Schwerpunkte

Industriecomputer

Rechenpower für KI

24. April 2019, 02:00 Uhr   |  Fisnik Kraja

Rechenpower für KI
© Dell EMC

Das Potenzial der Künstlichen Intelligenz im Fertigungsumfeld ist nach Meinung vieler Experten enorm. Vorkonfigurierte beziehungsweise auf KI angepasste Rechner-Lösungen erleichtern den Einstieg in die neue Technologie.

Die Einsatzgebiete für Künstliche Intelligenz in der Industrie sind vielfältig. So können etwa Roboter in der Kombination mit Kamerasystemen und Radar zur Datenerfassung als selbstständig arbeitende Transport- und Logistiksysteme wichtige Aufgaben im Warenfluss übernehmen – überall dort, wo Güter physisch transportiert werden müssen. Dabei spielen Künstliche Intelligenz sowie Methoden des Maschinellen Lernens und des Deep Learning eine entscheidende Rolle. 

Kameras und Sensoren erfassen in Echtzeit Daten in der Umgebung eines Roboters; eine KI-Lösung wertet diese sofort aus und berechnet dann die präzise Geschwindigkeit und den Fahrweg des Roboters. Letztlich ist es dabei egal, ob dieser in der industriellen, automobilen oder pharmazeutischen Fertigung zum Einsatz kommt. Er ist immer auf KI, genauer gesagt maschinelles Lernen, angewiesen. Im Kern geht es in solchen Roboter-Szenarien darum, Daten zu erfassen, sie zu interpretieren und automatisch Entscheidungen zu treffen. Durch eine intelligente Datenanalyse können KI-Applikationen in der Fertigung Aussagen über den Zustand von Maschinen treffen, Unregelmäßigkeiten oder außergewöhnliche Ereignisse frühzeitig erkennen und so die vorausschauende Wartung deutlich verbessern. Auch in der Qualitätskontrolle kommen bereits erste KI-Lösungen zum Einsatz, um Mängel-Ursachen im Produktionsprozess zu finden. In anderen Fällen unterstützen Lösungen die Qualitätskontrolle und Fehlerdiagnose bei der Endabnahme, zum Beispiel durch automatisch arbeitende Kamerasysteme, die jeden Millimeter einer Maschine akribisch erfassen. 

Weitere Anwendungsszenarien für KI, maschinelles Lernen und Deep Learning finden sich etwa in der Halbleiterfertigung, bei der Kosten, Qualität und Time-to-Market entscheidend sind. Siliziumwafer durchlaufen bei der abschließenden Qualitätskontrolle einen Prozess, der Fehler erkennt und Änderungen in der Fertigung ermöglicht. In der Vergangenheit war dieser Testprozess mühsam und fehlerhaft – jedes Produktionsergebnis wurde mit dem menschlichen Auge untersucht. Die Anwendung von Software-Algorithmen zur Fehlersuche auf Millionen von hochauflösenden digitalen Bildern der Wafer ermöglicht es, Fehler früher, schneller und mit höherer Genauigkeit zu erkennen.

Seite 1 von 4

1. Rechenpower für KI
2. Schnell einsatzfähige KI-Lösungen
3. Flash-Speicher für KI
4. Wichtige Tools für Deep Learning

Auf Facebook teilenAuf Twitter teilenAuf Linkedin teilenVia Mail teilen

Verwandte Artikel

DELL GmbH

SPS 2019

Anbieter zum Thema