Produktionslinienwechsel erfordern oft eine halbe Stunde und stellen für IE-Ingenieure ein erhebliches Problem dar. Bei der Betrachtung einer KI-gestützten optischen Inspektion liefern Lieferanten zahlreiche Parameter zu Objektiven, Beleuchtung, Algorithmen und Rechenleistung. Welche davon sollten tatsächlich priorisiert werden? Im Wesentlichen liegen die Fallstricke bei der Auswahl industrieller KI-Vision-Systeme nicht in der Technologie selbst, sondern darin, nicht zu wissen, wofür man bezahlen muss.
1. Klärung: Benötigen Sie „Sehen" oder „Beurteilen"?
Viele missverstehen die Auswahl industrieller KI-Vision-Systeme als reinen Kauf einer Kamera und eines Softwarepakets. Das Problem entsteht, weil einige Stationen lediglich bestätigen müssen, ob Materialien korrekt platziert sind, während andere beurteilen müssen, ob Lötstellen Defekte aufweisen. Ersteres beinhaltet Positionierung und Vergleich, letzteres erfordert jedoch Fehlererkennung; diese beiden Aufgaben benötigen Algorithmen und Datensätze, die sich um Größenordnungen unterscheiden. Der erste Schritt bei der Auswahl ist nicht die Frage nach dem Preis, sondern die Kategorisierung der Stationen nach Aufgabentyp: Anwesenheits-/Abwesenheitserkennung, Maßmessung, Zeichenerkennung oder Fehlerklassifizierung. Nach der Kategorisierung stellt sich häufig heraus, dass nur 20 bis 30 Prozent der Stationen tatsächlich KI benötigen, während der Rest durch traditionelle Regeln der maschinellen Bildverarbeitung abgedeckt werden kann. Angenommen, eine hypothetische Elektronikfabrik verfügt über 20 Inspektionsstationen. Ein blinder Einsatz von KI an allen Stationen würde die geschätzten Rechenleistungs- und Debugging-Kosten verdoppeln, während der tatsächliche Nutzen sich auf nur fünf oder sechs Stationen konzentrieren würde.
2. Die Deploymentsarchitektur bestimmt die zukünftigen Wartungskosten
Die Deploymentsarchitektur ist der am meisten übersehene Aspekt bei der Auswahl industrieller KI-Vision-Systeme. Es gibt drei Hauptpfade: Ausführen von Algorithmen auf integrierten Frontend-Maschinen, zentralisierte Inferenz über Edge-Boxen oder Verarbeitung auf einem zentralen Server. Jeder Ansatz hat seine spezifische Anwendbarkeit. Für Szenarien mit verstreuten Produktionslinien und schnellen Einzelzykluszeiten bieten integrierte Frontend-Maschinen eine stabilere Antwort. Für Szenarien, die eine einheitliche Modelliteration über mehrere Linien hinweg erfordern, ist das zentrale Servermanagement effizienter. Dieser hardware-software-integrierte Auswahlansatz eliminiert eine Ebene an Integrationskonflikten.
3. Die Herkunft der Stichproben ist wichtiger als Algorithmusparameter
Lieferanten demonstrieren während Präsentationen oft hohe Erkennungsraten, doch die Leistung kann beim Einsatz in Ihrer Werkstatt sinken. Der Grund ist einfach: Demonstrationen verwenden sorgfältig ausgewählte Stichproben, während Ihre Produktionslinie Reflexionen, Ölflecken und Chargenschwankungen bei eingehenden Materialien aufweist. Bei der Auswahl industrieller KI-Vision-Systeme ist es essenziell zu fragen, wer falsch klassifizierte Stichproben nach dem Go-Live des Modells beschriften wird und wie häufig Iterationen stattfinden. Ein zuverlässiger Ansatz besteht darin, vom Lieferanten zu verlangen, dass er die Prozesse zum Beschriften und Neu trainieren offenlegt, anstatt dass Ingenieure für jede Anpassung entsendet werden. Angenommen, eine SMT-Linie führt eine Detektion fehlender Bauteile durch. Wenn sich die Materialnummer ändert und die Lichtverhältnisse schwanken, und das System Feinabstimmungen mit Dutzenden lokal aufgenommenen Bildern unterstützt, kann das Produktionsteam dies eigenständig bewältigen. Erfordert das System jedoch die Rücksendung von Einheiten zum Training, wird die Stillstandszeit während dieses Prozesses zu einer versteckten Kostenquelle.
4. Schnittstellenkompatibilität muss im Voraus geklärt werden
Die optische Inspektion ist keine isolierte Insel. Inspektionsergebnisse müssen in SPC-Berichte einfließen, Andon-Rufe auslösen und bestimmten Arbeitsaufträgen sowie Bedienern zugeordnet werden. Bei der Auswahl industrieller KI-Vision-Systeme sollte eine Liste der erforderlichen Schnittstellen erstellt werden: Kann sie sich mit bestehenden ERP- und MES-Systemen verbinden? Können Inspektionsdaten nach Produktmodell archiviert werden? Wenn die Urteilsresultate der optischen Inspektion denselben Datenpfad folgen, wird die Qualitätsrückverfolgbarkeit nahtlos, wodurch der Aufbau einer separaten Datenbank entfällt.
5. Kostenlose Upgrades sollten in den Erwartungen definiert sein
KI-Modelle sind keine Einkäufe für einmalig. Da sich Produktionsprozesse ändern, müssen Modelle entsprechend angepasst werden. Bei der Vertragsgestaltung für die Auswahl industrieller KI-Vision-Systeme sollte die Preisstruktur für nachfolgende Algorithmus-Iterationen und Software-Upgrades geklärt werden.
Praktischer Abschlussrat: Beginnen Sie die Auswahl industrieller KI-Vision-Systeme nicht mit der Überprüfung von Parametersheets. Starten Sie stattdessen mit der schmerzhaftesten Station in Ihrer Werkstatt. Liefern Sie dem Lieferanten eine Charge realer Stichproben für einen Vor-Ort-Test. Erst nachdem die Testergebnisse überprüft wurden, sollten Diskussionen über Architektur und Schnittstellen geführt werden.