Inspektionen um Fehler in der Photovoltaik-Panel-Produktion zu finden werden heute noch manuell von einem Arbeiter vor Ort durchgeführt. Um diesen Prozess zu vereinfachen und die Fehlerquote zu reduzieren, stellt elunic mit AI.SEE™, ein auf künstlicher Intelligenz basierendes System zur Verfügung, das selbstständig Fehler erkennt.
elunic hat mit AI.SEE™ ein System zur automatischen Qualitätssicherung entwickelt, das auf Künstlicher Intelligenz basiert. Mit AI.SEE™ muss der Mitarbeiter in der Solarinspektion nicht mehr selbst nach dem Fehler suchen: Ähnlich wie bisherige AOI-Systeme verhindert AI.SEE™-Qualitätsmängel durch automatisierte Echtzeit-Überwachung. Das System inspiziert die Oberfläche und lokalisiert die Position von Fehlern und Beschädigungen. Das System lernt mit neuen Trainingsbildern weiter. Dadurch ist es in der Lage, auch deutlich komplexere oder seltenere Fehler zu erkennen. Anschließend wird auf dem Dashboard der Fehler dem Prüfenden angezeigt und er kann diesen beheben.
Implementierung und Roll-Out eines K.I.-basierten Solar-Panel-inspektors
Generierung von Bilddaten zum trainieren des Machine Learning Algorithmus
Automatisierte Fehlererkennung in der Produktion durch den Einsatz von AI.SEE™
Die bisherigen Automated Optical Inspection (AOI) Testsysteme verwenden zur Identifizierung von Bildern fest programmierte Regeln, um Linien und Formen zu erkennen. Das System von elunic hingegen setzt auf selbstlernende Deep-Learning-Modelle, welche die Zusammenhänge der verschiedenen Datensätze mithilfe modernster künstlicher neuronaler Netze erlernen und das in Echtzeit. Da AI.SEE™ ähnlich wie ein menschliches Gehirn arbeitet, ist es anpassungsfähiger und bietet neben einer besseren Qualität des Endprodukts auch eine Steigerung der Leistung der Produktionsanalyse.
Die Lösung wird in der Cloud “as-a-Service” angeboten. Das heisst der Kunde bezahlt pro analysiertem Bild, anstatt in eine typische AOI Lösung vorweg hohe Investitionen tätigen zu müssen.
Dank Deep-Learning-Algorithmen können bei dauerhaft zuverlässiger Qualität auch kleinste Fehler auf heterogenen oder spiegelnden Oberflächen gefunden werden, die von menschlichen Inspektoren häufig übersehen werden, und leistungsstarke Erkenntnisse geliefert werden, die zur Steigerung der Qualität und der betrieblichen Effizienz beitragen.
Diese Webseite verwendet Cookies
Wir verwenden Cookies, um Inhalte und Anzeigen zu personalisieren, Funktionen für soziale Medien anbieten zu können und Zugriffe auf unsere Website zu analysieren.
Cookie-Einstellungen
Wir verwenden Cookies, um Inhalte und Anzeigen zu personalisieren, Funktionen für soziale Medien anbieten zu können und die Zugriffe auf unsere Website zu analysieren.
Dieser Inhalt wird blockiert. Akzeptieren Sie unsere Cookies, um den Inhalt anzuzeigen.