Machine Vision ist der Schlüssel zu Industrie 4.0 und IoT

Machine Vision verbindet maschinelles Lernen in einer Reihe von Tools, die Hardware auf Verbraucher- und kommerzieller Ebene beispiellose Fähigkeiten zur Beobachtung und Interpretation ihrer Umgebung bieten. In einer industriellen Umgebung führen diese Technologien zusammen mit Automatisierung und schnellerer Vernetzung zu einer neuen industriellen Revolution – Industrie 4.0. Sie bieten auch völlig neue Möglichkeiten, um abfallarme, hocheffiziente industrielle Aktivitäten durchzuführen.

Jetzt, da es sich durchsetzt, erkunden Unternehmen überall die Vorteile der maschinellen Bildverarbeitung.

Machine Vision wirkt sich auf Fertigung, Bohren und Bergbau aus. Weitere Vorteile liegen im Fracht- und Lieferkettenmanagement, Qualitätssicherung, Materialhandhabung, Sicherheit und einer Vielzahl anderer Prozesse und Branchen.

Maschinelles Sehen wird in Kürze überall sein und den Aufbau des Internets der Dinge in der industriellen Welt eine kritische Intelligenzschicht hinzufügen. Hier sehen Sie, wie Unternehmen es bereits umsetzen.

Was ist maschinelles Sehen?

Machine Vision ist eine Reihe von Technologien, die Maschinen eine bessere Wahrnehmung ihrer Umgebung ermöglichen. Es erleichtert die Bilderkennung höherer Ordnung und die Entscheidungsfindung basierend auf diesem Bewusstsein.

Um die Vorteile der maschinellen Bildverarbeitung zu nutzen, verwendet eine industrielle Ausrüstung High-Fidelity-Kameras, um digitale Bilder der Umgebung oder eines Werkstücks aufzunehmen. Die Bilder können in einem fahrerlosen Transportfahrzeug (FTS) oder einer Roboterprüfstation aufgenommen werden. Von dort aus verwendet die Bildverarbeitung äußerst ausgefeilte Mustererkennungsalgorithmen, um eine Beurteilung ihrer Position, Identität oder ihres Zustands zu treffen.

Bei manuellen Inspektionen ist die richtige Beleuchtung ein entscheidender Faktor für die richtige Bildverarbeitung.

In Machine-Vision-Anwendungen sind mehrere Lichtquellen üblich, darunter LEDs, Quarzhalogen, Metallhalogenid, Xenon und herkömmliche Leuchtstofflampen. Wenn ein Teil eines Barcodes oder Werkstücks verschattet ist, kann das Lesen einen Fehler liefern, wenn keiner vorhanden ist, oder umgekehrt.

Machine Vision kombiniert ausgereifte Hard- und Software, um es Maschinen zu ermöglichen, äußere Reize auf neue und vorteilhafte Weise zu beobachten und darauf zu reagieren.

Wie unterstützt Machine Vision Unternehmen und das industrielle IoT?

Die Verbreitung von Industrial Internet of Things (IIoT)-Geräten markiert einen wichtigen Moment des technologischen Fortschritts. IIoT bietet Unternehmen eine beispiellose Transparenz ihrer Abläufe von oben bis unten. Vernetzte Sensoren und Cloud-basierte Enterprise- und Ressourcenplanungs-Hubs bieten bidirektionale Datenmobilität zwischen lokalen und entfernten Assets sowie Geschäftspartnern.

Die Zwei-Wege-Mobilität kann so klein sein wie ein mechanischer Kolben oder ein Lager. Es kann auch so groß wie eine Lkw-Flotte sein und mit der richtigen IoT-Hardware und -Software wertvolle Betriebsdaten liefern. Unternehmen können ihre Augen überall haben, selbst wenn sie knapp an Ressourcen oder Arbeitskräften sind.

Das Internet der Dinge steht in erster Linie für Ubiquitous Computing.

Wo passt die Bildverarbeitung in all das? Machine Vision macht bestehende IoT-Assets noch leistungsfähiger und bietet bessere Werte und Effizienz. Wir können davon ausgehen, dass es einige brandneue Möglichkeiten schafft.

• Macht Sensoren noch nützlicher.

  Machine Vision macht Sensoren im gesamten IoT noch leistungsfähiger und nützlicher. Anstatt Rohdaten bereitzustellen, liefern Sensoren ein Maß an Interpretation und Abstraktion, das bei der Entscheidungsfindung oder weiteren Automatisierung verwendet werden kann.

• Reduziert den Bandbreitenbedarf.

  Machine Vision kann dazu beitragen, die Bandbreitenanforderungen großer IoT-Buildouts zu reduzieren. Verglichen mit der Erfassung von Bildern und Daten an der Quelle und dem Senden an Server zur Analyse führt die maschinelle Bildverarbeitung ihre Recherchen normalerweise an der Quelle der Daten durch. Die moderne Industrie generiert Millionen von Datenpunkten, aber ein Großteil davon kann dank Machine Vision und Edge Computing umsetzbare Erkenntnisse liefern, ohne dass eine Übertragung an einen sekundären Standort erforderlich ist.

• Unterstützt IoT-Automatisierungslösungen.

  Machine Vision ergänzt IoT-Automatisierungstechnologien hervorragend. Roboterinspektionsstationen können schneller und genauer arbeiten als menschliche QS-Mitarbeiter und zeigen sofort relevante Daten für Entscheidungsträger an, wenn Fehler und Ausnahmen erkannt werden.

• Verbessert die Sicherheit und Nützlichkeit von Robotern und Cobots.

