Autonome Bildverarbeitung beim BMW-Werk Steyr

Autonome Bildverarbeitung beim BMW-Werk Steyr
Das BMW-Werk in Steyr, Österreich, ist das weltweit größte Motorenwerk der BMW-Gruppe. Das Werk nutzt die autonomen Bildverarbeitungssysteme von Inspekto. David Bricher, Doktorand bei BMW Steyr und Experte für Innovation und Digitalisierung, berichtet über nähere Einzelheiten dieser Partnerschaft.
Bild: BMW AG

Das weiß-blaue Emblem am Kühlergrill eines jeden BMW-Fahrzeugs gilt weltweit als Symbol für Qualität, Zuverlässigkeit und Luxus. Um diese Führungsposition zu festigen, verbessert der deutsche Automobilhersteller ständig seine Fertigungsstandards durch die Umsetzung neuester digitaler Technologien. Dabei spielt Qualitätssicherung (QS) eine zentrale Rolle. Im Einklang mit BMWs Mission, Produktionsprozesse durch Digitalisierung zu verbessern, verfügt das Werk Steyr über mehrere hochmoderne Bildverarbeitungslösungen, um die Qualität ihrer Motoren zu überprüfen und sicherzustellen, dass jeder Prozess und jedes Bauteil die Standards des Unternehmens erfüllt.

Pseudofehler vermeiden

„Wir verwenden viele verschiedene Techniken, um die Qualität von Komponenten zu prüfen“, erklärt David Bricher, Doktorand und Experte für Innovation und Digitalisierung bei BMW. „Unser Hauptziel ist, die Prozessoptimierung in allen Aspekten unserer Produktionskette voranzutreiben. Das bedeutet auch, dass wir die Anzahl von Pseudodefekten so niedrig wie möglich halten wollen.“ „Das größte Problem“, fährt Bricher fort, „liegt darin, dass die Mitarbeiter an der Reparaturstation bei steigenden Raten von Pseudodefekten unaufmerksam werden können und annehmen, dass tatsächlich defekte Artikel gut sind. Wir wollen dieses Szenario um jeden Preis verhindern.“ BMW ist stark daran interessiert, KI-basierte Technologien in die Fertigungshalle zu bringen. Daher war die Werksleitung auf der Suche nach einer intuitiven QS-Technologie, d.h. einem sofort einsatzbereiten Produkt, das von jedem Mitarbeiter an der Produktionsstraße problemlos installiert und verwendet werden kann. Hier erfolgt der Auftritt von Inspekto. „Das Team hat verschiedene Unternehmen mit innovativen Bildverarbeitungslösungen recherchiert, aber nur Inspekto bot genau das, wonach wir gesucht haben – ein System, das sofort einsatzbereit und so intuitiv ist, dass beliebige Mitarbeiter es in wenigen Minuten einrichten können“, so Bricher. Daraufhin stellte die Firma mit Inspekto S70 das weltweit erste autonome Bildverarbeitungssystem bei BMW vor. „Im Gegensatz zu herkömmlichen Lösungen, die aus mehreren Komponenten bestehen und die von einem Systemintegrator auf Projektbasis ausgewählt und installiert werden müssen, ist Inspekto S70 ein eigenständiges Produkt“, erklärt Harel Boren, CEO von Inspekto. „Es ist selbstlernend, selbstkonfigurierend und selbstanpassend, mit anderen Worten, völlig autonom. Dadurch entfallen die langwierigen und komplexen Integrationsphasen, die herkömmliche Bildverarbeitungsprojekte kennzeichnen.“ Das BMW-Werk Steyr erwarb vier Systeme und startete eine Pilotphase. Nach dem erfolgreichen Abschluss dieser Phase werden die Systeme jetzt bereits in zwei verschiedenen Anwendungsfällen eingesetzt: für einen komplizierten Verbinder mit vielen kleinen, kaum sichtbaren Komponenten und für eine Kraftstoffleitung. In beiden Fällen konnte das Werk eine Verbesserung der Qualität sowie eine spürbare Reduktion der Anzahl von Pseudodefekten feststellen.

