Strategische Produktionsplanung als Joker der Bildverarbeitung

Deep Learning prägtdie Vision-Zukunft

Anzeige
Deep Learning ermöglicht in der Fabrik der Zukunft die Analyse riesiger Datenmengen. Bildverarbeitung als Auge der Produktion stellt dafür Daten und intelligente Algorithmen zur Verfügung.

Die analytischen Daten der optischen Sensorik ermöglichen die Erkennung von Mustern, Positionen und Abweichungen sowie die inhärente Überprüfung aller Prozesse für eine automatisierte Fertigungssteuerung. Damit ist die Bildverarbeitung ein wichtiger Teil der sich selbststeuernden Fabrik der Zukunft. Der Einsatz lässt sich in drei Kernbereiche aufteilen:

  • Im Rahmen der Mensch-Maschine-Kollaboration informiert das Vision-System Roboter, wo der Mensch sich gerade aufhält und verhindert Kollisionen, Verletzung oder Anlagenausfälle.
  • Mit der lückenlosen Analyse von Produktionszyklen wird die vorausschauende Wartung und flexible Anlagensteuerung für die One-to-One-Produktion und Losgröße 1 möglich.
  • Der große Trumpf der Bildverarbeitung ist die übergeordnete strategische Rolle, die sie mit intelligenten Analysen in Unternehmen einnehmen kann.

Die klassische Bildverarbeitung hat ihren Ursprung im Machine Vision Bereich, also in der Automatisierung und Inspektion der standardisierten Sorten- oder Massenfertigung. Vorteil ist ein fest definiertes Umfeld mit einem sehr genauen Wissen darüber, welche Art Produkt oder Werkstück betrachtet wird. Somit ist ein klares Regelwerk für eine eindeutige Ja-Nein-Klassifizierung definierbar.

Starre Regelkonzepte sind aber für die Fabrik der Zukunft nicht mehr anwendbar: Denn Industrie 4.0 basiert auf flexiblen, sich selbst adaptierbaren Produktionssystemen. Machine Learning Konzepte als nächster Evolutionsschritt der Bildverarbeitung benötigen daher weniger starre Regelwerke, sondern setzen auf vorverarbeitete Daten. Musterformen oder CAD-Modelle dienen als Basis zur Klassifizierung und die Maschine durchläuft eine Trainingsphase zum Einlernen.

Dazu nimmt sie große Datenmengen auf und lernt anhand einer manuellen Einschätzung „gut oder schlecht“ zu trennen. Das mathematische Konzept des multidimensionalen Merkmalsraums wird zur Definition von Bereichen ohne gegenseitige Überschneidung genutzt, die eine bessere Objektklassifizierung ermöglichen.

Deep Learning kommt sogar mit Unmengen von unverarbeiteten Daten als Rohmaterial zurecht, die keinerlei vorgegebene Merkmalsdefinition mitbringen. Der Zustand von Maschinen, Einstellungen, Verschleiß, Qualität des gerade produzierten Produkts und weitere Netzwerkinformationen laufen in einem Big Data Pool ungeordnet zusammen.

Hohe Variationsvielfalt

„Vergleichbar mit kognitiven Lernprozessen bei Kleinkindern setzt ein Selbstlernprozess ein, der eigenständig sich wiederholende Merkmale, Strukturen, Muster und Zusammenhänge erkennt und Synapsen bildet, auf deren Basis der Algorithmus lernt und Bilder verarbeitet“, erläutert Dr. Simon Che‘Rose, Entwicklungsleiter beim Bildverarbeitungsspezialisten Framos. „Für eine Maschine oder Produktionsstraße im Rahmen von Industrie 4.0 ist somit der Umgang mit einer hohen Variationsvielfalt auch unter wechselnden Umgebungsbedingungen gegeben, eine robuste Produktion ohne Qualitätsverlust garantiert.“

Deep Learning versetzt Anlagen und Roboter also in die Lage, selbstständig und zuverlässig valide Entscheidungen zu treffen. Che‘Rose: „In der verbesserten strategischen Planung basierend auf der Analyse großer Datenmengen liegt also das größte Potenzial der Bildverarbeitung. Plötzlich lassen sich Zusammenhänge bilden und Erkenntnisse ableiten, die vorher unsichtbar waren.“

Backprozess optimiert

Ein konkretes Beispiel: Vor den Filialen einer amerikanischen Bäckereikette bildeten sich plötzlich lange Schlangen, nachdem das Unternehmen seinen Backprozess mit Unterstützung von bildverarbeitungsbasierten Datenanalysen optimiert hatte.

In den Öfen installierte Kameras hatten über Monate in den Filialen Bräunungsgrad und Formentwicklung des Backwerks in Verbindung mit verschiedenen Ofeneinstellungen und Umgebungsbedingungen beobachtet. Die Bäckerei konnte damit die optimale Einstellung bzw. die Definition des automatisiert gesteuerten Backprozesses für das perfekte Brot herausfinden.

Che‘Roses Fazit: „Bildverarbeitung wird so zukünftig einen Beratungscharakter einnehmen und mit dieser strategischen Rolle ihr volles Potenzial entfalten. Als technologisches Auge hat sie Maschinen das Sehen gelehrt, jetzt ermöglicht ihre Systemeinbettung und -vernetzung das analytische Denken und eliminiert in variablen Umfeldern unternehmerische Risiken.“

Framos GmbH

www.framos.com


Mehr zum Thema Industrie 4.0


Hier finden Sie mehr über:
Anzeige

Aktuelle Ausgabe

Titelbild Automationspraxis 12
Ausgabe
12.2019
LESEN
ARCHIV
ABO

KUKA: Smarte Automatisierung

KUKA Roboter Hochschule Karlsruhe

Smarte Automatisierung mit KUKA im Überblick

Newsletter

Jetzt unseren Newsletter abonnieren

Themenseite Cobot

Erläuternde Beiträge, Neuigkeiten, Anwendungsbeispiele und Hintergrundinfos rund um das Thema kollaborative Robotik

Messevideo


Mechatronik in der Mensch-Roboter-Kollaboration: Die Zimmer Group zeigt, wie es geht.

Kalender

Aktuelle Termine für die Automatisierungsbranche

Whitepaper

Whitepaper aller unserer Industrieseiten

Alle Webinare & Webcasts

Webinare aller unserer Industrieseiten

Anzeige
Anzeige

Industrie.de Infoservice

Vielen Dank für Ihre Bestellung!
Sie erhalten in Kürze eine Bestätigung per E-Mail.
Von Ihnen ausgesucht:
Weitere Informationen gewünscht?
Einfach neue Dokumente auswählen
und zuletzt Adresse eingeben.
Wie funktioniert der Industrie.de Infoservice?
Zur Hilfeseite »
Ihre Adresse:














Die Konradin Verlag Robert Kohlhammer GmbH erhebt, verarbeitet und nutzt die Daten, die der Nutzer bei der Registrierung zum Industrie.de Infoservice freiwillig zur Verfügung stellt, zum Zwecke der Erfüllung dieses Nutzungsverhältnisses. Der Nutzer erhält damit Zugang zu den Dokumenten des Industrie.de Infoservice.
AGB
datenschutz-online@konradin.de