Deep Learning
Lernstunde für Fill-Maschinen
Wie Manuel Hofbauer im Rahmen seiner Diplomarbeit unseren Fill-Kamerasystemen lernte, selbst und intuitiv nach Produktionsfehlern zu suchen.
Es gibt Dinge, bei denen darf man keine Kompromisse eingehen. LKW-Bremsen sind ein gutes Beispiel. Die müssen bremsen und dürfen nicht brechen. Oder Mica-Platten, die im Falle eines Unfalls Batterien abschirmen und den Fahrern von E-Fahrzeugen wertvolle Sekunden geben, um sich aus dem Fahrzeug zu retten, bevor es zu einer Explosion kommt. Oder Lenksäulen. Denn Fahrzeuge sollen immer steuerbar sein.
Was aber ist, wenn eine Anlage grundsätzlich funktioniert, jedoch aus unerfindlichen Gründen fehlerhafte – aber sicherheitsrelevante – Bauteile produziert? Wenn trotz aller Anstrengungen die Ergebnisse nicht und nicht zufriedenstellend sind? Nun, irgendwie muss man der Maschine den Unterschied zwischen falsch und richtig beibringen.
Und genau das war das Thema der Diplomarbeit von Manuel Hofbauer, der aus eben diesem Fall eine Case-Study machte und eine Deep-Learning Technologie für Fill entwickelt hat.
„In meiner Diplomarbeit wurde ich mit einem realen Kundenproblem konfrontiert und ich musste eine Lösung suchen. Diese Lösung fand ich in der Entwicklung einer Deep Learning Technologie und der Kunde war begeistert.“
//Manuel Hofbauer, Softwaretechniker für industrielle Bilderverarbeitung bei Fill
Manuel Hofbauer stellte sich dieser Herausforderung mit viel Kreativität und dem dazugehörigen Mut, Neues auszuprobieren. Seitens Fill, der Universität und weiteren Technologiepartnern wurden Manuel viele Freiheiten eingeräumt – konventionelle Wege hatten bisher nicht zum gewünschten Ergebnis geführt, insofern war es Zeit für neue Methoden. Die tatkräftige Unterstützung seiner Kollegen im Softwareteam und Vertrieb von Fill schätzte Manuel bei seiner Diplomarbeit auch sehr.
Ziel war es, dass die Maschine lernt, Fehler zu finden und zwischen verschiedenen Fehlerarten zu unterscheiden. Das entscheidende Merkmal dabei ist die Qualität des entsprechenden Bauteils: Die Prüftechnologie wird trainiert, die relevanten Kriterien zu erkennen und so kann die Maschine schrittweise „dazulernen“.
In einem weiteren Projekt wurden in einer zweiwöchigen Probe-Phase Bauteile parallel durch Menschen und eine mit Deep Learning Technologie ausgestattete Maschine getestet. Das Ergebnis war beeindruckend: 99,99 % Übereinstimmung. Darüber hinaus konnten mithilfe der automatischen Prüftechnologie sogar vier von den menschlichen Prüfern unerkannte Fehler gefunden werden.
Die Technologie wird mit jeder Erfahrung sukzessive besser und kann nach kurzer Zeit sogar kleinste Versetzungen eines Bauteils erkennen und Merkmale, wie Kratzer oder Dellen, selbst klassifizieren.
Die Überlegenheit der Maschine gegenüber einem Menschen ist klar: ihre Kamerasysteme sind bei der Fehlererkennung schneller, genauer und vor allem robuster – sie hat nie einen schlechten Tag. Wenn ein Mensch tagein, tagaus immer dasselbe Bauteil kontrolliert und nie einen Mangel findet, läuft er Gefahr, nachlässiger zu werden – und dies kann fatale Konsequenzen haben.
Mit der von Manuel Hofbauer entwickelten Prüftechnologie von sicherheitskritischen Bauteilen kann ein großer Beitrag zur Produktsicherheit geleistet werden. Es können Produktionsfehler entdeckt, aussortiert und dadurch im Extremfall Menschenleben gerettet werden. So wird sichergestellt, dass LKW-Bremsen eben nicht brechen, Lenkstangen das Fahrzeug kontrollierbar machen und Mica-Platten im Ernstfall Leben retten können. So können zuverlässige Bauteile erzeugt werden, die unseren Kunden Sicherheit geben. Denn auch das wirtschaftliche Risiko durch Ausschuss-Chargen ist bedeutend.
„Aktuell sind die Kunden schon sehr neugierig auf unsere Entwicklungen. Von der Technik her müssen wir bei jedem Kunden und bei jedem neuen Projekt von vorne beginnen. Das Wissen, wie man Fehler findet und wie man das gut macht, haben wir über die Diplomarbeit schon im Unternehmen. Jetzt integrieren wir das Wissen in die verschiedenen Projekte.“
//Manuel Hofbauer, Softwaretechniker für industrielle Bilderverarbeitung bei Fill
Mutige Menschen, die bereit sind, für ihre Ideen ausgetretene Pfade zu verlassen, können Großes bewegen, wenn ihnen der nötige Raum eingeräumt wird. Denn wer Platz hat, um nach Lösungen zu suchen, wird Ideen finden.
„Mein Ziel ist es, in einer Anlage Roboter zu verbauen, die selbst wahrnehmen, kommunizieren und autonom arbeiten können – so wie WALL-E, der Roboter, der die Welt vom Müll befreit. Das ist für mich Industrie 4.0.“
//Manuel Hofbauer, Softwaretechniker für industrielle Bilderverarbeitung bei Fill
Weitere Fill-Geschichten
