Ein innovatives System zur automatisierten Ersatzteilerkennung, entwickelt von ITK Engineering und Bosch Cognitive Services, reduziert Produktionsausfälle und steigert die Effizienz. Durch den Einsatz von Cloud-Technologien und KI auf Basis von IoT-Daten können Ersatzteile schnell und präzise identifiziert werden. Diese Lösung spart nicht nur Zeit, sondern eröffnet auch neue Geschäftsmöglichkeiten.
Die Herausforderung: Komplexität und Stillstandszeiten senken
Produktionsausfälle sind kostspielig. Steht eine Fertigungslinie aufgrund eines defekten Bauteils still, muss dieses ausgebaut und das entsprechende Ersatzteil schnell und einfach eindeutig identifiziert und beschafft werden. Ein funktionierendes Ersatzteilmanagement ist daher entscheidend, um Ausfallzeiten zu minimieren und die Produktivität zu sichern.
In Produktionsanlagen sind oft zehntausende verschiedener Teiletypen verbaut. Herkömmliche Methoden zur Teileerkennung sind daher zeitaufwändig und oft auch stark von der Erfahrung der Mitarbeiter abhängig. Eine fehlerhafte oder verspätete Identifikation kann zu erheblichen Produktionsausfällen führen, die kostspielig sind und die Produktivität beeinträchtigen. Unternehmen benötigen eine umfassende und durchdachte Strategie, um diese Herausforderungen erfolgreich zu meistern.
Ganzheitliches Data Driven Development kann ein Lösungsweg sein: Indem Unternehmen Daten nicht nur generieren, sondern aus diesen intelligente Erkenntnisse mittels maschinellen Lernens gewinnen, schaffen sie direkten Mehrwert. Der Entwicklungsdienstleister ITK Engineering bietet genau das richtige Leistungsspektrum für diese Anforderungen.
Die Lösung: Automatisierte Ersatzteilerkennung und skalierbare Datenpipelines
Ein zentrales Element der Lösung von ITK Engineering sind skalierbare Datenpipelines, die eine effektive Verarbeitung großer Datenströme ermöglichen. Dabei wird auf flexible Dateninfrastrukturen gesetzt, die sowohl lokal als auch in der Cloud betrieben werden können, um den spezifischen Anforderungen der jeweiligen Anwendung gerecht zu werden.
Für die automatisierte Ersatzteilerkennung wird eine cloudbasierte KI-Lösung eingesetzt. Den Kern bildet ein neuronales Netz, welches die Identifizierung von Ersatzteilen anhand von Fotos schnell und präzise ermöglicht.
Um die Ersatzteile einfach erfassen und abbilden zu können, wurde ein System entwickelt, das Ersatzteile automatisch aus verschiedenen Perspektiven fotografiert und die Bilder in eine Datenbank einspeist. Diese Bilder dienen dann als Grundlage zum Training der KI-Modelle.
Das Training der Lösung mit hochgeladenen Fotos geschieht in der Cloud, die Ausführung lokal mit Embedded AI auf einem Industriecomputer. Das Wartungspersonal kann ein defektes Teil mit einem Smartphone oder Tablet fotografieren oder ein bereits vorhandenes Bild in die Cloud hochladen. Dabei funktioniert die Erkennung auch bei unterschiedlichen Hintergründen, geringer Bildqualität und verdreckten oder beschädigten Bauteilen. Innerhalb von Sekunden liefert das System eine Liste möglicher Ersatzteile mit ID und Lagerort.
Das Ergebnis: Effizienzsteigerung und neue Geschäftsmöglichkeiten
Die automatisierte Ersatzteilerkennung ermöglicht eine schnelle und zuverlässige Identifikation von Ersatzteilen, wodurch Stillstandszeiten und die damit verbundenen Kosten drastisch reduziert werden. Die Lösung ist in der Lage, eine Vielfalt von bis zu 20.000 Ersatzteilklassen zu unterscheiden.
Der hohe Automatisierungsgrad ermöglicht in Zukunft, neue Use Cases mit einem einzigen Mausklick zu trainieren – auch von Mitarbeitenden ohne Machine Learning- oder Cloud-Know How. Wird die Ersatzteilerkennung anderen Unternehmen als Dienstleistung zugänglich gemacht, profitieren diese ebenfalls und die Reichweite der Lösung erhöht sich.
