Was können Machine Vision Systeme für die Fertigung leisten? Ein Guide

Machine Vision Systeme sind die Kameras, Objektive, Beleuchtung und Software, die visuelle Entscheidungen auf einer Fertigungslinie automatisieren. Heute haben Hersteller das angenehme Problem, zu viele Systeme zur Auswahl zu haben. Dieser Guide ordnet die vier Aufgabenfamilien der Machine Vision: Guidance, Identification, Gauging und Inspection (das GIGI-Modell). Er zeigt, was jede in der Praxis am besten liefert, und gibt Dir eine Liste mit Anbieterfragen an die Hand, die durch das Marketing-Geschwätz schneidet. Lies ihn vor Deinem nächsten Anbietergespräch.

Was sind Machine Vision Systeme?

Machine Vision Systeme, oder Bildverarbeitungssysteme, sind Technologien, die Informationen visuell erfassen und unterschiedliche Szenarien handhaben können. Je nach Einsatzbereich können die Funktionen und Optionen stark variieren. Sie können zum Beispiel Objekte wie ein Feuer im Wald und Alarm schlagen, aber auch mit Infrarotlicht für das menschliche Auge unsichtbare Merkmale erkennen sowie Qualitätskontrollen durchführen.

Bei der Wahl des richtigen Machine Vision Systems geht es nicht darum, eine Lösung zu haben, die alles kann, sondern eine, die die zugewiesene Aufgabe zuverlässig erfüllt.

Was können Machine Vision Systeme in der Fertigung automatisieren?

Anbieter von Machine Vision Systemen unterteilen ihre Dienste in der Regel in Guidance (Führung), Identification (Identifikation), Gauging (Vermessung) und Inspection (Prüfung), kurz GIGI. Mit anderen Worten: Diese Systeme können Dir beim Tracking und Zählen, Messen und bei Qualitätsprüfungen helfen. Nachfolgend findest Du die gängigsten Anwendungsfälle für Machine Vision in der Fertigung:

• Zählen und Erkennen (Counting and Detection)
• Barcode-Lesen
• Qualitätssicherung und Fehlererkennung (Quality Assurance and Defect Detection)
• Messen und Vermessen (Measuring and Gauging)
• Lokalisieren, Positionieren und Führen (Locating, Positioning, and Guiding)
• OCR/OCV (Optische Zeichenerkennung/Optische Zeichenverifizierung)

Zählen und Erkennen (Counting and Detection)

Machine Vision Systeme können Bestandsverwaltung und Produktionslinien schnell automatisieren, indem sie die Anwesenheit oder Abwesenheit eines Objekts mit hoher Genauigkeit erkennen. Dies ist ein wertvoller Ersatz für manuelle Inspektion und mechanisches Zählen, die langsamer sind, bei menschlicher Ermüdung an Zuverlässigkeit verlieren und fehleranfällig sind. Machine Vision Systeme können verwendet werden, um Artikel auf einer Palette vor dem Versand zu zählen oder zu überprüfen, ob alle Komponenten (wie Schrauben, Dichtungen und Etiketten) vorhanden sind.

Barcode-Lesen

Barcodes werden seit Jahrzehnten gescannt, um Bestandsverfolgung und Einzelhandelskassen zu automatisieren. Barcode-Lesegeräte arbeiten nicht nur mit hoher Geschwindigkeit, sie können auch Codes lesen, die nur teilweise sichtbar sind.

Mit der Einführung von KI verfügen bildbasierte Barcode-Scanner nun über die Fähigkeit, den Fehler zu diagnostizieren, anstatt nur einen Scan abzulehnen. Moderne Lösungen können beispielsweise beschreiben, ob der Code beschädigt ist, die Beleuchtung zum Scannen unzureichend ist oder ein anderer Faktor vorliegt.

Qualitätssicherung und Fehlererkennung (Quality Assurance and Defect Detection)

Fehler können in jedem Teil eines Herstellungsprozesses auftreten, von Problemen mit der Qualität von Rohmaterialien oder Teilen bis zur Endkontrolle. Bildbasierte Prüfungen (Machine Vision Inspections) in jeder Phase können Fehler bei großvolumigem Output erkennen. Je früher der Fehler erkannt wird, desto höher sind die Kosteneinsparungen für die Produktionslinie.

Machine Vision ist eine erhebliche Verbesserung gegenüber menschlicher Inspektion: Sie arbeitet mit hoher Geschwindigkeit, verliert nicht an Zuverlässigkeit durch Ermüdung und kann sogar kleine und unerwartete Fehler erkennen. Darüber hinaus können Lösungen wie Enao Vision mit KI-Unterstützung neue Fehlerkategorien hinzufügen, um kontinuierliche Verbesserungen im Betrieb zu ermöglichen.

