automation-de.com
14
'26
Written on Modified on
Standardisierung industrieller KI-Bildverarbeitung durch Cloud-to-Edge-Integration
Cognex und die Fertigungspartner Essity, Schneider Electric sowie 3M haben eine kollaborative KI-Entwicklungsumgebung implementiert, um automatisierte Inspektionen in globalen Produktionsnetzwerken zu skalieren.
www.cognex.com
Die Cognex Corporation hat ihre OneVision-Entwicklungsumgebung nach einer Beta-Phase mit Industriepartnern in die allgemeine Verfügbarkeit überführt. Das System nutzt eine Cloud-to-Edge-Architektur, um die KI-gestützte Bildverarbeitung in den Sektoren Automobilbau, Elektronik und Konsumgüterfertigung zu standardisieren.
Architektur und technische Verantwortlichkeiten
Das System adressiert die technologische Barriere fragmentierter Arbeitsabläufe in der industriellen Automatisierung. Cognex stellt die Software-Infrastruktur bereit, die den KI-Lebenszyklus in zwei unterschiedliche Umgebungen unterteilt:
- Entwicklung auf Cloud-Ebene: Modelltraining, Bild-Labeling und Governance erfolgen in einer zentralisierten Cloud-Umgebung. Dies ermöglicht eine Versionskontrolle und die Standardisierung von Inspektionsparametern über mehrere Standorte hinweg.
- Ausführung auf Edge-Ebene: Die Runtime-Inspektion wird lokal auf der Hardware durchgeführt, beispielsweise auf den Systemen In-Sight 3900 und 6900. Diese Edge-basierte Ausführung gewährleistet eine Echtzeitverarbeitung ohne Latenz und sichert die Datenintegrität, daProduktionsbilder im lokalen Netzwerk verbleiben.
Industrielle Implementierung und Integration
Die Kooperation mit Essity, Schneider Electric und 3M konzentrierte sich auf die Integration dieser KI-Workflows in die bestehende digitale Infrastruktur. Bei Essity wurde die Plattform zur Entwicklung von Anwendungen für die Siegelnahtprüfung eingesetzt. Durch die Nutzung vorkonfigurierter Entwicklungswerkzeuge reduzierte das Unternehmen den Zeitaufwand für die Erstellung funktionsfähiger Inspektionslösungen von mehreren Monaten auf einen einzigen Tag, wodurch Materialabfälle durch Chargenrücksendungen minimiert wurden.
Schneider Electric nutzte die Plattform, um die Validierung von KI-Inspektionsstandards zentral zu steuern. Dies ermöglichte es dem Unternehmen, einheitliche Modelle in globalen Werken einzusetzen, den Durchsatz zu verdoppeln und die Rate der Fehlrückweisungen zu senken. Die technische Logik basiert auf einem wiederholbaren Deployment-Framework, das die Notwendigkeit standortspezifischer Fachkenntnisse in der Bildverarbeitung reduziert.
Betriebliche Auswirkungen und Leistung
Die Implementierung dieses Cloud-to-Edge-Systems überführt die KI-Bildverarbeitung von isolierten Pilotprojekten in den unternehmensweiten Einsatz. Technische Daten deuten darauf hin, dass eine Zentralisierung des Modellmanagements die Skalierungskosten im Vergleich zur dezentralen, manuellen Abstimmung von Bildsensoren um bis zu 50 % senken kann.
3M verzeichnete eine gesteigerte Effizienz in den Phasen des Image-Labeling und des Model-Deployments, was es Ingenieuren ermöglichte, reale Produktionsdaten mit reduziertem manuellem Iterationsaufwand in funktionale Edge-Modelle zu überführen. Durch die Trennung der rechenintensiven Trainingsphase (Cloud) von der hochgeschwindigkeitsbasierten Ausführungsphase (Edge) haben die Partner einen Rahmen für intelligente Gebäudesysteme und Fabriken geschaffen, die eine konsistente Qualitätskontrolle an verschiedenen geografischen Standorten erfordern.
Die Ergebnisse belegen, dass standardisierte Entwicklungsumgebungen es Herstellern erlauben, die Inspektionskonsistenz zu wahren, die Prozessstabilität zu gewährleisten und den Rollout automatisierter Qualitätssicherungsprotokolle über globale Flotten von Bildverarbeitungsgeräten hinweg zu beschleunigen.
Herausgegeben von Evgeny Churilov, Induportals Media - Angepasst von AI.
www.cognex.com
Die Kooperation mit Essity, Schneider Electric und 3M konzentrierte sich auf die Integration dieser KI-Workflows in die bestehende digitale Infrastruktur. Bei Essity wurde die Plattform zur Entwicklung von Anwendungen für die Siegelnahtprüfung eingesetzt. Durch die Nutzung vorkonfigurierter Entwicklungswerkzeuge reduzierte das Unternehmen den Zeitaufwand für die Erstellung funktionsfähiger Inspektionslösungen von mehreren Monaten auf einen einzigen Tag, wodurch Materialabfälle durch Chargenrücksendungen minimiert wurden.
Schneider Electric nutzte die Plattform, um die Validierung von KI-Inspektionsstandards zentral zu steuern. Dies ermöglichte es dem Unternehmen, einheitliche Modelle in globalen Werken einzusetzen, den Durchsatz zu verdoppeln und die Rate der Fehlrückweisungen zu senken. Die technische Logik basiert auf einem wiederholbaren Deployment-Framework, das die Notwendigkeit standortspezifischer Fachkenntnisse in der Bildverarbeitung reduziert.
Betriebliche Auswirkungen und Leistung
Die Implementierung dieses Cloud-to-Edge-Systems überführt die KI-Bildverarbeitung von isolierten Pilotprojekten in den unternehmensweiten Einsatz. Technische Daten deuten darauf hin, dass eine Zentralisierung des Modellmanagements die Skalierungskosten im Vergleich zur dezentralen, manuellen Abstimmung von Bildsensoren um bis zu 50 % senken kann.
3M verzeichnete eine gesteigerte Effizienz in den Phasen des Image-Labeling und des Model-Deployments, was es Ingenieuren ermöglichte, reale Produktionsdaten mit reduziertem manuellem Iterationsaufwand in funktionale Edge-Modelle zu überführen. Durch die Trennung der rechenintensiven Trainingsphase (Cloud) von der hochgeschwindigkeitsbasierten Ausführungsphase (Edge) haben die Partner einen Rahmen für intelligente Gebäudesysteme und Fabriken geschaffen, die eine konsistente Qualitätskontrolle an verschiedenen geografischen Standorten erfordern.
Die Ergebnisse belegen, dass standardisierte Entwicklungsumgebungen es Herstellern erlauben, die Inspektionskonsistenz zu wahren, die Prozessstabilität zu gewährleisten und den Rollout automatisierter Qualitätssicherungsprotokolle über globale Flotten von Bildverarbeitungsgeräten hinweg zu beschleunigen.
Herausgegeben von Evgeny Churilov, Induportals Media - Angepasst von AI.
www.cognex.com
Fordern Sie weitere Informationen an…
