Manuelle Montageverfahren und arbeitsintensive Aufgaben in der Produktion sind besonders anfällig für menschliche Fehler. Diese können zu kostspieligen Schäden an Anlagen, unerwünschter Nacharbeit, Qualitätsproblemen am Produkt oder sogar zu Verletzungen von Mitarbeitenden führen. Checklisten und die Definition von standardisierten Arbeitsabläufen können das Problem zwar teilweise entschärfen, das Auftreten von unerwünschten Ereignissen jedoch nicht vollständig ausschließen. Daher benötigen Unternehmen oft nachgelagerte Qualitätskontrollen, um das Problem anzugehen, aber diese erhöhen die Komplexität der Prozesskette und auch die Kosten.
Smart-Kameras bieten die beispiellose Möglichkeit, die physische Welt zu erfassen und Informationen automatisch zu verarbeiten, um aussagekräftige Einblicke in die Produktion zu gewinnen. Dank hochmoderner Objekterkennungsalgorithmen, die auf Convolutional Neural Networks basieren, können Smart-Kameras darauf trainiert werden, das Auftreten bestimmter Ereignisse in der Produktion zu erkennen. Das Anziehen einer Schraube, das korrekte Aufbringen von Etiketten oder eine bestimmte Reihenfolge bei Montagevorgängen kann automatisch überwacht werden. Beim Auftreten von unerwünschten Ereignissen kann der Bediener sofort benachrichtigt und daran erinnert werden, das Problem direkt zu beheben.
In einer praktischen Umsetzungsstudie entwickelte EMBRIO.tech ein intelligentes Kamerasystem zur Überwachung des manuellen Einrichtvorgangs von schweren Bearbeitungsmaschinen. Dazu erkennt das System Rüstereignisse und wertet aus, ob sie in der richtigen Reihenfolge aufgetreten sind. Die Ereignisse werden anhand des Vorhandenseins, der Position und der Orientierung der relevanten Objekte in aufeinanderfolgenden Bildern erkannt. Die relevanten Objekte sind
Die intelligente Kamera ist in der Lage, den Einrichtvorgang automatisch zu überwachen und zu überprüfen, ob das Werkstück korrekt auf der Drehmaschine eingespannt wurde und ob die Produktion gefahrlos gestartet werden kann oder nicht. Wird das Werkstück nicht korrekt eingespannt, kann dies zu großen Schäden an der Anlage führen. Das Erkennungssystem besteht aus zwei einzelnen Smart-Kameras, für Redundanz im Falle einer beeinträchtigten Sicht.
Der Smart-Kamera-Algorithmus wurde mit Transfer-Learning anhand von 650 unterschiedlichen Bildern von beiden Kameras trainiert, die das Werkzeug und das Teil zeigen.
Trainingsbilder
Jährliches Einsparpotenzial