Smart Data & AI

​KI & Automatisierung – Die Zukunft der inländischen Produktion

Durch den Einsatz von KI und moderner Softwaretechnik können fehlerhafte Produkte
automatisch aussortiert und der maschinelle Betrieb transparent und effizient über viele Maschinen hinweg überwacht werden.

Die Bierbaum Unternehmensgruppe ist ein mittelständisches Unternehmen, welches sich mit der Herstellung von textilen Konsumgütern für Handel und Industrie beschäftigt. Dazu zählen unter anderem Heimtextilien wie Bettwäsche.

Erkennungsrate der künstlichen Intelligenz (KI) über 97 %

Dauer der Verarbeitungskette unter 600 ms

Check

Persistenz der Erkennungen zur Auswertung

Echtzeit-Überwachung und Warnung bei Fehlbetrieb

Herausforderungen

Um qualitativ hochwertige Ware an den Kunden zu liefern, ist es wichtig, die beschädigten Produkte frühzeitig und effizient zu erkennen und vor der Auslieferung auszusortieren. Zu Beginn der Zusammenarbeit mit der codecentric AG war ein solches System bereits prototypisch implementiert.

Hierbei wurden Aufnahmen von den fertigen Produkten gemacht und danach durch eine KI ausgewertet. Dies funktionierte weitgehend gut. Allerdings gab es deutliche Schwankungen in der Erkennungsleistung, die nur teilweise mit den unterschiedlichen Produkttypen erklärt werden konnten. Außerdem fehlten Metriken und Warnindikatoren, die beim Auftreten einer Schwankung Alarm schlagen, um einem Fehlverhalten des Algorithmus frühzeitig entgegenzuwirken.

Lösungen

In einer partnerschaftlichen Zusammenarbeit galt es, für die Herausforderungen verschiedene Lösungen zu entwickeln. In einem ersten Schritt wurden fortschrittliche KI-Methoden eingesetzt, um das System robuster gegenüber verschiedenen Einflussfaktoren wie Produkttyp oder Beleuchtung zu machen. Dies senkte sofort den Arbeitsaufwand für die manuelle Kontrolle.

Der zweite Schritt bestand darin, das System für die Fabrikhalle zu operationalisieren. Im Zuge einer Skalierung auf fünf Maschinen wurden zunächst die Versionen der Erkennungssoftware zentral verwaltet, was zusätzlich eine Remote-Steuerung und Deployment dieser Software an den Anlagen ermöglichte. Eine mit dem System eng verzahnte Aufzeichnung der Historie erlaubt außerdem, tiefgehende Analysen und Auswertungen durchzuführen. Durch Integration mit der bereits vorhandenen Monitoring-Software des Betriebs werden die dafür zuständigen Mitarbeiter bei Fehlverhalten des Systems umgehend gewarnt.

Ergebnisse

    • Eine Erkennungsrate der KI von über 97 % wurde erreicht.
    • Die Bilder werden vom System in unter 600 ms verarbeitet. Dabei beläuft sich die Dauer der Entscheidungsfindung der KI auf unter 200 ms.
    • Erkennungshistorie wird persistiert und ausgewertet.
    • Die Auswertung wurde an die interne Monitoring-Software angeschlossen.

Ihr Ansprechpartner

Denis Stalz-John
Machine Learning Specialist

Sind Sie interessiert an einer ähnlichen Lösung für Ihr Unternehmen? Dann lassen Sie uns unverbindlich sprechen.

Kontakt aufnehmen

Hinweis: In Ihrem Browser ist JavaScript deaktiviert. Für eine bessere und fehlerfreie Nutzung dieser Webseite, aktivieren Sie bitte JavaScript in Ihrem Browser.