Computer Vision

Manuelle Montageprozesse digitalisiert

23. September 2021, 9:44 Uhr | Georg Stieler und Darren Jones

Das Hauptaugenmerk von Industrie 4.0 liegt auf der intelligenten Vernetzung von Maschinen. Menschliche Arbeit in der Fertigung hingegen wird oft noch mit antiquierten Methoden gemessen und analysiert. Computer Vision und Künstliche Intelligenz können dem abhelfen.

Über 100 Jahre nach der Begründung der Arbeitswissenschaft durch Frederick Winslow Taylor werden menschliche Montagetätigkeiten immer noch größtenteils manuell beobachtet und gemessen. Die Folgen sind ein Mangel an Information, unvollständige Datensätze, Beobachtungsverzerrungen und das Fehlen von Systemperspektiven bei manuellen Montageprozessen. In Anbetracht der Tatsache, dass immer noch über 70 % der Montagetätigkeiten weltweit durch den Einsatz menschlicher Arbeitskraft erfolgen, hat das Industrial Internet of Things hier einen gewaltigen, menschengemachten blinden Fleck.

Ändern lässt sich der Status quo durch Technologien, die die Methoden der Zeit- und Bewegungsstudien revolutionieren und die angesprochenen Mängel beseitigen. Die Firma Drishti nimmt hier, gemeinsam mit einigen der weltweit führenden Fertigungsunternehmen, die unter anderem auch in Europa beheimatet sind, eine Vorreiterrolle ein.

Über jeder Station einer manuellen Montagelinie werden Kameras positioniert. Dadurch stehen Kunden Live- und aufgezeichnete Videos zur Verfügung. Innerhalb weniger Tage analysieren die neuronalen Netze von Drishti die Videostreams und erstellen Daten zu den Zykluszeiten, die die Kunden dann in ihre Produktionssysteme integrieren. Jeder im Werk – Linienmitarbeiter, Teamleiter, Fertigungs- und Qualitätsingenieure sowie Werksleiter – kann die Lösung nutzen, um die Entscheidungsfindung zu verbessern. Dies führt zu einer höheren Produktionsqualität, mehr Effizienz und besseren Schulungen.

Videostreams statt statische Bilder

Während es auf dem Feld der statischen Bilderkennung mittlerweile zahlreiche Dienste gibt, analysiert Drishti Videostreams. Eine Praxis, die das Unternehmen als Bewegungserkennung bezeichnet. Dazu muss die Technologie unterschiedliche Szenarien bewältigen: Variationen in der Teilegröße, die ungenaue Platzierung von Werkstücken, unterschiedliche Bewegungspfade, mehrere Einheiten im Sichtfeld, Verdeckung der Kamera, unterschiedliche physische Merkmale bei Arbeitern sowie Veränderungen im Lichteinfall oder im Hintergrund.

Um diese Herausforderungen zu bewältigen, wurden zahlreiche Funktionen eingeführt:

Eine fast vollständig unüberwachte Lernfunktion ermöglicht eine genaue Datenerstellung mit kleineren Datensätzen und eine 10-fache Reduzierung der Trainingszeit im Vergleich zu anderen Methoden.
Dank 3D-Convolution betrachtet die Künstliche Intelligenz nicht nur einzelne Frames, sondern auch den Zeitaspekt zwischen ihnen. Auf diese Weise erzielt Drishti eine deutlich höhere Genauigkeit als andere Lösungen.
Mittels einer Verdeckungserkennung mit Erinnerungsfähigkeit antizipiert die KI, was hinter einem Objekt geschieht, das Teile des Kamerasichtfeldes verdeckt. Wird etwa ein normalerweise sichtbares Werkzeug verdeckt, schließt die KI aus der Bewegung des sichtbaren, das Werkzeug haltenden Arms, was im nicht sichtbaren Bereich des Bildes geschieht.
Um für Kunden einen greifbaren Mehrwert zu schaffen, wurden eine vollständig integrierte Systemarchitektur, eine Videopipeline und eine Data Science-Engine geschaffen.