In Fujitsu-Fabriken Werden KI-Qualitätsprüfer Eingesetzt, Wodurch Die Prüfeffizienz Im Vergleich Zur Manuellen Prüfung Um 25% Gesteigert Werden Konnte.
Fujitsu, Japans führender IT-Hersteller, gab vor Kurzem bekannt, dass er eine KI-Technologie zur Erkennung von Anomalien im Erscheinungsbild von Produkten entwickelt habe. Dadurch würden Arbeitskosten, Materialkosten usw. eingespart, sowie Reputationsverluste und Kosten im Zusammenhang mit Rücksendungen/Rückrufen vermieden. Die „unbemannte Fabrik“ ist da.
Im vergangenen November begann Apple, AirPods Pro weltweit zurückzurufen. Der Grund dafür war, dass AirPods Pro, die vor Oktober 2020 hergestellt wurden, möglicherweise Knall- oder statische Geräusche abgeben, die sich in lauten Umgebungen, beim Sport oder während Anrufen verstärken können.
Unerwarteterweise startete Apple nur einen Monat nach diesem Vorfall im Dezember 2020 eine neue Rückrufaktion, die sich mit dem Problem des Touchscreen-Fehlers beim vorherigen iPhone 11 befasste.
Die wiederholten Rückrufe fehlerhafter Produkte haben nicht nur Apples Ruf geschädigt, sondern auch zu einem gewissen Vertrauensverlust der Verbraucher geführt.
Daher ist für Unternehmen neben den Produktleistungsindikatoren auch die Qualitätskontrolle von entscheidender Bedeutung.
Mit dem steigenden Konsumniveau der Menschen steigt die Nachfrage nach elektronischen Produkten und auch der Lieferdruck auf die Fabriken nimmt zu. Der Qualitätskontrollprozess basiert im Wesentlichen auf manueller Inspektion. Bei hochintensiver Arbeit kann es aufgrund von Augenermüdung und Konzentrationsmangel bei Qualitätsprüfern zu mehr falschen oder versäumten Prüfungen kommen.
Wie lässt sich die Produktausbeute verbessern und gleichzeitig die Erkennungseffizienz gewährleisten? Fujitsu entschied sich, zur Lösung des Problems KI-Technologie einzusetzen.
Fujitsu strebt Veränderungen an und setzt KI ein, um menschliche Qualitätsprüfer zu ersetzen
Als größter IKT-Anbieter in Asien und fünftgrößter der Welt umfasst das Produktportfolio von Fujitsu Computer, Halbleiter, Middleware usw. Das Unternehmen verfügt über zahlreiche Fabriken in Japan, China, den USA und anderen Ländern.
Da die globale Fertigungsindustrie den Trend zur intelligenten Fertigung vorantreibt, nutzt auch dieses 86 Jahre alte Unternehmen Spitzentechnologien wie künstliche Intelligenz, um die Produktionseffizienz seiner Produktionslinien zu verbessern.
Fujitsu Laboratories gab heute die erfolgreiche Entwicklung einer KI-Technologie zur Bildinspektion bekannt, die eine Vielzahl äußerer Anomalien an hergestellten Produkten, darunter Kratzer und Produktionsfehler, mit hoher Genauigkeit erkennen kann.Gleichzeitig reduziert diese Technologie den Personal- und Zeitaufwand für die Produktqualitätsprüfung erheblich.
Maschinelles Sehen kann Fehler in Produkten schnell und präzise finden
Lange Zeit beruhte die Qualitätsprüfung von Produkten auf manueller Sichtprüfung.Dieser Ansatz ist nicht nur ineffizient, sondern führt aufgrund menschlicher Faktoren auch leicht zu Problemen wie verpassten Erkennungen, falschen Erkennungen und inkonsistenten Standards.
Zu diesem Zweck entschied sich Fujitsu, zur Erkennung äußerer Anomalien fertiger Produkte maschinelles Sehen anstelle des menschlichen Auges einzusetzen. Der „KI-Qualitätsprüfer“ kann anhand von Merkmalen wie der ungefähren Form, der detaillierten Struktur und der Textur eines Produkts feststellen, ob es sich um ein fehlerhaftes Produkt handelt.
Bei verschiedenen Arten von Tests können „KI-Qualitätsprüfer“ auch die wichtigsten Prüfpunkte erfassen und Produktanomalien genau analysieren. Beispielsweise wird beim Testen der Formverformung klar, dass die Beurteilung der ungefähren Form am wichtigsten ist. Bei der Zustands- oder Musterprüfung ist der „KI-Qualitätsprüfer“ der Ansicht, dass die Texturerkennung am wichtigsten ist.
Auch,Auch wenn ein Produkt normal aussieht und es individuelle Unterschiede in Elementen wie Beschichtung, Farbe und Verkabelungsform gibt, prüft die KI diese Merkmale für jeden Artikel und stellt im Zuge der Prüfung fest, ob die individuellen Unterschiede oder Anomalien in einem akzeptablen Rahmen liegen.
Es wird berichtet, dass die Herausforderung beim Trainieren von KI zur Durchführung von Qualitätskontrollaufgaben darin besteht, dass das Modell normalerweise mithilfe gewichteter und kumulativer Indizes einzelner Merkmale trainiert wird. Daher kann es schwierig sein, ein Modell zu erstellen, das alle Inspektionsmerkmale erfasst.
