Die Palette der Use Cases für Machine Learning in der Industrie ist groß. Gerade im Bereich der Qualitätskontrolle kann man mithilfe von ML Zeit und Geld sparen und den Ausschuss reduzieren. Allerdings ist die Implementierung alles andere als trivial und klappt nicht von heute auf morgen. Genau deshalb gibt es dafür Experten wie AllCloud, die bei der Umsetzung helfen.
Die Grundvoraussetzung, damit ML einwandfrei funktionieren kann und einen echten Mehrwert bietet, sind Daten. Der Algorithmus braucht viele und qualitativ hochwertige Daten, um zu funktionieren und sich verbessern zu können. Gerade am Anfang haben aber viele Unternehmen noch keine Daten zur Verfügung. Dies ist jedoch kein Grund, ein Projekt nicht zu starten, denn es gibt Mittel und Wege, wie ein passender Datensatz für den Start erstellt werden kann.
Mit seiner Expertise half AllCloud einem großen Motorradhersteller beispielsweise, die Qualitätskontrolle der Rahmen zu automatisieren und mithilfe von ML zu optimieren. Vor allem beim Schweißen der Motorradrahmen können Mängel wie sogenannte Schweißspritzer entstehen. Bei der manuellen Kontrolle kommt es vor, dass diese Qualitätsmängel übersehen werden.
Um Computer Vision (ein Teilbereich von ML) überhaupt einzuführen, mussten in diesem Use Case in erster Linie ausreichend Bilder von mangelhaften und makellosen Rahmen erstellt werden. Um den Datensatz künstlich zu erweitern, griff AllCloud auf die Datenaugmentierung zurück. Dabei werden vorhandene Bilder gespiegelt, gedreht oder anders transformiert. Auf diese Weise wurde ein Datensatz von 10.000 Bildern erzeugt.
Der Datensatz wurde dann für Amazon Rekognition und Amazon Lookout for Vision, zwei sehr benutzerfreundliche high Level AI-Services, verwendet. Beide AWS Services nutzen neuronale Netze und sind speziell für derartige Aufgaben entwickelt worden. Die ersten Ergebnisse ergaben eine Erkennungsrate von 95 Prozent und jeder einzelne Rahmen ließ sich mithilfe der beiden eingesetzten Lösungen innerhalb von Sekunden prüfen. Bei Abweichungen der (vor-)definierten Qualität schlägt die Lösung Alarm.
Dies ist nur ein Anwendungsfall, der zeigt, wie effizient ML in der Fertigung sein kann, wenn man die jeweils richtige Lösung einsetzt. Dabei ist die Vorbereitung jedoch extrem wichtig – gerade was den Datensatz betrifft. Experten wie AllCloud helfen dabei mit ihrer großen Erfahrung, eine Implementierung erfolgreich durchzuführen.
Weitere Informationen: https://allcloud.io/de/
