Das führende Entwicklungs- und Beratungsunternehmen für Daten und KI, statworx, hat in einem vierjährigen Projekt ein kamerabasiertes KI-System entwickelt, das Anomalien in der Produktion von Metallbauteilen in Echtzeit erkennt. Dadurch wird die Produktionsgeschwindigkeit erhöht und Maschinenschäden werden vermieden.
Produktionsstörungen durch fehlerhafte Bauteile
Der Kunde betreibt eine Produktionsstätte für Metallbauteile, in der Anomalien beim maschinellen Auswurf der produzierten Bauteile zu Störungen im Produktionsablauf führten. Diese Störungen verursachten Verzögerungen und erhöhten das Risiko von Maschinenschäden.
Die Lösung: ein kamerabasiertes KI-System
statworx entwickelte ein kamerabasiertes KI-System, das Anomalien in Echtzeit erkennt und auf diese sofort reagiert. Durch den Einsatz von Python, Azure Container App, SQL Server, Azure ML und YoloX wurde das Modell in der Cloud trainiert und lokal in der Produktionsstätte implementiert, um Latenzzeiten zu minimieren.
Echtzeit-Fehlererkennung für sichere, schnelle Produktion
Die Implementierung des KI-Systems führte zu einer Echtzeit-Fehlererkennung im Produktionsprozess, einer erhöhten Produktionsgeschwindigkeit und der Vermeidung von Maschinenschäden. Da das System lokal betrieben wird, konnten Latenzzeiten vermieden werden. Zukünftig wird die Lösung auf weitere Maschinen ausgeweitet, um zusätzliche Aspekte der automatisierten Bildverarbeitung abzudecken.
Weitere Informationen zu KI-Services für die Industrie und Erfolgsgeschichten von statworx finden Sie auf der Website von statworx.
Produktionsstörungen durch fehlerhafte Bauteile
Der Kunde betreibt eine Produktionsstätte für Metallbauteile, in der Anomalien beim maschinellen Auswurf der produzierten Bauteile zu Störungen im Produktionsablauf führten. Diese Störungen verursachten Verzögerungen und erhöhten das Risiko von Maschinenschäden.
Die Lösung: ein kamerabasiertes KI-System
statworx entwickelte ein kamerabasiertes KI-System, das Anomalien in Echtzeit erkennt und auf diese sofort reagiert. Durch den Einsatz von Python, Azure Container App, SQL Server, Azure ML und YoloX wurde das Modell in der Cloud trainiert und lokal in der Produktionsstätte implementiert, um Latenzzeiten zu minimieren.
Echtzeit-Fehlererkennung für sichere, schnelle Produktion
Die Implementierung des KI-Systems führte zu einer Echtzeit-Fehlererkennung im Produktionsprozess, einer erhöhten Produktionsgeschwindigkeit und der Vermeidung von Maschinenschäden. Da das System lokal betrieben wird, konnten Latenzzeiten vermieden werden. Zukünftig wird die Lösung auf weitere Maschinen ausgeweitet, um zusätzliche Aspekte der automatisierten Bildverarbeitung abzudecken.
Weitere Informationen zu KI-Services für die Industrie und Erfolgsgeschichten von statworx finden Sie auf der Website von statworx.
