Problemstellung
Produkte bestehen immer häufiger aus Einzelteilen, die an verschiedenen Standorten oder von mehreren Zulieferfirmen stammen. Nicht alle gelieferten Bauteile besitzen einen Barcode oder ein Typenschild. Meist wird die Kennzeichnung nur bei Baugruppen vorgenommen, so dass eine manuelle Suche in Datenbanken oder Katalogen notwendig ist, um die Einzelteile zu identifizieren. Diese durch Menschen durchgeführte Suche ist zeit- und daher kostenintensiv und erfordert Expertise, die nicht immer verfügbar ist. Darunter leiden sowohl die Qualität als auch die Zuverlässigkeit des Identifikationsprozesses.
Lösung
Künstliche neuronale Netze sind mittlerweile in der Lage, Objekte genauer und schneller zu identifizieren als der Mensch. Der Demonstrator veranschaulicht Unternehmen das Prinzip des maschinellen Lernens und die Nutzung frei verfügbarer Tools für die Entwicklung von KI-Modellen. Darüber hinaus wird gezeigt, was es bei der Aufbereitung von Trainingsdaten zu beachten gilt, von welchen Einflussfaktoren die Erkennungsrate abhängt und welche Möglichkeiten es gibt, ein KI-Modell zu erweitern.
Hinter diesem Demonstrator verbirgt sich eine Software, die mit Hilfe maschinellen Lernens das Erkennen von Objekten/Bauteilen unterstützt. Das KI-Modell der Erkennungssoftware wurde mit Hilfe von Open-Source-KI-Bibliotheken erstellt und mit Bildern von Objekten trainiert und validiert. Dafür eignen sich STL-, Video und CAD-Dateien. Die Lösung ist als Webapplikation umgesetzt und nutzt die Cloud der Modellfabrik. So ist ein orts- und geräteunabhängiger Zugriff auf den Demonstrator möglich. Für die Identifizierung wird ein Bauteil fotografiert. Die Bildaufnahme kann über die Kamera eines mobilen Endgeräts, eine Webcam oder auch eine AR-Brille erfolgen. Das Bild wird anschließend über den Internetbrowser an die Erkennungssoftware übergeben, die mit einer bestimmten Wahrscheinlichkeit anhand der zuvor erlernten Objekte das zu bestimmende Objekt identifiziert.
Vorteile der Lösung
Der Demonstrator bringt Unternehmen das Prinzip des maschinellen Lernens näher und zeigt, welche frei verfügbaren Tools genutzt werden können, um KI-Modelle zu entwickeln.
- Effizientere Zuordnung von Bauteilen
- Erleichterte Rückverfolgung von Einzelteilen