Quality assurance with artificial intelligence

Summary

In diesem Video skizziert Ingo einen Prozess zur Verbesserung der Qualitätsprüfung von Spielzeugkatzen mithilfe von künstlicher Intelligenz (KI). Er erklärt die traditionelle visuelle Kontrolle und stellt KI als innovative Lösung vor, die Fehler wie fehlende Schrauben erkennen kann. Der Vortrag umfasst das Sammeln und Beschriften von Bildern, das Trainieren eines tiefen neuronalen Netzwerks und dessen Implementierung in die Produktion mit dem T-Mind-Modul von Siemens. Dies soll den Produktionsprozess beschleunigen und die Umweltverträglichkeit erhöhen.

Takeaways

• 🤖 Die Diskussion dreht sich um die Verbesserung der Qualitätsprüfprozesse für die Montage von Spielzeugkätzchen mithilfe von künstlicher Intelligenz (KI).
• 🔍 Traditionell wird die Qualitätsprüfung visuell durchgeführt, wobei Teile auf der Förderbandlinie überprüft werden und Mängel manchmal nicht erkannt werden.
• 🔧 Ein typischer Ansatz zur Problembehandlung ist die Frage, ob ein Mensch das gleiche Problem auf einem Kamerabild erkennen kann.
• 🛠️ Es gibt Mängel wie fehlende Schrauben an den Beinen der Spielzeugkatzen, die mit bloßem Auge erkannt werden können.
• 📸 Um eine KI-Lösung aufzubauen, müssen zuerst Bilder von guten und defekten Teilen gesammelt und als solche gekennzeichnet werden.
• 🗂️ Die Daten, die für die KI gesammelt werden, sind oft unstrukturiert und müssen möglicherweise neu erfasst werden, um für den KI-Einsatz geeignet zu sein.
• 🏷️ Das Beschriftungsverfahren ist entscheidend, da es der KI ermöglicht, zwischen guten und defekten Teilen zu unterscheiden, ähnlich wie ein Kind lernt, indem es Beschriftungen erhält.
• 🧠 Der neuronale Netzzugang, der als 'Gehirn' der KI-Lösung dient, besteht aus mehreren Schichten von Neuronen, die durch Lernen und Anpassung verbessert werden.
• 📈 Die KI lernt durch das Beschriften von Daten, ähnlich wie ein Kind durch das Lernen von Bildern in einem Bilderbuch.
• 🔄 Für die Implementierung in der Fertigung wird das trainierte neuronale Netzwerk auf dem S7-1500-TM-NPU-Modul eingesetzt, um Entscheidungen über die Güte der Teile zu treffen.
• 🌐 Die Einführung von KI in den Produktionsprozess kann zu einer schnelleren und ökonomischeren Fertigung führen, was weniger Abfall erzeugt und somit ökologischer ist.

Q & A

Was hat Nelli mitgebracht, um über die Qualitätsprüfung zu sprechen?

Nelli hat einen Roboter-Katz mitgebracht, um über die Verbesserung der Qualitätsprüfung bei der Herstellung von Spielzeug-Kätzen zu diskutieren.

Was ist das Hauptthema des Gesprächs?

Das Hauptthema des Gesprächs ist die Anwendung von Künstlicher Intelligenz (KI) zur Verbesserung des Qualitätsprüfprozesses bei der Herstellung von Spielzeug-Kätzen.

Wie wird traditionell die Qualitätsprüfung durchgeführt?

Traditionell wird jedes Teil des Spielzeug-Katzes visuell auf Mängel überprüft, bevor es montiert wird. Es gibt jedoch Fälle, in denen Mängel möglicherweise nicht erkannt werden.

Was ist das Problem mit der traditionellen Qualitätsprüfung?

Das Problem ist, dass die traditionelle Qualitätsprüfung manchmal Mängel nicht erkennen kann, wie zum Beispiel fehlende Schrauben in den Beinen des Spielzeug-Katzes.

Was ist der erste Schritt zur Schaffung einer KI-Lösung?

Der erste Schritt zur Schaffung einer KI-Lösung ist die Sammlung von Bildern von guten und defekten Teilen, um sie für die KI-Trainings zu verwenden.

Was bedeutet das Sammeln von 'clean data'?

Sammeln von 'clean data' bedeutet, dass die Daten speziell für die zukünftige Verwendung gesammelt werden, anstatt sie nach dem Erkennen von defekten Teilen zu sammeln.

Wie viele Bilder werden normalerweise für das KI-Training benötigt?

Es gibt keine spezifische Anzahl, aber es wird geschätzt, dass zwischen 300 und 1000 Bildern ausreichend sind, um ein robustes KI-Modell zu trainieren.

Was ist die Bedeutung von 'Labeling' in der KI-Trainingsphase?

Labeling ist der Prozess, bei dem die gesammelten Bilder als 'gut' oder 'defekt' gekennzeichnet werden, um die KI zu lehren, welche Art von Bildern sie unterscheiden soll.

Wie funktioniert ein neuronales Netzwerk im Kontext der KI?

Ein neuronales Netzwerk ist eine Sammlung von Schichten von Neuronen, die trainiert werden, um Muster in den gelabelten Daten zu erkennen und Entscheidungen zu treffen, ähnlich wie ein menschliches Kind lernt.

Wie wird die KI-Lösung in der Produktion eingesetzt?

Die KI-Lösung wird in der Produktion eingesetzt, indem das trainierte neuronale Netzwerk in einem Technologiemodul wie dem TMT U eingebettet wird, das die Inferenz auf dem neuronalen Netzwerk ausführt und Entscheidungen über die Qualität der Teile trifft.

Was ist der Nutzen der KI-Anwendung in der Qualitätssicherung?

Die KI-Anwendung in der Qualitätssicherung kann den Prozess beschleunigen, weniger Ausschuss erzeugen, was bedeutet, dass es ökologischer und wirtschaftlicher ist.