KI in der Qualitätskontrolle: Wenn kein Detail übersehen werden darf

| Autor / Redakteur: Christof Schleidt * / Margit Kuther

Windkraftanlage: Die Rotorblätter sind enormen Kräften ausgesetzt. Mittels Ultraschall-Scan generierte Bilddaten können die Wartung vereinfachen.
Windkraftanlage: Die Rotorblätter sind enormen Kräften ausgesetzt. Mittels Ultraschall-Scan generierte Bilddaten können die Wartung vereinfachen. (Bild: distel2610, Pixabay / CC0)

Noch trifft bei der optischen Qualitätskontrolle meist der Mensch die Entscheidungen. Doch es gibt jetzt Machine-Vision-Technologien, die Fehler zuverlässiger erkennen als der Mensch.

Die optische Prüfung von Komponenten, Produkten und ganzen Anlagen ist in vielen Branchen ein zentrales Kriterium für Sicherheit und Qualität. Auch abseits von Diagnostik und anderen medizinischen Anwendungen hängt von einer präzisen Bildanalyse viel ab. Etwa bei der Qualitätskontrolle in der Produktion sowie der Inspektion von Eisenbahnschienen oder Rotorblättern von Windkraftanlagen.

Das menschliche Auge ist dabei besonders gefordert. Denn bisher waren keine Machine-Vision-Technologien verfügbar, welche sowohl eine vergleichbar zuverlässige Fehlererkennung gewährleisten als auch auf sich kontinuierlich verändernde Produktspezifikationen reagieren können. Doch mithilfe von Künstlicher Intelligenz können Mitarbeiter entlastet werden, sodass sie mehr Zeit für andere Aufgaben haben. Ebenso profitiert das Unternehmen von einem konstanten Qualitätsniveau, denn die KI ermüdet nicht.

Dies ist aber kein einfaches Unterfangen: Entsprechende Lösungen sind oft noch in der Entwicklungs- beziehungsweise Erprobungsphase. Und ganz neue Systeme müssen implementiert und in bestehende Infrastrukturen integriert werden – oder diese ersetzen, was mit einem materiellen und organisatorischen Aufwand und zusätzlichen Kosten verbunden ist.

FAIR, optimierte Bilderkennung auf Basis von Deep Learning

Bedeutet das, Künstliche Intelligenz ist auch hier (noch) eine Technologie in der Warteschleife? Tatsächlich gibt es bereits Lösungen, die eine KI-gesteuerte, automatisierte Fehleranalyse von unterschiedlichsten Bildformaten ermöglichen. Eine Lösung, die KI in diesem Bereich schon heute praxistauglich und für viele Segmente und Systemlandschaften anwendbar macht, ist Fujitsu Advanced Image Recognition, kurz FAIR. Im Wesentlichen handelt es sich um ein vortrainiertes neuronales Netzwerk von Fujitsu.

Die modular strukturierte Lösung arbeitet mit aktuellen Deep Learning-Frameworks zur Bildvorverarbeitung. Sie ist in der Lage, bereits anhand kleiner Datensätze zu lernen und ermöglicht die kontrollierte Adaption verschiedenster Erkennungsmodelle. Zudem verfügt FAIR über eine einfach zu bedienende grafische Nutzeroberfläche. Jedes Feedback wird für weitere Lerneffekte verwendet. Das Besondere und Entscheidende an FAIR ist, dass die Lösung alle beliebigen Bildformate verarbeiten kann. Und sie lässt sich dank einer standardbasierten Programmierschnittstelle in bestehende Systeme integrieren. Damit können Nutzer die Vorteile einer KI-basierten, vortrainierten Fehleranalyse anhand von Bildern in ihrem jeweiligen Unternehmens- und IT-Kontext einzusetzen – und die zahlreichen Vorteile ohne größeren Aufwand in Anspruch zu nehmen.

Der Mensch entscheidet bei der Qualitätsprüfung

Gerade um die optische Qualitätskontrolle hat der allgemeine Automatisierungstrend bislang einen großen Bogen gemacht.Obgleich in der Produktion inzwischen nahezu alles automatisch erfolgt, trifft bei der Qualitätsprüfung immer noch der Mensch die Entscheidungen. Mit allen Vor- und Nachteilen: Einerseits ist die Kombination menschliches Auge und kognitive Leistungsfähigkeit der bislang bestehenden Technologie noch immer überlegen, andererseits ist die Aufgabe sehr gleichförmig und ermüdend und birgt damit ein gewisses Fehlerpotenzial.

Zudem ist der personelle Aufwand für strikte optische Qualitätskontrolle hoch: Bei einigen Unternehmen und Anwendungen bindet sie bis zu 80% der entsprechenden Belegschaft. Eine zuverlässige, effiziente und wirtschaftliche Alternative hierzu kann vielen produzierenden Unternehmen und Service-Anbietern etwa für Wartungsaufgaben Entlastung bieten. Die dadurch freiwerdenden Kapazitäten können an anderer Stelle produktiver und profitabler eingesetzt werden – für Aufgaben, bei denen es auf Eigenschaften ankommt, die von keiner intelligenten Maschine bereitgestellt werden können.

