Standortunabhängige Qualitätssicherung
Remote Quality Assurance macht Ihre Qualitätsprüfung dezentral
In Zeiten von digitalen Umbrüchen, der Notwendigkeit, die Effizienz in Produktionen zu steigern, und von Problemen, die durch Themen wie Corona und sich ändernden notwendigen Hygienemaßnahmen entstehen, ist der Schritt zur standortunabhängigen Qualitätssicherung unabdingbar.
Dezentrale Qualitätsprüfung in der Cloud
Herkömmlicher Weise gehen Qualitätssicherung und Qualitätsmanagement Hand in Hand in der Regulierung einer Produktion vor Ort. Mitarbeiter übernehmen die Qualitätskontrolle selbst mittels Tests und optischer Qualitätsprüfung.
Zu den neuen Möglichkeiten durch die Entstehung der Industrie 4.0 zählt auch die Remote Qualitätssicherung. Hierbei können die geschulten Qualitätsmanagement-Mitarbeiter standortunabhängig ihrer Arbeit nachgehen. Industrielle Kameras und Sensoren in der Produktion sammeln große Mengen an Daten und verarbeiten diese mit Künstlicher Intelligenz. Die Auswertung dieser Daten kann dann lokal unabhängig, beispielsweise im Home-Office, erfolgen. Das dezentrale Absichern der Informationen in der Cloud bietet allerdings nicht nur den Vorteil der Standortunabhängigkeit. Darüber hinaus verbessert es die Sicherheit Ihrer wertvollen produktionsinternen Daten.
Remote Qualitätssicherung dank AI.SEE™
Durch Künstliche Intelligenz ermöglicht AI.SEE™ von elunic Produzenten eine standortunabhängige, zuverlässige und automatisierte Inspektion Ihrer Produkte. Dank Deep–Learning 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. AI.SEE™ ermöglicht Ihren Mitarbeitern unabhängig von ihrem Standort, auf Ergebnisse der Qualitätskontrolle zuzugreifen und Annotationen vorzunehmen.
Die Menge an Vorteilen von Remote Qualitätsprüfung und Remote Working ist offensichtlich. Dennoch besteht die Annahme, dass die Umstellung einer Produktion auf intelligentes Qualitätsmanagement sehr kostenintensiv ist. AI.SEE™ von elunic basiert auf standardisierter Hardware, wie handelsüblichen Kameras, und erzielt Erfolge durch weiterentwickelte Software. Durch den Einsatz von AI.SEE™ wird Ihre Qualitätssicherung beständiger, effektiver und effizienter, wodurch auch das wirtschaftliche Potenzial in der Industrie steigt.
elunic befähigt seine Kunden, zeitgleich die Qualitätskontrolle zu optimieren und standortunabhängiger zu machen. Dadurch können die Arbeiter mit den besten Qualifikationen, ganz gleich, wo auf der Welt sie sich befinden, in ihren individuellen, bestmöglichen Umgebungen das Optimum für Ihre Produktion erreichen. Remote Working erreicht somit Flexibilität für Entwickler und Qualitätsprüfer.
Vorteile
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
In AI.SEE™ Control 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 AI.SEE™-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
AI.SEE™ trainiert neuronale Netze zur Fehlererkennung im Hintergrund. Ändern sich Fehler oder Bauteile, kann AI.SEE™ Control sich dem anpassen und ermöglicht einen nahtlosen Übergang zwischen einzelnen Produktgruppen. Neuronale Netze werden im System trainiert, deployed und evaluiert.
Dashboard und Datenanalyse
In AI.SEE™ 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 AI.SEE™ Lens 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 AI.SEE™ Engine-Schnittstelle möglich.
Schnittstellen zur Systemintegration in MES / QMS / …
Um eine kontinuierliche Produktion in einem großen Betrieb zu ermöglichen ist eine eindeutige Zuordnung zu jeden Produktionsstück notwendig. Dazu gehört auch die Kenntlichmachung wenn ein Produktionsstück nicht den Qualitätsanforderungen entspricht.
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 AI lösbar ist:
In 4 Schritten zur K.I.-unterstützten Qualitätssicherung
Schritt 1:
Proof-of-Concept
1 Fehlerklasse auf einem Material/Produkt
Starten Sie direkt und validieren 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 eigene Kamera- und Beleuchtungslösung – AI.SEE™ Lens.
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 AI.SEE™ Edge, 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.
Referenzen
Jetzt anfragen.
Sie haben eine Projektanfrage? Zögern Sie nicht, Kontakt mit uns aufzunehmen – wir antworten Ihnen gerne und umgehend.
