Projektvorstellung

Bildklassifikation für
den End-Of-Line-Check

Die Ausgangssituation:

Um die hohen Qualitätsstandards eines Fendt Traktors sicherzustellen, ist die Qualitätskontrolle am Ende der Produktionslinie essentiell. Während dieser Prüfung wird der fehlerfreie Zustand des Traktors manuell von einem Mitarbeiter kontrolliert, sowie die kunden- und länderspezifischen Konfiguration abgeglichen. Fendt arbeitet kontinuierlich daran, diese Qualitätsprüfung weiter zu verbessern und effizienter zu gestalten, um so ein optimales Endkundenerlebnis, durch termingerechte Auslieferung und fehlerfreie Konfiguration zu garantieren.

Status:
Produktivsystem

Branche:
Landmaschinenhersteller

Unternehmensgröße:
Marktoberdorf: ca. 5.000 MA
Fendt Weltweit: ca. 8.300 MA

Kategorie:
Objekterkennung

Die Ziele:

Effizienzsteigerung in der Qualitätsprüfung
Unterstützung und Entlastung der Mitarbeiter:
innen bei sich wiederholenden Aufgaben
Mitarbeiterfreundliche Integration der KI-Komponenten in den bestehenden Prozess

Die Lösung:

Über eine Benutzeroberfläche wird dem Kunden eine KI-Anwendung zur Verfügung gestellt, die es ermöglicht ausgewählte Gutachten-Kapitel durch die automatische Generierung von Fließtext, effizienter zu erstellen. Durch die Abgabe wiederkehrender Arbeitsschritte an die KI, bleibt somit mehr Zeit für die Kerntätigkeiten, wie die Interpretation der Messungen.

Die Umsetzung:

Entwicklung eines KI-Modells zur Objekterkennung:
Zunächst wurden die gelabelten* Bilder des Kunden verwendet, um ein KI-Modell zu entwickeln und anhand gängiger Metriken zu bewerten. Nach der erfolgreichen Evaluation wurde in Zusammenarbeit mit dem Fendt Innovationsbereich, die notwendige Cloud-Infrastruktur aufgebaut, um das KI-Modell in Echtzeit ansteuern zu können. Neben mehreren Schnittstellen beinhaltet diese Infrastruktur auch eine Datenbank, welche es ermöglicht, Auswertungen zu erstellen. Die gewonnenen Erkenntnisse ermöglichen die Optimierung des KI-Modells und die Identifizierung häufig auftretender Fehler.

Integration des KI-Modells in den Fertigungsprozess:
Um die KI-Anwendung in den bestehenden Prozess zu integrieren, wurde ein Industrie-PC (Gerät, das Daten lokal verarbeitet und weiterleitet) direkt im Bereich der Qualitätsprüfung eingesetzt. Dieses ermöglicht die Kommunikation zwischen der Fertigungsstation und der KI-Anwendung in der Cloud. Der Industrie-PC erfasst mittels vernetzter Kameras ein Bild des Traktors, sobald dieser zur Qualitätskontrolle bereit steht. Eine zusätzlich angeschlossene Hardware übernimmt dabei die ergebnisanzeige.

Operationalisierung:
Um den DSGVO-konformen Einsatz der KI-Anwendung zu gewährleisten, wurde parallel zur Integration in den Fertigungsprozess ein weiteres KI- Modell trainiert, um Arbeiter:innen auf Bildern zu anonymisieren. In enger Kooperation mit dem Innovationsbereich erfolgte zeitgleich die Integration der Schnittstelle zum MES-System des Kunden. Diese Anbindung ermöglicht einen Abgleich zwischen den erkannten Teilen am Traktor (z.B. Arbeitsscheinwerfer) durch das KI-Modell und der Konfiguration aus dem MES-System. Fehler und Abweichungen werden visuell hervorgehoben und zusätzlich in der Datenbank gespeichert.

*Labeln: Bilder mit Informationen versehen. Zum Beispiel, dass ein Traktor spezielle Scheinwerfer an vorher festgelegten Orten hat. Die gelabelten
Bilder dienen dann als Trainingsdaten, um der KI beizubringen, nach welchem Schema sie die Traktoren untersuchen und bewerten soll.

Ausblick:
Die entwickelte Anwendung wurde am Fendt Standort in Marktoberdorf erfolgreich in den bestehenden Produktionsprozess integriert und befindet sich derzeit in der Vorbereitung für den produktiven Einsatz. Aktuell wird geprüft, ob die KI auch mit synthetischen 3D-Daten eines Traktors trainiert werden kann, um den Aufwand während des Labelling Prozesses weiter zu reduzieren. Zusätzlich ist geplant, die Anwendung als Industrial Cloud Product an weiteren Standorten zu integrieren.