Als Reaktion darauf hat Fujitsu eine neue Trainingsmethode für KI-Modelle entwickelt, die es der KI ermöglicht, Materialien in verschiedenen Formen, Größen und Farben basierend auf einer Bildbibliothek mit mehr als 5.000 künstlichen Objekten zu generieren, ihnen zufällig Anomalien hinzuzufügen und das Modell dann mit diesen Anomaliebildern zu trainieren.
Während des Trainingsprozesses verglichen die Forscher von Fujitsu normale Bilder mit von der KI wiederhergestellten Bildern, bewerteten den Trainingsgrad für jedes Merkmal, wie etwa ungefähre Form, detaillierte Struktur und Textur, und kontrollierten die Größe, Farbe und Anzahl der hinzuzufügenden Anomalien, sodass die KI beim Lernen nicht erfasster Merkmale Priorität einräumte. Anschließend werden die KI-restaurierten Bilder ausgewertet und das Training auf ihre Schwachstellen hin verstärkt.
Kurz gesagt ist dieser Prozess gleichbedeutend damit, dass die KI selbst Anomalien erzeugt, diese dann zur Erkennung an sich selbst übergibt und das Bild wieder in den Normalzustand versetzt, wodurch sie ihre Fähigkeiten im ständigen Selbstspiel verbessert.
Fujitsu hat die Wirksamkeit der Technologie bei Inspektionen in seinem Werk in Nagano, Japan, überprüft.Bei der Anwendung der KI auf normal aussehende Produkte lag der AUC-Wert über 98 % und die Technologie reduzierte den Arbeitsaufwand für die Inspektion von Leiterplatten um 25 %.
Fujitsu sagte, dass das Unternehmen in Zukunft entsprechende Technologien weiterentwickeln und sie auf seine digitalen COLMINA-Lösungen anwenden werde, um die digitale Transformation von Unternehmen zu erreichen.
Von traditionell bis intelligent: Maschinelles Sehen spielt eine große Rolle
Im Zeitalter von Industrie 4.0 dringt die Technologie der künstlichen Intelligenz rasch in verschiedene Szenarien der Industrie ein und verändert unsere Produktionsweise. In,Man könnte sagen, dass die maschinelle Bildverarbeitung die „Augen“ der industriellen Automatisierung sind. Die Identifizierung und Erkennung der Produktposition sowie die Positionierung des Gerätebetriebs usw. sind nahezu untrennbar mit der Bildverarbeitungstechnologie verbunden.
Im werkseigenen Qualitätskontrollsystem, insbesondere in der Automobilteile-, 3C-Produkt-, Chip- und anderen Industriezweigen, sind die Überwachung der Produktqualität und das Fehlermanagement sehr wichtige Bindeglieder, die die Qualität und Ausgabegeschwindigkeit der Produkte stark beeinflussen. Darüber hinaus machen die Arbeitskosten in diesem Bereich auch einen großen Teil der gesamten Produktionskosten aus.
Die Weiterentwicklung der Bildverarbeitungstechnologie hat die Automatisierung dieser Verbindung erheblich vorangetrieben und die Zahl verpasster und falscher Erkennungen deutlich reduziert.
Durch den Einsatz von Algorithmen für maschinelles Lernen und Training mit einer kleinen Anzahl von Bildbeispielen kann KI winzige Defekte an Präzisionsprodukten mit einer Auflösung erkennen, die weit über das menschliche Sehvermögen hinausgeht, und so den Produktertrag verbessern.
Im Vergleich zum menschlichen Sehen bietet das maschinelle Sehen erhebliche Vorteile hinsichtlich Quantisierung, Graustufenauflösung, räumlicher Auflösung und Beobachtungsgeschwindigkeit.
In den letzten Jahren haben viele Unternehmen im In- und Ausland schrittweise Bildverarbeitungstechnologie in den Produktionsprozess eingeführt. Anfang des Jahres kündigte Amazon die Einführung des Machine-Learning-Dienstes Lookout for Vision an, der mithilfe von Machine-Vision-Technologie Dienste zur Erkennung von Produktfehlern und Anomalien für Kunden aus Industrie und Fertigung bereitstellt.
Öffentlichen Daten zufolge erreichte das weltweite Marktvolumen für in der industriellen Automatisierung eingesetzte Bildverarbeitungstechnologie im Jahr 2018 4,44 Milliarden US-Dollar (ca. 29 Milliarden RMB) und wird im Jahr 2023 voraussichtlich 12,29 Milliarden US-Dollar (ca. 80,4 Milliarden RMB) erreichen, was einer durchschnittlichen jährlichen Wachstumsrate von 211TP3B entspricht. Die Marktnachfrage ist riesig.
Mit der zunehmenden Reife der entsprechenden Technologien und der kontinuierlichen Förderung intelligenter Fertigungsrichtlinien werden die Anwendungsszenarien der Bildverarbeitungstechnologie zwangsläufig immer umfangreicher und auch der Wettbewerb in diesem Bereich wird ziemlich hart sein.
Nachrichtenquelle:
https://www.fujitsu.com/global/about/resources/news/press-releases/2021/0329-01.html