ECE-Homologation-Automatisierung mit künstlicher Intelligenz
Herausforderung
Die Economic Commission for Europe (ECE) hat ein überstaatliches System zur Kraftfahrzeugzulassung eingeführt, in dem sogenannte ECE-Prüfzeichen genehmigungspflichtige Bauteile kennzeichnen.
Um den Aufwand der Kennzeichen-Überprüfung zu beschleunigen und Fehlerraten zu reduzieren entwickelte elunic ein System zur automatischen Stickererkennung und -verifikation.
Ziele
- Automatische Bilderkennung für die ECE-Homologation
- Stickererkennung und Positionsverifikation.
- OCR Erkennung der Stickerinhalte zum Daten-Abgleich.
- Traceable (MES-Integration und Qualitätsmanagementintegration).
- Anwendbarkeit auf mobilen Geräten.
Lösung
- Machine Learning basierende Bild- und Inhaltserkennung.
- Dashboard für Auswertung, Aktionsableitung und Statistikdarstellung.
- Integration in MES und Qualitätstmanagement.
Die Homologation, also das System zur Zulassung von Kraftfahrzeugen, ist für viele Automobilhersteller eine Schlüsselaufgabe. Denn nur mit der Zulassung können die Fahrzeuge in den jeweiligen Ländern verkauft werden. In großen Teilen Europas und bei weiteren angeschlossenen außereuropäischen Ländern wie etwa Argentinien oder Australien gilt die ECE-Homologation (Economic Comission for Europe). Auf den großen Märkten wie in China und den USA gelten allerdings andere Richtlinien. Der Zulassungsprozess für die unterschiedlichen Märkte ist immer wieder ein Nadelöhr, welches die Automobilhersteller Zeit und Geld kostet.
Aus diesem Grund ist es für eine reibungslose Zulassung wichtig, sowohl im Vorfeld als auch bei den anstehenden Kontrollen schnell und fehlerfrei den Prozess durchzuführen. Hier kann künstliche Intelligenz im Bereich der Bilderkennung von großem Nutzen sein. Denn an den Fahrzeugen sind an vielen verschiedenen Positionen Aufkleber angebracht, die Informationen zum Fahrzeugaufbau und Ausstattung enthalten. Zusätzlich ist auch die Position des Stickers festgeschrieben. Und hier lauern Fehlerquellen, sowohl was die Position als auch die richtige Information des Aufklebers anbelangt.
Daher hat elunic gemeinsam mit einem Automobilhersteller ein intelligentes Bilderkennungssystem entwickelt, das falsche Informationen und Positionen erkennt und meldet. In das System wurden Trainingsbilder mit fehlerhaften Informationen eingefügt und mittels TensorFlow der Machine-Learning-Prozess gestartet. Im Prozess werden mit Hilfe eines Handscanners und einer App die Sticker eingelesen, erkannt und so bei der Endkontrolle oder bei Einfuhrabnahmen die Fehler schnell und sicher identifiziert sowie anschließend behoben.
