Qualitätskontrolle in der Fertigung Google Cloud stellt Visual Inspection AI vor

Anbieter zum Thema

Google Germany GmbH

Fsas Technologies GmbH

INFOMOTION GmbH

QUNIS GmbH

Mit seiner neuen Computer-Vision-Plattform will Google Cloud Maßstäbe für die Qualitätskontrolle in der Fertigung setzen. Visual Inspection AI soll unter anderem Defekte, Rückrufe und Retouren reduzieren.

Google Cloud will mit Visual Inspection AI Hersteller und andere Unternehmen im Produktionsprozess unterstützen. Vor allem die Reduktion der Fehlerhäufigkeit und damit erhebliche betriebliche Einsparungen im Fertigungs- und Inspektionsprozess stehen dabei im Fokus. Derartige Fehler kosten die Unternehmen jährlich Milliarden – qualitätsbezogene Kosten können 15 bis 20 Prozent des Umsatzes tilgen. Manuelle Prüfungen sämtlicher Produktionsteile sind insbesondere bei hohen Fertigungsvolumen nicht realistisch machbar.

Probleme umgehend erkennen

Visual Inspection AI setzt auf Computer Vision und soll Fehler und Defekte schnell und präzise erkennen, noch ehe die Produkte ausgeliefert werden. Dies soll den Produktionsdurchsatz verbessern, Gewinne erhöhen, Nacharbeit reduzieren und Kosten für Rücksendungen und Reparaturen senken. Die Lösung ist branchenübergreifend für eine Vielzahl von Anwendungsfällen geeignet. Im Vergleich zu Machine-Learning-Ansätzen soll sie etwa zehnmal so genau arbeiten. Zudem lassen sich mittels Deep Learning Modelle erstellen, die mehrere Fehlertypen in einem Bild erkennen, klassifizieren und lokalisieren.

„Wir haben uns die spezifischen Anforderungen der Branche angehört und dann die besten KI-Technologien von Google zusammengeführt, um diese zu erfüllen. Das Ergebnis ist eine KI-Lösung, die auf jahrelanger Erfahrung im Bereich Computer Vision aufbaut. Sie ist speziell an die Probleme der Qualitätskontrolle für nahezu alle Arten von diskreten Fertigungsprozessen adressiert“, erklärt Mandeep Waraich, Head of Product for Industrial AI von Google Cloud.

Unkompliziert und schnell

Google Cloud betont, dass für den Einsatz von Visual Inspection AI kein spezielles Fachwissen erforderlich ist. Qualitäts-, Test- und Fertigungsingenieure benötigen kein spezifisches Know-how in Computer Vision oder KI. Eine laut Google Cloud intuitive Benutzeroberfläche führt die Nutzer durch alle nötigen Schritte. Zudem sollen nur zehn gelabelte Bilder statt wie sonst üblich tausende Aufnahmen für Machine-Learning-Modelle ausreichen. Sie werden mit der Zeit automatisch genauer, wenn sie mit mehr Produkten in Kontakt kommen. Die Lösung kennzeichnet dabei nicht nur defekte Bauteile, sondern kann auch spezifische Fehler innerhalb jedes Teils lokalisieren und identifizieren.

Visual Inspection AI ist vollständig Edge-to-Cloud-fähig: Inspektionsmodelle lassen sich auf Maschinen in der Fabrikhalle herunterladen und autonom am Edge ausführen. Dabei spielt es keine Rolle, ob dies beispielsweise aus Gründen der Data Governance oder zur Verbesserung der Latenzzeiten geschieht. Zudem ist die Lösung vollständig in das Google-Cloud-Portfolio an Analytics-, Machine-Learning- und KI-Systemen integriert. So sind Erkenntnisse aus Visual Inspection AI mit anderen Datenquellen kombinierbar, um etwa Ursachen von Qualitätsproblemen zu identifizieren oder Querverweise zu Lieferanten- und Kundendaten zu ziehen.

Breite Einsatzmöglichkeiten

Google Cloud sieht ein breites Anwendungsspektrum für Visual Inspection AI. Ein Beispiel dafür sind Automobilhersteller: Ein Fahrzeugwerk produziert etwa 300.000 Autos pro Jahr. Etwa zehn Prozent davon enthalten Bauteile, die während des Produktionsprozesses nachgearbeitet oder ausgetauscht wurden, um Fehler zu beheben. Durch die automatische Erkennung von Defekten bei Lackierung, Sitzfertigung, Schweißnähten an der Karosserie oder der Endprüfung mechanischer Teile könnten die Hersteller rund 50 Millionen US-Dollar pro Jahr und Werk einsparen.

Ein weiteres Beispiel sind Dienstleistungen für die Elektronikfertigung. Von rund 15 Millionen produzierten Leiterplatten pro Jahr müssen laut Studien bis zu sechs Prozent während des Montageprozesses wegen interner oder externer Qualitätsmängel nachbearbeitet oder verschrottet werden. Durch den Einsatz von Visual Inspection AI und die damit verbundene Reduktion von Nacharbeit und Materialabfall sind Einsparungen von knapp 23 Millionen US-Dollar pro Jahr möglich. Ähnlich sieht es in der Halbleiterfertigung aus, bei der sich durch die frühzeitige Erkennung von Rissen und anderen Defekten bis zu 56 Millionen US-Dollar pro Fabrik und Jahr sparen lassen.

„Angesichts des Mangels an KI-Ingenieurinnen und -Ingenieuren ist Visual Inspection AI ein innovativer Service, der auch von Nicht-KI-Ingenieurinnen und -Ingenieuren genutzt werden kann. Wir haben festgestellt, dass wir mit Visual Inspection AI in der Lage sind, hochpräzise Modelle mit nur zehn bis 20 fehlerhaften Bildern zu erstellen. Wir werden unsere Partnerschaft mit Google weiter ausbauen, um Lösungen zu entwickeln, die die digitalen Transformationsprojekte unserer Kunden zum Erfolg führen“, erklärt Masaharu Akieda, Division Manager der Digital Solution Division von Kyocera Communication Systems.

(ID:47563649)