Qualitätskontrolle: Die optische Prüfung ist Lösungen, basierend auf Künstlicher Intelligenz wie Fujitsu Advanced Image Recognition, insbesondere bei komplexen Tests unterlegen.
Qualitätskontrolle: Die optische Prüfung ist Lösungen, basierend auf Künstlicher Intelligenz wie Fujitsu Advanced Image Recognition, insbesondere bei komplexen Tests unterlegen. (Bild: Fujitsu)

KI-Lösungen reduzieren Betriebsunterbrechungen

Lösungen wie FAIR leisten hier nicht nur entlastende Dienste, sie steigern auch die Effizienz und Sicherheit. So führen sie zu deutlich weniger falschen Fehlermeldungen und arbeiten wesentlich schneller als ein Mensch das jemals könnte. Beispiel Windkraftanlagen: Die Rotorblätter sind enormen Kräften ausgesetzt und müssen daher qualitativ 100-prozentig einwandfrei sein.

Qualität im Blick: Mittels Ultraschall-Scan generierte Bilddaten eines Verbundwerkstoffes werden von einer FAIR-basierten Lösung auf Fehler hin überprüft.
Qualität im Blick: Mittels Ultraschall-Scan generierte Bilddaten eines Verbundwerkstoffes werden von einer FAIR-basierten Lösung auf Fehler hin überprüft. (Bild: Fujitsu)

Der Hersteller Siemens Gamesa setzt seit einiger Zeit auf die KI-Lösung von Fujitsu. Die bei der Qualitätskontrolle mittels automatisiertem Ultraschall-Scan generierten Bilddaten werden von einer FAIR-basierten Lösung überprüft – mit dem Ergebnis, dass der gesamte Prozess deutlich schneller und fehlerfreier von Statten geht. Insgesamt konnte die Prüfung damit auf ein Viertel der bisherigen Zeit reduziert werden: von sechs auf gerade einmal eineinhalb Stunden. Der Mensch kommt hier nur noch für ausgesuchte Aufgaben ins Spiel.

Ein weiterer Aspekt im Hinblick auf die benötigte Zeit ist die damit verbundene Betriebsunterbrechung. Beispiel Streckeninspektion bei der Bahn: In früheren Jahren gab es die sogenannten Streckenläufer, die jede Schiene und jede Schwelle auf Beschädigungen hin überprüft haben. Neben stundenlangem Laufen in gebückter Haltung, wodurch die Aufmerksamkeit der Mitarbeiter litt, musste jedes Mal die gesamte Strecke gesperrt oder ein enormes Risiko für die Ausführenden in Kauf genommen werden. Mithilfe von Künstlicher Intelligenz lassen sich langwierige Betriebsunterbrechungen auf ein Mindestmaß reduzieren.

Flexibel, akkurat, effizient: Es gibt viele gute Gründe für den Einsatz KI-basierter Systeme zur automatisierten Fehlererkennung. Damit diese Vorteile aber voll zum Tragen kommen können, braucht es vor allem die Möglichkeit, die neue Technologie nahtlos einzubinden. Lösungen wie FAIR können den Weg zur nächsten Stufe der Qualitätskontrolle ebnen.

Künstliche Intelligenz, komprimiert auf Intels Neural Compute Stick 2

Künstliche Intelligenz, komprimiert auf Intels Neural Compute Stick 2

19.02.19 - Intels Neural Compute Stick 2 ist ein lüfterloser Deep-Learning-Stick, mit dem Entwickler die Programmierung Künstlicher Intelligenz am Edge erlernen können. lesen

MIPI-Kameramodule für Raspberry Pi und die Industrie

MIPI-Kameramodule für Raspberry Pi und die Industrie

29.07.19 - Mit MIPI-Kameramodulen, etwa für Raspberry Pi, können Zulieferer für Embedded-Vision-Systeme jetzt kleine, preiswerte und autarke Bildverarbeitungssysteme mit Singleboard-Computern konfigurieren. lesen

Diese Roboter prägen unsere Zukunft

Diese Roboter prägen unsere Zukunft

26.03.18 - Filme wie „Terminator“ zeigen eine apokalyptische Zukunft. Doch ist Künstliche Intelligenz schon so weit, um die Träume – oder auch Albträume – der Sciencefiction-Autoren erfüllen zu können? Machen Sie sich selbst ein Bild. lesen

* Christof Schleidt ist Head of Sales & Business Development, Connected Services Manufacturing & Automotive bei Fujitsu

Kommentar zu diesem Artikel abgeben

Schreiben Sie uns hier Ihre Meinung ...
(nicht registrierter User)

Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
Kommentar abschicken
copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 46038926 / Industrial Networking)