FAQ - Fragen und Antworten

Das Team von sentin setzt sich aus erfahrenen Entwicklern und Ingenieuren zusammen. Im Fokus des Unternehmens steht die visuelle und bildbasierte Kontrolle von Werkstoffen und Produkten. Das Wissen über Prüfprozesse z.B. in der Qualitätssicherung oder zerstörungsfreien Prüfung (ZfP) und technische Details über Softwareentwicklung, Deep Learning und industrielle Bildverarbeitung (Machine Vision) haben wir hier und in unseren Artikeln für Sie aufbereitet.

Inhalt

Ihre Lösung.

Unser Vorgehen.

Beratung

Tauschen Sie sich mit unseren Experten aus und erfahren Sie, wie Ihre Lösung aussehen kann.

Nicht jeder Anwendungsfall erfordert den Einsatz von Künstlicher Intelligenz. Gemeinsam mit Ihnen werfen wir einen Blick auf Ihren Anwendungsfall und entscheiden, ob wir der richtige Partner für Sie sind oder Sie bei einem anderen Anbieter besser aufgehoben sind.

Eignet sich Ihr Anwendungsfall dazu, die vollen Potentiale einer KI zur Auswertung von Bildern zu nutzen, starten wir im nächsten Schritt mit der Konfiguration Ihrer Lösung.
Konfiguration
  1. Gemeinsame Festlegung Ihrer Anforderungen & Ziele
  2. Bereitstellung Ihrer Bilddaten und weiteren Informationen
  3. Konfiguration Ihres KI-Algorithmus & Validierung
  1. Gemeinsame Festlegung Ihrer Anforderungen & Ziele
  2. Zu Beginn der Konfigurationsphase legen Sie gemeinsam mit uns fest, welche Anforderungen Sie an die intelligenten Auswertungsalgorithmen stellen. Zu Ihren Anforderungen können Vorgaben bzgl. der Fehlertypen, Auswertungsgeschwindigkeit oder Genauigkeit zählen.

  3. Bereitstellung Ihrer Bilddaten und weiteren Informationen
  4. Nachdem die Anforderungsspezifikationen geklärt sind, benötigen wir von Ihnen zu Konfiguration die entsprechenden Bilddaten zum Training des Algorithmus.

  5. Konfiguration Ihres KI-Algorithmus & Validierung
  6. Sobald die Konfiguration abgeschlossen ist, haben Sie die Möglichkeit, sich von den Fähigkeiten der automatischen Bildauswertung zu überzeugen.

Integration
  1. Gemeinsame Beschreibung der Gesamtlösung in einem Feinkonzept & Angebotserstellung
  2. Integration Ihres KI-Algorithmus in Ihre Produktion-/Prozessumgebung
  1. Feinkonzept & Angebot
  2. Nach erfolgreicher Konfiguration der KI, erfolgt eine gemeinsame Ausarbeitung des Feinkonzepts. Dieses beinhaltet wie die Algorithmen bestmöglich in Ihre Prozesse oder bestehenden Lösungen integriert werden können. Auf Basis dieses Feinkonzepts erhalten Sie von uns ein individuelles Angebot, welches aus zwei Teilen besteht:

    • Die Lizenzkosten für die konfigurierte Software
    • Ein Dienstleistungsanteil für individuelle Integration der Software

  3. Integration
  4. Sagt Ihnen unser Angebot zu, starten wir mit der Erstellung der notwendigen Schnittstellen und entwickeln eine Gesamtlösung. Diese besteht dann aus der intelligenten Auswertung und der maßgeschneiderten Software für Ihren Prozess/Anwendungsfall.

Nutzung, Support & Updates

Nutzen Sie die Software, so lange Sie sie brauchen. Sie profitieren von neuen Features, Performance Updates und erstklassigem Support.

Sie profitieren von allen Vorteilen einer Software as a Service Lösung. Durch das kontinuierliche Zahlungsmodell für die Lizenz erhalten Sie neue Features und Performance Updates sowie einen erstklassigen Support.

