Dadurch können Größe und Gewicht der Kamera reduziert werden. Gleichzeitig ist die Kamera sehr widerstandsfähig gegen Stöße und Vibrationen einer Fertigungslinie.

Ein großer und leistungsfähiger Sensor bietet für jede beliebige Anwendung eine hohe Auflösung und ein breites Sichtfeld (field of view / FOV).

Bildverarbeitungstools

Regelbasierte Bildverarbeitungstools eignen sich gut für eine Vielzahl von speziellen Aufgaben wie Lokalisierung, Messung und Ausrichtung. Für die Zwecke des Edge Learning werden sie auf eine den Anforderungen der Fabrikautomatisierung entsprechende Weise miteinander kombiniert und machen Fließbandüberwachungstools oder den Aufbau komplexer logischer Sequenzen beim Trainieren überflüssig.

Diese Tools liefern eine schnelle Vorverarbeitung von Bildern und extrahieren Dichte, Konturen und sonstige Informationen über die Merkmale zur Erkennung und Analyse von Fertigungsfehlern. Durch die von diesen Tools durchgeführte Identifizierung und Verdeutlichung der relevanten Bildbereiche wird der Rechenaufwand im Vergleich zum herkömmlichen Deep Learning reduziert.

KI-Fähigkeiten

Anstatt von menschlichen Programmierern erstellte Regeln einzusetzen, lernt KI durch Beispiele, sie baut ein neuronales Netz auf und erstellt auf der Basis gelabelter Beispiele für zulässige und nicht zulässige Teile effiziente Pass/Fail-Grenzwerte. Im Grunde genommen imitiert sie die Art und Weise, wie Menschen lernen.

Für KI-Fähigkeiten kann ein hoher Trainingsbedarf erforderlich sein. Edge Learning dagegen nutzt den Umstand, dass Bilder für die Fabrikautomatisierung spezielle strukturelle Inhalte aufweisen und trainiert seine Algorithmen mit diesem branchenspezifischen Wissen vor. Die Anwendung ist weniger lernintensiv, weil man nicht bei Null anfangen muss.

Wofür wird Edge Learning eingesetzt?

Hersteller und Logistikunternehmen können Edge Learning implementieren, um eine Vielzahl von Herausforderungen in allen Branchen zu bewältigen, von der Automobil- und Elektronikindustrie bis hin zu Konsumgütern und Logistik.

Automobilindustrie: Strukturierte Bleche inspizieren

Prüfungen in der Automobilindustrie

Sicherung der Qualität durch Edge Learning zur Erkennung und Klassifizierung von Mängeln und zur Unterscheidung zwischen Fehlern und zulässigen Anomalien.

Elektronikindustrie: Qualitätsprüfung von Widerständen Prüfungen in der Elektronikindustrie

Widerstände werden geprüft und mithilfe von Edge-Learning-Tools als „NOK“ (beschädigt oder zerkratzt) oder OK klassifiziert.

Verpackung: Klassifizieren und Sortieren nach Größe und Farbe

Verpackungsprüfung

Edge-Learning-Tools klassifizieren und sortieren Produkte auf der Grundlage von Größe, Farbe und visuellen Merkmalen.

Logistik: Prozessstörungen erkennen

Erkennung von Störungen in der Logistik

Verhinderung von Schäden an der Anlage oder Verzögerungen bei der Verarbeitung durch Bestimmung der Hygiene von Schalen oder Identifizierung von Gegenständen, die in Cross-Belt-Sortierer oder auf Förderbändern feststecken.

Fazit

Eines der häufigsten Hemmnisse für den Einsatz von KI in der Fabrikautomatisierung ist ihre vermeintliche Komplexität. Dank der Fortschritte in der KI-Technologie, wie beispielsweise Edge Learning, gehört dieses Wahrnehmung jedoch nun der Vergangenheit an.

Edge Learning ist eine bahnbrechende Technologie, die sowohl extrem leistungsfähig als auch einfach zu implementieren ist. Es kann eine Vielzahl von Aufgaben automatisieren, ohne dass KI-Vorkenntnisse oder technisches Fachwissen vorhanden sein müssen. Von der Teileprüfung bis hin zu Anwendungen zum Sortieren und Lesen von Zeichen bietet Edge Learning eine einfache Lösung, um die Automatisierung in der Fabrikhalle voranzutreiben.

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