Die Fehlererkennung kann je nach Branche stark variieren. Sie kann Lebensmittelprodukte umfassen, die nicht verkauft werden können, schlecht gelötete Platinen und Drähte, lose Nähte, Verfärbungen in Stofffarben, Mikrokratzer auf Glas oder Verformungen in Rohren.

Messen und Vermessen (Measuring and Gauging)

Falls Du jemals die IKEA-App oder das virtuelle Lineal Deines iPhones verwendet hast, hast Du ein Machine Vision System zum Messen erlebt. Heute sind diese Systeme präzise bei der Messung von Entfernungen, Flächen, Durchmessern und mehr, sogar aus verschiedenen Winkeln. Im Gegensatz dazu ist die manuelle Messung mit verschiedenen Werkzeugen wie Messgeräten und Messschiebern ineffizient und schafft zusätzlichen Aufwand für Vergleichbarkeit und Konsistenz.

Für die Fertigung können Mess- und Vermessungsanwendungen sicherstellen, dass Teile den richtigen Winkel haben, Etiketten die richtige Größe aufweisen oder Abstände zwischen Produkten korrekt sind. Wenn etwas nicht passt, kann ein frühzeitiges Warnsystem den menschlichen Bedienerinnen und Bedienern mitteilen, auf welche Problembereiche sie sich konzentrieren sollten.

Lokalisieren, Führen und Positionieren (Locating, Guiding, and Positioning)

Machine Vision Systeme treiben auch Cobots (kollaborative Roboter) und andere Maschinen an, die bei Pick-and-Place- oder Montageaufgaben helfen. Die KI-Technologie, gepaart mit geeigneten Kameras, hilft Maschinen, Teile zu lokalisieren, zu entscheiden, ob genug Platz vorhanden ist, um ein Teil zu platzieren, die richtige Ausrichtung einer Kiste zu bestimmen sowie Montagen mit Mikrometer-Präzision durchzuführen.

Texterkennung: OCR/OCV

Die neueste Generation von KI ermöglicht es Machine Vision Systemen nun, menschlichen Text in Millisekunden mit 99,99 % Genauigkeit zu lesen. Dies ist die Technologie hinter Optical Character Recognition (OCR, Optische Zeichenerkennung) und Optical Character Verification (OCV, Optische Zeichenverifizierung), die Dokumente scannt und ganze Texte mit einer Geschwindigkeit, die Menschen nicht erreichen können.

Für Produktionszwecke kann OCR Text-Scanning verwenden, um eine entsprechende Aktion auszulösen, wie zum Beispiel das Sortieren von Produkten nach Mindesthaltbarkeitsdatum oder Chargennummern. Im Gegensatz dazu würde OCV überprüfen, ob die Nummern gefälscht sind, das Mindesthaltbarkeitsdatum noch gültig ist oder die Chargennummer korrekt gedruckt wurde.

Wie entscheidest Du, mit welchem Machine Vision System Du beginnen solltest?

Wenn Du mit Lösungsanbietern sprichst, um herauszufinden, was Machine Vision Systeme oder bildbasierte Prüfungen für Deine Produktionslinie leisten können, sind hier einige allgemeine Prinzipien, die Dein Gespräch leiten können. Diese Ansätze helfen Dir, durch die vielen verschiedenen Hardware- und Softwarelösungen sowie Preisstrukturen zu navigieren, die oft überwältigend und schwer vergleichbar erscheinen.

• Anwendbarkeit (Applicability): Wie funktioniert Eure Lösung (Hardware und Software), und könnt Ihr ähnliche Anwendungsfälle zu dem bereitstellen, was wir umsetzen möchten?
• Zuverlässigkeit (Reliability): Wie hoch ist die Genauigkeitsrate und (wichtig) welche Bedingungen (Setup, Umgebung usw.) müssen erfüllt sein, um diese Leistung zu erreichen?
• Einrichtung (Setup): Wie lange dauert es, bis Eure Lösung auf unserer Produktionslinie eingesetzt werden kann? Erfordert es Fachleute, um Hardware zu installieren, Schulungen durchzuführen oder Daten zu labeln, um Euer Modell zu trainieren?
• Test: Ist es möglich, Eure Lösung innerhalb der nächsten [x] Wochen mit einem unserer Teams zu testen?
• Zugänglichkeit (Accessibility): Wie einfach ist es für unsere Mitarbeitenden, Eure Lösung zu nutzen (Hardware, Software)? Können sie einer Anleitung folgen oder müssen alle geschult werden?
• Flexibilität (Flexibility): Können wir Eure Lösung für andere Schritte in der Produktion umfunktionieren? Ist es einfach, das Machine Vision KI-Modell für verschiedene Materialien und Teile anzupassen (wie z. B. von Leiterplatten-Fehlererkennung zu Verpackungsprüfung)?
• Wartbarkeit (Maintainability): Wie einfach ist es, Einstellungen anzupassen, wenn wir beispielsweise Produkte wechseln, oder selbst Fehler zu beheben, wenn etwas schiefgeht? Habt Ihr Kundensupport oder müssen wir warten, bis Eure Expertinnen und Experten kommen?
• Wirtschaftlichkeit (Affordability): Was sind Eure anfänglichen Einrichtungskosten, Mindestabnahmen oder kürzeste Vertragslaufzeit? Was ist in diesen Kosten enthalten und welche Posten und Dienstleistungen werden zusätzlich berechnet?
  

