Optische Prüfung
der Produktionsqualität durch
künstliche Intelligenz - AISEE ™
AISEE – Automatisierte Qualitätssicherung
durch K.I.-betriebene Bilderkennung
AISEE™ ist ein auf künstlicher Intelligenz basierendes, visuelles Qualitätskontrollen- und Fehlererkennungssystem für Produzenten, bestehend aus dem selbstlernenden AISEE Core und den AISEE Line Inspector Modulen – smarte Kameras und KI-Auswertungstools, die direkt an der Linie installiert und über den Core verwaltet werden. Eingehenden Bilder werden an der Linie ausgewertet und weitere Prozesse gesteuert.
Herausforderungen in der Qualitätssicherung
Die Anforderungen an moderne Produktionsanlagen sind sehr hoch: Sie sollen bei maximaler Qualität hochproduktiv und flexibel sein sowie kosteneffizient und störungsfrei produzieren.
Manuelle und andere herkömmliche Qualitätsprüfungen sind meist unzuverlässig, teuer, haben eine schlechte Erkennungsrate und sind schwer skalierbar.
Durch künstliche Intelligenz ermöglicht AISEE Produzenten eine zerstörungsfreie, zuverlässige und automatisierte Inspektion Ihrer Produkte.
Dank Deep-Learning-Algorithmen können bei dauerhaft zuverlässiger Qualität auch kleinste Fehler auf heterogenen oder spiegelnden Oberflächen gefunden werden, die menschliche Inspektoren häufig übersehen, und leistungsstarke Erkenntnisse geliefert werden, die zur Steigerung der Qualität und der betrieblichen Effizienz beitragen.
AISEE™-Produktkomponenten
AISEE ™ Line Inspector
Der AI.SEE™ Line Inspector besteht aus smarten Kameras und KI-Auswertungstools, die pro Linie installiert und über den AI.SEE™ Core verwaltet werden können. Eingehenden Bilder werden an der Linie ausgewertet und weitere Prozesse gesteuert.
AISEE™ Core
Sammeln und verwalten Sie zentral die KI-gesteuerte Qualitätsprüfung in allen AI.SEE™-Prüfzellen Ihrer Produktion. AI.SEE™ trainiert automatisiert den selbstlernenden Fehlererkennungsalgorithmus auf Basis von neuronalen Netzen, wodurch sich dessen Genauigkeit mit jedem neuen Bild weiter verbessert.
In 4 Schritten zum Vorprojekt mit AI.SEE™
AI.SEE™-Features
- Annotation von Bildern
- Projekte und Nutzerrechte
- Neuronale Netze
- Dashboard und Analysen
- Schnittstellen für Bildgebungssysteme
- Schnittstelle für Deployment
- Systemintegrations-Schnittstellen
Annotation und Verwaltung von Bilddaten
Im AISEE Core können einzelne Bilder im Detail inspiziert, annotiert und Fehlerklassen zugeordnet werden. Darüber hinaus können Bilder in Sets verwaltet und Projekten zugewiesen werden, um sie für Trainings und Retrainings verschiedener Deep Learning Modelle verwenden zu können.
Verwaltung von Projekten und Nutzerrechten
In der AISEE-Projektdatenbank können einzelne Projekte verwaltet und analysiert werden.
Außerdem können für Benutzer personalisierte Zugriffe auf Funktionen, Projekte und Elemente innerhalb von AI.SEE™ festgelegt werden.
Training, Deployment und Evaluation von neuronalen Netzen
AISEE trainiert neuronale Netze zur Fehlererkennung im Hintergrund. Ändern sich Fehler oder Bauteile, kann AI.SEE™ sich dem anpassen und ermöglicht einen nahtlosen Übergang zwischen einzelnen Produktgruppen. Neuronale Netze werden im System trainiert, deployed und evaluiert.
Dashboard und Datenanalyse
In AISEE können Bilder-, Fehler- und Trainingsdaten auf übersichtlichen Dashboards verwaltet und Ergebnisse eingesehen werden. Statistiken und Trends können bspw. frühzeitig auf Verschleiß von Produktionsmaschinen hindeuten.
Schnittstellen für verschiedene Bildgebungssysteme
elunic stellt mit sowohl ein eigenes Kamera- und Beleuchtungssystem zur Verfügung, ermöglicht aber auch eine nahtlose Anbindung an bereits bestehende Systeme.
Schnittstelle für Deployment von eigenen Architekturen und Modellen
Aufgrund des schnellen Voranschreiten von Machine Learning Technologien ist die Verwendung beliebiger neuronaler Netzarchitekturen möglich. Deren Deployment ist mit der einfachen Implementierung der AISEE Engine-Schnittstelle möglich.
Schnittstellen zur Systemintegration in MES / QMS / …
Um eine kontinuierliche Produktion in einem großen Betrieb zu ermöglichen, ist eine eindeutige Zuordnung zu jedem Produktionsstück notwendig. Dazu gehört auch die Kenntlichmachung, wenn ein Produktionsstück nicht den Qualitätsanforderungen entspricht.
Vorteile von AI.SEE™
Kann künstliche Intelligenz Ihre optische Inspektion automatisieren?
