Max Zehrt
Smart Products
Mit Künstlicher Intelligenz Teile schnell identifizieren und Ausfallzeiten minimieren: Stoppt eine Fertigungslinie aufgrund eines defekten Bauteils, muss umgehend das passende Ersatzteil beschafft werden. Variantenvielfalt, Verschmutzung oder Beschädigung machen die Objekterkennung jedoch schwierig und zeitintensiv. Gemeinsam mit Bosch Cognitive Services haben wir eine Lösung entwickelt, die die Identifikation mittels KI deutlich vereinfacht und beschleunigt.
Ausfallzeiten in der Produktion sind kostspielig. Stoppt eine Fertigungslinie aufgrund eines defekten Bauteils, muss dieses ausgebaut sowie ein entsprechendes Ersatzteil schnell und einfach eindeutig identifiziert und beschafft werden. Ein funktionierendes Ersatzteilmanagement ist daher entscheidend, um Ausfallzeiten zu minimieren und die Produktivität sicherzustellen.
Produktionsstraßen verwenden gerne einmal zehntausende verschiedener Teiletypen. Soll das passende Ersatzteil gefunden werden, dann sind häufig Erfahrung, die Hilfe durch Kolleg:innen, und Vergleiche des defekten Bauteils mit Ersatzteilen im Lager gefragt. Sind Teile sehr selten, klein, verschmutzt oder gar beschädigt, ist die Objekterkennung noch einmal schwieriger und zeitintensiver.
Gemeinsam mit Bosch Cognitive Services haben wir eine Lösung entwickelt, die die Ersatzteilidentifikation auf Basis eines cloudbasierten neuronalen Netzes deutlich vereinfacht und beschleunigt. Das Wartungspersonal fotografiert das kaputte Ersatzteil mit einem Smartphone oder Tablet, oder lädt ein bereits verfügbares Bild in die Cloud. Anhand dieser Aufnahme erhält es binnen weniger Sekunden eine Liste infrage kommender Teile sowie deren ID und Lagerort. Dadurch ist das passende Ersatzteil leicht zu lokalisieren und eine langwierige und damit kostspielige Suche wird vermieden. Die Erfassung und Identifikation funktionieren auch bei Verschmutzungen.
Um die Fülle an verschiedenen Ersatzteilen einfach erfassen und abbilden zu können, kommt eine Digitalisierungsmaschine zum Einsatz: Sie lichtet Ersatzteile auf Knopfdruck automatisiert aus verschiedenen Perspektiven ab und speist die Aufnahmen in eine Datenbank ein. Modernste Computer-Vision-Algorithmen nutzen die aufgenommenen Bilder anschließend, um KI-Modelle zur Ersatzteilerkennung zu trainieren. Instandhalter:innen greifen mit einem Smartphone oder Tablet via App auf diese Modelle zu und erhalten schließlich passende Vorschläge für ihre Suche. Nützlicher Nebeneffekt der KI-Objekterkennung: Die mittels Cloud-Bildvorverarbeitungspipelines entstandenen Objektbilder können ideal für E-Commerce-Zwecke eingesetzt werden, beispielsweise um Teilekataloge mit Produktbildern aus verschiedenen Perspektiven und einer 3D-Darstellung zu erstellen.
Die ITK hat mit ihrer Expertise in den Bereichen maschinellen Lernens und Cloud-Architektur entscheidend dazu beigetragen, eine zukunftsfähige End-to-End-Lösung zu entwickeln. So kann beispielsweise das Trainieren der Netze nun fast voll automatisiert erfolgen.
Julian Weiss, Bosch Cognitive Services
Die End-to-End-Lösung ermöglicht, Ersatzteile ohne spezielles Equipment schnell und einfach anhand eines Fotos zu identifizieren und zu lokalisieren. Das spart Zeit, vermeidet Stillstände und reduziert Kosten. Darüber hinaus kann das neuronale Netz für ein sehr breites Spektrum an Ersatzteilklassen trainiert werden. Aktuell gibt es bereits Netze, die eine Vielfalt von bis zu 20.000 Ersatzteilklassen unterscheiden können.
Der hohe Automatisierungsgrad der Objekterkennung wiederum ermöglicht, neue Use Cases demnächst mit einem einzigen Mausklick zu trainieren – auch von Mitarbeitenden ohne spezifisches Machine Learning- oder Cloud-Know How. Wird die Ersatzteilerkennung anderen Unternehmen als Dienstleistung zugänglich gemacht, profitieren diese ebenfalls und die Reichweite der Lösung erhöht sich.
