ANTICIPATE ist Goldmitglied des Intel® Partner Alliance Programms. Mit der Intel-Distribution des OpenVINO-Toolkits können Kunden vor allem in der Pilotphase flexibler und schneller bedient werden.

‍

Herausforderung

Gegenwärtig werden 72 % der Aufgaben in Fabriken manuell ausgeführt, was dazu führt, dass 40 % der Fehler in der Fertigung von Menschen verursacht werden. Herkömmliche Qualitätskontrollen, die in der Regel am Ende der Produktionslinien angesiedelt sind, versäumen es oft, diese Fehler frühzeitig zu erkennen, was zu erhöhten Kosten aufgrund der späten Fehlererkennung führt.

‍

KI-gestütztes Assistenzsystem

Um diese Ineffizienzen zu beseitigen, haben wir ein KI-System entwickelt, das bei der automatischen Überprüfung manueller Montageprozesse hilft. Dieses System nutzt Kameras, um sicherzustellen, dass die Montageschritte in der richtigen Reihenfolge und mit den richtigen Komponenten durchgeführt werden, und erkennt Fehler in Echtzeit. Sofortige Korrekturen an der Montagestation können die Kosten für die Ursachenanalyse und die anschließende Fehlerkorrektur erheblich senken.

‍

Schulung und Prozessoptimierung

Darüber hinaus unterstützt dieses KI-System die effizientere Schulung neuer Mitarbeiter und beschleunigt so deren Einsatzbereitschaft. Die gewonnenen Daten über die Häufigkeit verschiedener Fehler in einzelnen Prozessschritten können dann von der Produktionsplanung zur Prozessoptimierung genutzt werden.‍

‍

Hardware-Auswahl und Kostenmanagement

Bei der Bereitstellung von Hardware hilft die Verwendung von tragbaren Edge-Geräten in der Pilotphase, die Kosten niedrig zu halten und die Einrichtungszeit sowie das Investitionsrisiko zu minimieren. Im Gegensatz dazu kann die Skalierungsphase von zentralisierten Rechenressourcen profitieren, um die Hardwarekosten pro Lösung zu senken.

‍

Herausforderungen

Eine große Herausforderung beim Einsatz von Deep Learning in der Fertigung ist die Knappheit an Trainingsdaten, die einen erheblichen Aufwand für die anfängliche Datenerfassung und -annotation erfordern, was die Pilotkosten in die Höhe treibt. Hier kommt das OpenVINO-Toolkit von Intel ins Spiel. Es vereinfacht die Optimierung von Deep-Learning-Modellen für den Einsatz auf verschiedener Intel-Hardware und spart so Hardware- und Energiekosten. Das OpenVINO-Toolkit umfasst Tools zur Konvertierung und Optimierung von Modellen sowie eine Inferenz-Engine zur effizienten Ausführung dieser Modelle auf ausgewählten Geräten. Darüber hinaus bietet Intels Model Zoo vortrainierte Modelle, die helfen, Datenknappheit zu überwinden und den Aufwand für das anfängliche Modelltraining zu reduzieren.

‍

‍

Partnerschaft und Zukunftsperspektiven

Wir freuen uns auf die Zusammenarbeit mit Intel, um unser Angebot zu erweitern, die produzierenden Unternehmen effektiver zu unterstützen und die Rolle der KI in der Industrie zu stärken. Unsere Partnerschaft mit Intel hat bereits einen starken Fokus auf das Erreichen von Ergebnissen und beiderseitigem Nutzen gezeigt, was durch die Reaktionsfähigkeit und das technische Fachwissen des Unternehmens unterstrichen wird, wie Gennaro Cavallucci, AI ISV Strategic Relationship Manager bei der Intel Corporation, anmerkte.

‍