  Leitsysteme mit maschinellem Sehen verleihen Robotern und Cobots mehr Autonomie und Wegfindungsfähigkeiten und helfen ihnen, schneller und sicherer an der Seite menschlicher Mitarbeiter zu arbeiten. In Lagerhäusern und anderen Umgebungen mit hohem Fehlerrisiko hilft maschinelles Sehen Roboterkommissionierern, die Reaktionszeit zu verbessern und Erfüllungsfehler zu begrenzen, die zu Geschäftsverlusten führen.

• Sensibilisiert für Assets.

  Die Wirtschaft von heute und morgen erfordert Unternehmen und Branchen, die mit viel weniger Zeit-, Material- und Arbeitsaufwand arbeiten. Machine Vision wird Drohnen, Flurförderzeuge, unbemannte Fahrzeuge und Hubwagen, Fertigungsstraßen und Inspektionsstationen weiterhin in die Lage versetzen, detaillierte und wertvolle Daten mit dem Rest des Netzwerks auszutauschen.

  In einer Fabrikumgebung bedeutet dies, dass Maschinen und Menschen besser harmonieren, mit weniger Engpässen, Überläufen und anderen Störungen.

Wie wenden Unternehmen maschinelles Sehen an?

Wenn Sie an jeden der Schritte eines typischen industriellen Prozesses denken, ist es nicht schwer, jeden Punkt zu erkennen, an dem maschinelles Sehen den Betrieb verbessern kann.

Um ein einzelnes Automobilteil herzustellen, arbeiten Mensch und Maschine zusammen, um Rohstoffe zu beschaffen, ihre Qualität zu bewerten, sie zur Verarbeitung in ein Werk zu transportieren und die Artikel in jeder Fertigungsphase durch die Anlage zu transportieren. Letztendlich sehen sie es erfolgreich durch den QS-Prozess und dann wieder aus der Tür, wo mindestens eine letzte Etappe seiner Reise wartet. Zu einem späteren Zeitpunkt erhält der Einzelhändler oder Endbenutzer es.

Ob dieses Produkt ruht, unterwegs ist oder noch nicht einmal montiert ist, Machine Vision bietet eine Möglichkeit, die Handhabung zu automatisieren. Es verbessert die Effizienz in jeder Abteilung, z. B. in der Montage, und sorgt für ein höheres und konsistenteres Qualitätsniveau.

Unternehmen fügen ihren Arbeitsabläufen in der realen Welt bereits maschinelles Sehen hinzu.

Einige Anwendungen sind so einfach wie das Anbringen einer Linie auf einem Lagerboden, damit ein unbemanntes Fahrzeug sicher folgen kann. Andere Bildverarbeitungstools sind noch ausgefeilter, obwohl selbst die einfachsten Beispiele bahnbrechend sein können.

Einige der aufregendsten Beispiele für maschinelles Sehen in der industriellen Welt sind Aufgaben, die früher als schwierig oder unmöglich an Roboter ausgelagert wurden. Wie bereits erwähnt, ist die Kommissionierung aus Lagern in Lagern ein Prozess, der in Bezug auf Fehler von Natur aus riskant ist. Fehler bei der Erfüllung kosten Kulanz und Kunden.

Angesichts der Tatsache, dass Produktschäden, Artikelstandort und geringfügige Abweichungen in der SKU einige der größten Fehlerquellen in diesem Bereich sind, ist maschinelles Lernen für die Behälterkommissionierung eine natürliche Lösung.

Bereits heute stehen nahezu 100 % autonome Kommissionierroboter zur Verfügung, die sicher navigieren, Teile und Produkte im Behälter inspizieren, mit einem Manipulatorarm die richtige Kommissionierung vornehmen und die Kommissionierung zu einem Bereitstellungs- oder Verpackungsbereich transportieren können.

Letztendlich bedeutet dies, dass Unternehmen ein weitaus geringeres Risiko haben, beschädigte Waren oder falsche SKUs zu versenden, die der vom Kunden bestellten ähnlich, aber nicht ganz entsprechen.

Die Automatisierung von Qualitätssicherung und Inspektionen ist ein weiterer Aspekt der maschinellen Bildverarbeitung und des IoT, der sehr schnell an Popularität gewinnt.

In einigen modernen Fertigungsumgebungen kann es Arbeitgebern helfen, die Ergebnisse des QS-Prozesses zu automatisieren und zu verbessern, auch ohne menschliche Arbeitsplätze zu opfern. Stattdessen übernehmen automatisierte Prüfstationen diese hochpriorisierte Arbeit, während die Mitarbeiter kognitiv anspruchsvollere Fähigkeiten erlernen.

Cobots werden bis 2025 voraussichtlich einen Anteil von 34 % am gesamten Robotikumsatz erzielen. Dies ist zum großen Teil auf Verbesserungen in der Bildverarbeitung und das Bestreben zurückzuführen, so viel Ineffizienz, Ungenauigkeit und Verschwendung wie möglich aus der modernen Industrie zu vermeiden.

Maschinelles Sehen und die vierte industrielle Revolution

Erwarten Sie, dass sich die Bildverarbeitung in den kommenden Jahren weiterentwickelt und einen weiteren Beitrag zur Industrie 4.0 leistet, die von vielen als vierte industrielle Revolution bezeichnet wird. Die Augen sind bereits auf neuere, kostengünstigere Produkte mit eingebetteter Bildverarbeitung und Board-Level-Bildverarbeitung mit Machine Vision-Funktionen geschult.

Die maschinellen Bildverarbeitungsfunktionen werden zu einer noch breiteren Akzeptanz des IoT und der maschinellen Bildverarbeitung und zu neuen Möglichkeiten für Unternehmen führen, digitale Intelligenz zu nutzen.

Bildnachweis:HAHN Group, CC BY-SA