PoC – Machbarkeitsstudie schafft Klarheit
Der Einsatz neuer Technologien birgt immer Risiken. Um die Machbarkeit zu gewährleisten und das Kosten-Nutzen-Verhältnis optischer Prüfungen abzuschätzen, bietet aerne engineering zielführende Machbarkeitsstudien an. Im Interview erklärt Sales Engineer Jan Helfenberger, worauf es bei solchen Studien ankommt und welches Potenzial sie bieten.
Wann sollte eine Vision-Lösung ins Auge gefasst werden?
Der technologische Fortschritt in der Bildverarbeitung geht Hand in Hand mit Entwicklungen in der künstlichen Intelligenz. Optische Prüfungen, die früher nur mit erheblichem Aufwand automatisierbar waren, lassen sich heute bei vielen Anwendungen in vernünftiger Zeit lösen – dank Deep Learning. Aktuell gilt die Regel: Wenn subtile Merkmale durch das menschliche Auge erfasst werden können, schafft dies auch der Algorithmus. Nichtsdestotrotz kommen wir auch in Zeiten von Deep Learning nicht darum herum, alles für eine optimale Bildaufnahme zu tun, denn nur so kann der Algorithmus bestmöglich arbeiten. In Testreihen und Vorstudien können wir diesen trainieren. Das liefert uns Sicherheit und reduziert das Risiko.
Sicherheit inwiefern?
In der Regel laufen solche Vorstudien in zwei Phasen ab. In Phase eins geht es um die grundsätzliche Machbarkeit. Im Idealfall haben wir und auch der Kunde nach dieser Phase die Gewissheit, ob und wie der Anwendungsfall technisch und wirtschaftlich umsetzbar wäre. Dann geht’s direkt in die Entwicklung und Implementierung der Vision-Applikation. Ist die Aufgabenstellung jedoch komplexer, braucht es detailliertere Abklärungen. Dann wird ein Proof of Concept (PoC), eine Vorstudie, erforderlich.
Wie läuft dieser PoC ab?
Laufen die ersten Vorversuche vielversprechend, aber die konkrete Machbarkeitszusage fehlt, geht es in Phase zwei: die Vorstudie. Für diese PoC-Phase unterbreiten wir dem Kunden ein Angebot. Entscheidet er sich für die Durchführung, ist eine enge Zusammenarbeit entscheidend. Im Idealfall integrieren wir die Testkamera direkt in seine Produktionsanlage, um die Produktionsbedingungen 1:1 abzubilden. Ist dies nicht möglich, sind Musterteile und ein Fehlerkatalog bei Qualitätsprüfungen unerlässlich. So oder so wird das Kamera-Setup spezifisch für den Anwendungsfall ausgelegt, damit eine optimale Bildaufnahme erfolgen kann. Unser «Vision-Lab» ist professionell ausgerüstet und bietet ein breites Sortiment an Testkameras, Beleuchtungen und Optiken. Bei Bedarf greifen wir auf spezielle Komponenten unserer Partner zurück.
Wie geht es weiter?
Nach Abschluss der Bildaufnahmen wird die Vision-Applikation entwickelt und getestet. Dabei kommen je nach Anforderungen klassische Bildverarbeitungstools (2D/3D) oder Deep Learning zum Einsatz. Die Ergebnisse werden in einem Bericht dokumentiert. Dieser Bericht liefert dem Kunden nicht nur Informationen zum Setup und den Möglichkeiten, sondern auch eine realistische Einschätzung der Grenzen und Herausforderungen in der Umsetzung. So kann der Kunde genau abschätzen, wie die getestete Vision-Applikation seine spezifischen Anforderungen unterstützen kann.
Was macht _ae VISION besser als die Konkurrenz?
Wir kommen aus dem Automationsanlagenbau, diese Expertise liefert uns viele Vorteile, denn wir verstehen die vor- und nachgelagerten Prozesse und denken diese mit. So zum Beispiel das Ausschleusen von n.i.O-Produkten, was klassische Spezialisten nicht im Portfolio haben. Auch die Integration in bestehende IT-Infrastrukturen ist oft sehr komplex. Dank unserem Team aus Software-Experten decken wir auch diese wichtige Disziplin ab. Weiter sind unsere Engineering- und Montageabteilungen in der Lage, umfangreiche Bildverarbeitungsprojekte inklusive komplexer und robuster Halterungen bis und mit Montage- und Inbetriebnahme vor Ort umzusetzen. _ae VISION ist somit der ideale Partner – sei dies von einfachen Smartkameralösungen bis hin zu komplexen Bildverarbeitungsstationen mit mehreren verschiedenen Kamera-Anwendungen.
Wohin geht der Weg der Technologie?
In der Fabrikautomation zeigt der Trend klar in Richtung Deep Learning. Die Implementierung von Deep- oder Edge-Learning-Applikationen wird zukünftig einfacher, das macht immer komplexere Anwendungen mit geringerem Aufwand lösbar. In der Logistik, wo die Lesung von Codes eine zentrale Rolle spielt, wird der Einsatz hochauflösender Kameras mit grossen Sichtfeldern zunehmen, um mit weniger Kameras wirtschaftlichere Lösungen zu ermöglichen.
