Fotos: mohamed Hassan/Pixabay (1), AWS (2)
2021/22 INDUSTRIE-GUIDE 229
COMPUTER-VISION ERKENNT ANOMALIEN
Produktqualität ist genauso wichtig wie ein reibungsloser
Anlagenbetrieb. Da die visuelle
In spektion durch den Menschen aufwendig ist,
nutzen immer mehr Industrieunternehmen
Computer-Vision-Systeme, mit denen sich
Defekte und Anomalien in digitalen Fotos oder
Videos aufzeigen lassen. Es gibt bereits hochpräzise
und kostengünstige Lösungen, die Tausende
von Bildern pro Stunde verarbeiten und so
Fehler schnell und treffgenau erkennen. Ein
Beispiel dafür ist das schwedische Unternehmen
Dafgards, das Computer-Vision bei der Produktion
seiner Pizzas verwendet. Zuvor nutzte es
eine maschinelle Bildverarbeitung, um den
Käsebelag zu überprüfen. Das Problem dabei:
Fehler auf Pizzen mit mehreren Belägen ließen
sich damit jedoch nicht erkennen. Durch einen
neuen ML-Dienst für maschinelles Sehen konnte
Dafgards die Inspektionskapazitäten einfach
und kosteneffizient erweitern.
MEHR SICHERHEIT UND EFFIZIENZ DURCH
VERBESSERTE BETRIEBSABLÄUFE
Auch Betriebsabläufe lassen sich mithilfe von
Computer-Vision verbessern. So helfen Videoaufnahmen
von Industriestandorten dabei, den
Zugang zu Anlagen zu authentifizieren, Lieferungen
zu kontrollieren und Leckagen oder
andere gefährliche Situationen zu erkennen. Die
entsprechenden Informationen in Echtzeit zu
erfassen, ist allerdings schwierig, fehleranfällig
und teuer. IP-Kameras lassen sich durch Smart-
Kameras ersetzen, die genug Rechenleistung für
das Ausführen von Computer-Vision-Modellen
mitbringen, allerdings lassen sich auch damit
nicht immer niedrige Latenzzeiten und präzise
Bilder erzielen. Abhilfe schaffen in diesem Fall
Hardware-Anwendungen, die Kameras um
Bildverarbeitungsfunktionen erweitern. Der
globale Energiekonzern BP will beispielsweise
seine 18.000 Tankstellen weltweit mit Computer
Vision ausstatten. Geplant ist, die Ein- und
Ausfahrten von Tankwagen zu automatisieren,
um Bestellungen zu überprüfen. Ein Vorteil
dieser Technologie ist, dass sie Arbeiter vor Kollisionen
warnt, Fremdkörper in Sperrzonen
identifizieren und Öllecks erkennen kann.
OPTIMIERTE LIEFERKETTEN DANK
GENAUER VORHERSAGEN
Heutzutage sind Lieferketten komplexe globale
Netzwerke, bestehend aus Herstellern, Zulieferern,
Logistikern und Einzelhändlern, die ihr
Angebot an die Kundennachfrage, Schwankungen
in der Rohstoffverfügbarkeit oder an externe
Einflussfaktoren wie Feiertage und sogar das
Wetter anpassen müssen. Vage Prognosen verursachen
hohe Kosten, etwa durch Über- und Unterkapazitäten
oder schlechte Kundenerfahrungen.
Im Trend liegen daher ML-Lösungen, die Zeitreihendaten
analysieren und genaue Prognosen
erstellen. Damit können Unternehmen Leistungsschwächen
im Betrieb reduzieren, die Ressourcen-
und Produktverfügbarkeit erhöhen, Produkte
schneller liefern und die Kosten senken. Immer
mehr Unternehmen versuchen, das Potenzial
von ML in Industrie und Fertigung sowie in der
Logistik und Lieferkette auszuschöpfen, um
ihre Prozesse einfacher, schneller und genauer
zu machen. Mit der Kombination von Echtzeitdatenanalyse
in der Cloud und ML am Rande
der Wertschöpfungskette sind die Weichen für
die nächste industrielle Revolution gestellt.
Swami Sivasubramanian
ist Vice President Amazon Machine Learning bei AWS.
Nähere Informationen finden Sie unter aws.amazon.com. 2