Ebenso können Sie die KI-Experten für das Nachtraining der Algorithmen in Anspruch nehmen, wenn sich in Ihrem Prozess etwas ändert.

Künstliche Intelligenz & Machine Vision

Basiswissen - Künstliche Intelligenz

Computer Vision ist eine Wissenschaft im Grenzbereich zwischen Informatik und den Ingenieurswissenschaften, welche Computern das Sehen und Verstehen von digitalen Bildern ermöglicht. 

Als Künstliche Intelligenz (KI oder engl. ‘Artificial Intelligence’ – AI) bezeichnet man Programme, die wahrnehmen, verstehen, reagieren und ihr Verhalten an die Situation anpassen können. Häufig wird der Begriff als Synonym für Machine oder Deep Learning verwendet und als Gegensatz zu regelbasierter Programmierung gesehen. 

Deep Learning ist eine Unterkategorie der Künstlichen Intelligenz und des Machine Learnings und nutzt neuronale Netze sowie große Datenmengen, um Prognosen und eigene Entscheidungen treffen zu können. Beim sog. Training werden dem System Beispieldaten gezeigt und es optimiert sich automatisch, um die Erkennungsgenauigkeit zu maximieren. Die daraus generierten Modelle können dann für einen Anwendungsfall zur Auswertung genutzt werden. 

Ein KI-Modell kann als eine Auswertungssoftware betrachtet werden. Im Fall von Deep Learning ist es ein sog. Netz von Auswertungsfunktionen, die dadurch beliebig komplexe Zusammenhänge lernen können. Die Parameter der Auswertungsfunktionen, die Netzarchitektur und die Schnittstelle, um Auswertungen abfragen zu können, stellen dann ein Modell dar, das an anderer Stelle z.B. in einer anderen Software oder Anlage genutzt werden kann. 

Das Themengebiet der Machine Vision ist die industrielle Anwendung der Computer Vision für z.B. Automatisierung in der Qualitätssicherung oder digitale Assistenz in der zerstörungsfreien Prüfung. 

Klassische Machine Vision verfolgt das Ziel, Bilddaten auszuwerten, greift dafür allerdings auf fest vorgeschriebene regelbasierte Algorithmen zurück, die von einem Programmierer erstellt werden. Seit 2012 sind Algorithmen und Computer so effizient geworden, dass Deep Learning eine Alternative für zu komplexe Fehlerbilder darstellen kann und das System automatisch lernen kann. Mehr über die Image Net Challenge finden Sie hier. 

In einer dynamischen Umgebung müssen regelbasierte Systeme kontinuierlich nachjustiert werden. KI-basierte Software hingegen ist flexibel und kann auch unter variierenden Umgebungsbedingungen sehr hohe Erkennungsraten gewährleisten. Außerdem kann es mit zunehmenden Trainingsdaten immer genauer werden. 

AI Overview

Künstliche Intelligenz in der Industrie

Die Bildverarbeitung durch einen Deep Learning Algorithmus ist schneller als die Prüfung durch einen Menschen und robuster als klassische regelbasierte Ansätze. Für Sie ergeben sich daraus folgende Vorteile: 

  • Reduzierung der Prüfkosten 
  • Zuverlässigere Erkennung 
  • Kürzere Taktzeiten 

Abhängig von der Komplexität des Anwendungsfalls und der gewünschten Genauigkeit werden zum Training zwischen 100 und 50.000 Bilder benötigt. Diese müssen dazu z.B. in Fehlerklassen sortiert sein oder die Fehler im Bild markiert haben. Für diese Sortierung/Markierung können Sie bspw. den sentin EXPLORER verwenden. 

Die Bilddaten sollten so verlustfrei wie möglich gespeichert werden. Am besten geeignet sind die Formate PNG – für Bilder im normalen RGB Bereich – oder TIFF – für Bilder mit vielen Tiefen-Informationen z.B. 16-Bit GenauigkeitFür die Annotationen empfehlen wir das COCO-Format oder Sie nutzen den sentin EXPLORER, um die Daten Softwaregeführt in das richtige Format zu bringen. 