Mit der heutigen Verfügbarkeit von Machine Vision System-Anbietern empfehlen wir, mit verschiedenen Anbietern zu sprechen, um ein Gefühl für die unterschiedlichen Anwendungen, Hardware-Fähigkeiten und Software-Interfaces zu bekommen. Es gibt keine einzige Lösung. Zum Beispiel benötigst Du möglicherweise spezialisierte Kameras, die Bilder mit einer bestimmten Geschwindigkeit oder jenseits des sichtbaren Spektrums aufnehmen können. Oder Du benötigst eine benutzerfreundliche Lösung, die umprogrammiert werden kann, um jede Woche automatisierte Qualitätsprüfungen für verschiedene Produkte durchzuführen. Definiere Deine Anforderungen und notiere Dir die Antworten, die Du erhältst. Die überzeugendste Lösung wird wahrscheinlich die sein, die Du live auf Deiner Shopfloor in Aktion sehen kannst.

Wenn Du sehen möchtest, wie Enao Vision bildbasierte Prüfungen für Deine Shopfloor bereitstellen kann, buche eine Demo mit uns. Du kannst unsere iPhone-App kostenlos herunterladen, um mit dem Testen zu beginnen und innerhalb weniger Stunden einsatzbereit zu sein.

Häufig gestellte Fragen zu Machine Vision Systemen

Was ist der Unterschied zwischen einem Machine Vision System und einer reinen Sichtprüfung?

Sichtprüfung beschreibt nur die Prüfaufgabe. Ein Machine Vision System ist das gesamte Setup aus Kamera, Optik, Beleuchtung und Software, das diese Aufgabe automatisiert. Sichtprüfung ist eine der vier GIGI-Familien, die ein System leisten kann.

Was bedeutet GIGI in Machine Vision?

GIGI steht für Guidance (Führung), Identification (Identifikation), Gauging (Vermessung) und Inspection (Prüfung). Die meisten realen Anwendungsfälle in der Fertigung lassen sich genau einer dieser vier Familien zuordnen, was die Anbietergespräche erheblich vereinfacht.

Was kostet ein Machine Vision System für den Einstieg?

Ein klassisches Industrie-Setup beginnt im fünfstelligen Bereich pro Linie. Mit einem refurbished iPhone, einer Lampe, einem Halter und Kabeln kommst Du für den ersten Anwendungsfall unter 1.000 €. So testest Du den Ansatz, bevor Du auf eine größere Plattform skalierst.

Wie lange dauert es, ein Machine Vision System einzuführen?

Klassische Integrationen brauchen oft Wochen bis Monate, weil Hardware, Optik und Software einzeln spezifiziert werden müssen. Smartphone-basierte Lösungen wie Enao Vision starten in Stunden bis Tagen, weil Kamera, Optik und Recheneinheit bereits aufeinander abgestimmt sind.

Wichtigste Punkte

• Ein Machine Vision System ist Hardware plus Software, das visuelle Entscheidungen auf der Linie automatisiert.
• Das GIGI-Modell (Guidance, Identification, Gauging, Inspection) ordnet jede Anwendung einer von vier Familien zu.
• Das richtige System ist nicht das mit den meisten Funktionen, sondern das, das die definierte Aufgabe zuverlässig löst.
• Mit einem refurbished iPhone, Lampe, Halter und Kabeln testest Du den ersten Anwendungsfall für unter 1.000 €.
• Eine klare Anbieterfragenliste, ausgerichtet am GIGI-Modell, schneidet durch Marketing-Geschwätz und beschleunigt die Auswahl.

Jetzt starten

Möchtest Du sehen, wie Enao Vision auf Deiner Linie funktioniert? Du kannst kostenlos starten mit einem iPhone, das Du schon hast, oder der Community beitreten, um Dich mit anderen Qualitäts- und Produktionsteams auszutauschen, die KI auf den Shopfloor bringen.