Die wichtigsten Etappen der industriellen Revolutionen
Was wissen wir über Industrie 4.0?
Wikipedia definiert den Begriff Industrie 4.0 wie folgt:
Die vierte industrielle Revolution, 4IR oder Industrie 4.0, beschreibt den raschen Wandel von Technologien, Industrien und gesellschaftlichen Mustern und Prozessen im 21. Jahrhundert aufgrund zunehmender Vernetzung und intelligenter Automatisierung. ...“, die eine logische Fortsetzung des industriellen Fortschritts von 1784 bis heute darstellt.
Die intelligente Fertigung ist ein digitales Fertigungsunternehmen, das vernetzte Geräte, Maschinen und Produktionssysteme nutzt, um kontinuierlich Daten zu sammeln und auszutauschen. Die gewonnenen Daten werden anschließend genutzt, um Entscheidungen zur Verbesserung von Prozessen zu begründen und auftretende Probleme zeitnah zu lösen.
Smart manufacturing is a digital manufacturing enterprise that uses connected devices, machines and production systems to continuously collect and exchange data. The data obtained is subsequently used to justify decisions regarding improvement of processes and to promptly solve emerging problems.
Technologien der „intelligenten Fertigung“
Die Praxis der intelligenten Fertigung basiert auf verschiedenen Technologien, aber die wichtigsten sind:
- Künstliche Intelligenz (KI),
- maschinelles (Computer-)Sehen,
- Big Data-Analytik (BigData),
- industrielles Internet der Dinge (IoT).
Schauen wir uns einmal genauer an, welche Art von Technologie und welche Produktionsaufgaben sie bewältigen.
Künstliche Intelligenz (KI) ist das Rückgrat jeder intelligenten Fertigung.
Künstliche Intelligenz (KI), maschinelles Lernen und neuronale Netze sind die Fähigkeit eines Computers, Aufgaben auszuführen und Entscheidungen zu treffen, für die bisher ein gewisses Maß an menschlicher Intelligenz erforderlich war.
Wenn das menschliche Auge heutzutage etwas erkennen kann, dann kann das auch ein neuronales Netz. Es ist sogar noch mehr möglich, denn die Kameras der maschinellen Bildverarbeitung sind viel fortschrittlicher als das menschliche Auge.
Damit die Maschine lernt, wie sie Fertigungsprobleme lösen kann, muss sie trainiert werden.
Wie? Es ist notwendig, ein hohes Maß an Generalisierungsfähigkeit bei Trainingsbeispielen zu erreichen, damit die gewünschten Objekte stabil erkannt werden, wenn sie sich ändern. Das heißt, wenn man möchte, dass der Computer Mängel erkennt, muss man ihm diese Mängel „zeigen“ oder, mit anderen Worten, sie in die Datenbank eingeben.
Aufgaben, die die künstliche Intelligenz bewältigt: Erkennung
Erkennung des gewünschten Objekts auf dem Bild. Es liegt ein Bild vor, und es müssen Objekte bestimmter Klassen darauf gefunden werden. Die gängigste Methode zur Objekterkennung besteht darin, Bildvorlagen abzugleichen, um festzustellen, ob ein bestimmtes Objekt im Bild vorhanden ist und wenn ja, wo es sich befindet.
Aufgaben, die künstliche Intelligenz bewältigt: Klassifizierung - Zuordnung von Objekten zu einer bestimmten Klasse
Vergleich von zwei oder mehr Bildern bei der Suche nach Bildern von eindeutigen Objekten, z. B. wie auf dem Foto - ein Hund, ein Fahrrad und ein Auto - und Zuordnung dieser Objekte zu bestimmten Klassen (Autos, Tiere, Möbel, Gesichter von Personen).
Aufgaben, die die künstliche Intelligenz bewältigt: Segmentierung - Erkennung eines Objekts auf einem Foto Pixel für Pixel.
Welche Produktionsaufgaben löst die künstliche Intelligenz?
Bildanalyse in Echtzeit für die Qualitätskontrolle von Produkten;
Bedarfsplanung und -prognose auf der Grundlage von künstlicher Intelligenz;
Auswertung von Bildern von Bauteilen in der Produktionslinie zur Erkennung von Abweichungen von Qualitätsstandards in Echtzeit;
Verbesserung der Sicherheit am Arbeitsplatz.
Bedarfsplanung und -prognose auf der Grundlage von künstlicher Intelligenz;
Auswertung von Bildern von Bauteilen in der Produktionslinie zur Erkennung von Abweichungen von Qualitätsstandards in Echtzeit;
Verbesserung der Sicherheit am Arbeitsplatz.
Diese Fähigkeit und das schnelle Lernen ermöglichen es uns, KI in Fertigungsprozessen einzusetzen, um Produktfehler zu erkennen.
Wir trainieren das System, um die Oberfläche von Pflastersteinen zu erkennen und die Defekte zu melden. Je mehr Arten von Defekten Sie dem System zeigen, desto schneller lernt es.
Dies ist die Funktion, auf der Qualitätskontrollsysteme, die an einer Förderlinie eingesetzt werden, basieren.
Künstliche Intelligenz erkennt Mängel wie Risse in Flaschen oder Löcher in Pflastersteinen. Wir können diese Technologie in verschiedenen Arten von Anlagen einsetzen, um Probleme mit Produkten zu erkennen und Maßnahmen zu ergreifen, um die Herstellung fehlerhafter Produkte zu verhindern.