Bei der Unterstützung von Unternehmen in der Produktion treten sehr häufig ähnliche Problemstellungen und Fragestellungen auf. Um Ihnen eine geeignete Abschätzung zur Machbarkeit und Preisvorstellung zu ermöglichen, füllen Sie bitte den unten stehenden Fragebogen aus.
Jetzt mit wenigen Fragen herausfinden, ob Ihr Problem durch KI lösbar ist:
AISEE™-Präsentation auf der IAS in Shanghai
“Daten sind das neue Gold. Im zentralen Datenhub lassen sich Bilddaten verwalten und annotieren. Die Einrichtung dauert durchschnittlich weniger als 30 Minuten!”
“Für Produzenten und Maschinenhersteller ist AI.SEE™ die ideale Lösung auf Ihrem Weg in die vernetzte Produktion und Industrie 4.0.”
Regelbasiertes Computer Vision vs. Deep Learning
Regelbasiertes Computer Vision, das in herkömmlichen AOI-Testsystemen verwendet wird, beschäftigt sich nur mit der Identifizierung von Bildern nach fest programmierten Regeln zur Erkennung von Linien und Formen.
Im Gegensatz dazu setzt AISEE ™ Machine-Learning-Modelle ein, die die Zusammenhänge zwischen verschiedenen und selbst komplexesten Datensätzen in Echtzeit mit modernsten künstlichen neuronalen Netzen durch Deep Learning erlernen. Diese erweiterten Anpassungsfähigkeiten bieten nicht nur eine bessere Qualität, sondern verbessern auch die Leistung von Produktionsanlagen.
AOI (Automatische optische Inspektion) ermöglicht eine schnelle und akkurate automatisierte Inspektion von elektronischen Baugruppen, um zum Beispiel eine hohe Produktqualität bei der Leiterplattenherstellung zu gewährleisten. Oberflächeninspektion, Positions- und Orientierungssensorik von elektrischen Komponenten sowie Klassifizierungen sind nur einige Beispiele, die die Anwendungsmöglichkeiten des Systems veranschaulichen. Im Gegensatz zu herkömmlichen Bildverarbeitungssystemen setzt AI.SEE modernste Technologien ein, um Objekte und Fehler effizienter zu erkennen und zu lokalisieren sowie den Durchsatz und die Benutzerfreundlichkeit zu verbessern.
In 4 Schritten zur K.I.-unterstützten Qualitätssicherung
Schritt 1:
Proof-of-Concept
1 Fehlerklasse auf einem Material/Produkt
Starten Sie direkt und validieren Sie Ihr KI-basiertes Qualitätssicherungsprojekt schnell, kosteneffizient und unkompliziert mit einem Online-Showcase, der in der Lage ist, eine Fehlerklasse auf einem Material oder Produkt zu erkennen. Unsere Experten unterstützen Sie gerne dabei, das richtige Kamerasystem für Ihre Lösung zu finden, oder bei der Installation unserer eigenen Kamera- und Beleuchtungslösung.
Kamerasystem: Falls Sie bereits ein bestehendes Kamerasystem installiert haben, können wir problemlos an dieses andocken.
Schritt 2:
Kompletter Online-Usecase
Alle Fehlerklassen auf allen Materialien/Produkten
Im zweiten Schritt wird das Projekt erweitert und das Deep Learning Modell weitertrainiert, um alle Fehlerklassen auf allen Materialien und Produkten aus Ihrer Fertigung zu erkennen und die unterschiedlichen Fehlerklassen bei neu hochgeladenen Bildern direkt anzuzeigen und analysieren zu können.
Schritt 3:
Autonome Installation in der Produktion
Alle Fehlerklassen auf allen Materialien/Produkten
Nachdem Ihr AI.SEE™-Projekt für alle Fehlerklassen auf allen Materialien oder Produkten trainiert wurde, erhalten Sie Ihre funktionierende Erkennungslösung auf unserem für Künstliche Intelligenz optimierten Performance Rechensystem, um die Bildanalyse in Ihre Produktion zu integrieren.
Schritt 4:
Retraining und Remote Quality Assurance
Alle Fehlerklassen auf allen Materialien/Produkten
Um eine hohe Erkennungsrate zu gewährleisten, startet AI.SEE™ mit einer hohen Fehlersensitivität in die Produktion. Um im weiteren Betrieb die Zahl der Fehlermeldungen auf Bildern ohne Fehler (False Positives) zu reduzieren, werden False Positives in der Produktion als solche gekennzeichnet. Mit diesen Daten lernt AI.SEE™ automatisch weiter, wodurch sich die Zahl der False Positives täglich verringert.
Remote Quality Assurance: Ermöglichen Sie Ihren Mitarbeitern unabhängig von Ihrem Standort, auf Ergebnisse der Qualitätskontrolle zuzugreifen und Annotierungen vorzunehmen.
“Eine Kamera oder ein Smartphone mit Halterung reichen aus, um mit der K.I.-gestützten Qualitätssicherung zu beginnen!”
“AI.SEE™ läuft in der Cloud oder in Ihrer Produktion. Und Sie können die Software einen Monat kostenlos testen.”
Referenzen
Referenzprojekte
Partner
Jetzt anfragen.
Sie haben eine Projektanfrage? Zögern Sie nicht, Kontakt mit uns aufzunehmen – wir antworten Ihnen gerne und umgehend.