Nur 20 Gut-Teile benötigt

„Eine der interessantesten Eigenschaften von Inspekto S70 ist seine einfache Installation. Das System ist sehr intuitiv einzurichten und wirklich Out-of-the-Box“, bestätigt Bricher. „Bei BMW ist es eines unserer Hauptziele, das Potenzial von KI näher an die Produktion heranzubringen. Wir wollen KI leicht verständlich machen, damit sie unseren Mitarbeitern wirklich helfen kann. Wir müssen den Nimbus loswerden, der mit dieser Technologie verbunden ist. Die Leute müssen sagen können: Ich arbeite mit KI.“ Diese Philosophie ist ein perfektes Spiegelbild der Mission von Inspekto, dass Sichtprüfungsprodukte direkt in die Hände der Werksmitarbeiter gegeben werden, ohne die Beteiligung von Systemintegratoren oder Bildverarbeitungsexperten. Dank der patentierten Plug&Inspect-Technologie schaltet der Bediener einfach die Steuereinheit ein und stellt sicher, dass das Sichtfeld den zu untersuchenden Ort abdeckt. Er präsentiert dann durchschnittlich 20 bis 30 gute Artikel für das System, das automatisch deren Eigenschaften lernt. Ähnlich wie ein Mensch, weiß Inspekto S70, wann es genügend Informationen zu einem Produkt gesammelt hat, und informiert den Bediener, dass die Inspektion beginnen kann. Bei der Inspektion werden dann jegliche Aspekte, die von den Eigenschaften eines guten Teils abweichen, als Anomalie gekennzeichnet. „Für herkömmliche Bildverarbeitungslösungen ist typischerweise ein langer Trainingsprozess erforderlich, bei dem sie Hunderten defekter Teile ausgesetzt werden. Aber in einer Produktionsumgebung auf einem so hohen Qualitätsniveau haben wir schlichtweg nicht genügend defekte Teile zur Verfügung, so dass wir diese explizit für Schulungszwecke fertigen müssten“, erklärt Bricher. „Inspekto S70 benötigt dagegen nur gute Teile, was ein großer Vorteil ist. Gute Teile produzieren wir ständig!“, ergänzt Bricher. Anhand von nur 20 bis 30 Gut-Teilen kann es die Eigenschaften eines recht komplexen Produkts in etwa einer halben Stunde lernen. Außerdem lernt das System nach der ersten Einrichtung immer weiter. Wenn es zusätzliche Variationen des Produkts gibt, können diese einfach auf die gleiche Weise eingeführt werden. Ein weiterer Grund dafür, warum Pseudodefekte so stark zurückgegangen sind, ist, dass Bediener einen Pseudodefekt kennzeichnen können, so dass das System diesen in Zukunft nie wieder als defekt anzeigt.

Bild 2 | Bei dem Inspekto S70 können Bediener Pseudodefekte kennzeichnen, so dass das System diese in Zukunft nie wieder als defekt anzeigt.
Bei dem Inspekto S70 können Bediener Pseudodefekte kennzeichnen, so dass das System diese in Zukunft nie wieder als defekt anzeigt. – Bild: Inspekto A.M.V.

Prüfungswechsel per App

Das BMW-Werk Steyr muss viele verschiedene Motoren und Teile prüfen, oft auf der gleichen Produktionsstraße. Genau wie ein Smartphone kann Inspekto S70 über eine Vielzahl von Apps genau an die Bedürfnisse des Anwender angepasst werden. Eine dieser Apps ist Inspekto Types, mit der das System die Eigenschaften verschiedener Produkttypen erlernen und dann schnell von einem Typ zum anderen wechseln kann. Die Vorteile sind bei BMW Steyr bereits deutlich sichtbar. „Qualität hat bei BMW die höchste Priorität. Für uns ist es das Wichtigste, perfekte Motoren zu versenden. In diesem Sinne hat sich Inspekto S70 bereits als ein wertvolles Werkzeug erwiesen“, fährt Bricher fort. „Durch das Eliminieren von Pseudodefekten können wir die zusätzliche Schleife manueller Nachprüfungen vermeiden. Das bedeutet auch, dass wir langfristig unsere Kosten senken werden, da Mitarbeiter ihre Zeit nicht mit der Überprüfung von Komponenten verschwenden müssen, sondern sich stattdessen produktiveren Aufgaben zuwenden können. Aber das Wichtigste für mich ist, dass wir mit Inspekto S70 das Thema KI unseren Produktionsmitarbeitern näher gebracht haben.“

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige