"In den letzten Jahren haben wir aber immer wieder erkannt, dass die Notwendigkeit zum Einlernen von Schlecht-Bildern den Einsatz von kognitiven Assistenten wie unserem Schlauen Klaus massiv behindert. Wir wollen eine Lösung schaffen, die es unseren Kunden ermöglicht, ausschließlich mit Bildern des regulär laufenden Prozesses zu starten und trotzdem Abweichungen von der Norm erkennen zu können", beschreibt Optimum-Geschäftsführer Wolfgang Mahanty die Motivation, sein System noch schlauer zu machen. Der schlaue klaus. Unterstützung bei der Entwicklung fand Optimum bei Industrial Analytics Lab, die auf die Implementierung von KI-gestützten Automationslösungen im Mittelstand spezialisiert sind. Gemeinsam wurden eine Algorithmik entwickelt, um Fehlerzustände zu erkennen, ohne diese vorher gesehen zu haben. Bild 2 | Normiertes Histogramm der gefundenen SOM-Distanzen für ein Trainings-Sample von 100 Bildern eines Kondensators. Die trainierte SOM wurde auf drei weitere Bilder angewandt, bei denen der Kondensator fehlte.
"Das Potenzial und die Möglichkeiten haben bereits viele große Unternehmen überzeugt. " Bestes Beispiel dafür ist die Elektronikfertigung bei der ZIEHL-ABEGG SE: "Das System ist sehr bedienerfreundlich und lässt sich einfach programmieren", erklärt Stefan Weiß, der als Schichtführer und Programmierer bei ZIEHL-ABEGG vor allem drei Vorteile in der Zusammenarbeit mit Schlauer Klaus sieht: Die Einarbeitungszeit habe sich extrem verkürzt, die Bestückungsqualität sei deutlich gestiegen und die Fehlerquote signifikant gesunken. Bei der Bestückung gehe sie gegen Null, denn wenn ein Bauteil mit falscher Polarität eingesetzt oder ein Bauteil schräg eingebaut werde, melde sich der wissende Kollege.
Der 'schlauere' Klaus Fehler per Self-Organizing Maps erkennen, ohne sie zu lernen Durch den Einsatz von Self-Organizing Maps (SOMs), einer Art von neuronaler Netze, haben Industrial Analytics Labs und Optimum eine neue Methode entwickelt, um Fehlerzustände zu erkennen, ohne diese vorher gesehen zu haben. Bild 1 | Normiertes Histogramm der SOM-Distanzen für ein Trainings-Sample von 100 Bildern einer handgewickelten Ringspule. Die SOM wurde dann auf ein Bild angewandt, bei dem die Ringspule eine Wicklung zu wenig aufweist. Der schlaue klaus barbie. Diese Abweichung wurde mit einem Distanzmaß von 32, 6 nur knapp außerhalb des 3 Konfidenz-Intervalls als fehlerhaft erkannt. – Bild: Industrial Analytics Lab GmbH Ob bei Automotive-Zulieferern, Elektronik-Herstellern oder Anbietern von Haushaltsgeräten; wo immer einzelne Komponenten manuell montiert werden, geschehen Fehler. Um diese sicher zu erkennen, analysiert das intelligente Kamerasystem Schlauer Klaus von Optimum ein hochauflösendes Bild jedes fertig montierten Stücks und gleicht dieses mit Bildern von Gut- und Schlecht-Zuständen ab.