Das Training des KI-Modells ist abhängig vom Anwendungsfall und der Bildmenge. Verwendet man dafür die optimale Hardware, kann dies in wenigen Stunden erfolgen. Kritischer als das Training ist oft allerdings die Bilddaten zu bereinigen oder Trainingsparameter richtig zu wählen. Sind diese Parameter bereits bekannt, kann danach auch mit neuen Bildern schneller trainiert werden. Eine andere Möglichkeit stellt das sog. Transfer-Learning dar. Dabei können bereits vorhandene Modelle als Ausgangspunkt für ein neues Modell genutzt werden. 

Die bestehende Hardware kann in der Regel weiterhin genutzt werden. Für die Generierung des Bildmaterials kann Ihre vorhandene Kamerahardware genutzt werden. Je nach Verarbeitungskomplexität können Kosten für eine Recheneinheit anfallen. Wir empfehlen daher aus Kostensicht ein Training auf einer Cloud. Danach kann eine Bildauswertung auf einer lokalen Recheneinheit erfolgen. 

Wenn Sie die Lösung trotzdem in Ihrem Hause trainieren möchten, müssen Sie eine Machine Learning GPU anschaffen. 

Mithilfe des sentin EXPLORERs können Sie entweder Ihre Modelle exportieren und in Ihrer Prüfhardware nutzen oder Sie verwenden die Nutzerschnittstelle, um z.B. per Knopfdruck Ihre Aufnahmen zu verarbeiten und zu sichten. 

Über sentin

Nein, sentin gibt dem Anwender die Möglichkeit, die KI mit dem sentin EXPLORER selbst zu trainieren, zu verwalten und zu exportieren. 

Nein. Der Vorteil an Deep Learning Modellen ist, dass es mit neuen Daten besser werden kann. Mithilfe des sentin EXPLORERs können Sie diese einfach selbst einspielen und nachtrainieren. Sie bleiben unabhängig. 

Ja. Nachdem ein Modell exportiert worden ist, können Sie es auf einer Recheneinheit nutzen. Sie entscheiden selbst, wo Sie die Modelle trainieren und auswerten wollen. Es können bei einem lokalen Betrieb jedoch Hardwarekosten anfallen.

sentin nutzt moderne Technologien, um die Auswertung und das Training so schnell und komfortabel wie möglich für Sie zu machen. Die Nutzerschnittstelle basiert maßgeblich auf einer Electron-Applikation. Die Verwaltungsroutinen und die Machine Learning Algorithmen nutzen primär Python und die Frameworks PyTorch und TensorFlow. 

sentin bietet Ihnen die Möglichkeit, ihre Auswertung mit einer Software zu automatisieren und Ihre KI-Modelle zu verwalten.

Der Vorteil gegenüber regelbasierten Ansätzen und klassischen Anbietern liegt in dem geringeren Kalibrierungsaufwand, genauerer/robusterer Erkennung und Ihrer Unabhängigkeit z.B. bei der Nachkalibrierung. 

Gegenüber anderen KI-SoftwareAnbietern kann sentin auf eigene Modelle für Industrieanwendungsfälle zurückgreifen. Ebenso ist die Möglichkeit für Sie, ihre eigenen Modelle zu verwalten und zu kalibrieren ein Alleinstellungsmerkmal. Das kundenorientierte Vorgehen und das Streben nach bestmöglicher Bedienbarkeit stehen dabei immer im Mittelpunkt. 

sentin ist ein Software Anbieter, d.h. sie bezahlen bei uns in Form eines Lizenzmodells für ein fertig entwickeltes Produkt. 

Technology

Produktion und Qualitätssicherung

Als Ausschuss bezeichnet man Produkte, die fehlerhaft sind und aussortiert werden. Entsprechen diese jedoch dem Qualitätsstandard und werden fälschlicherweise aussortiert spricht man von Pseudoausschuss. Wenn ein Produkt hingegen nicht dem Standard entspricht, aber nicht aussortiert (also übersehen) wird, nennt man diesen Anteil Schlupf, der häufig zu Reklamationen führt.

Einen Artikel zu Pseudoausschuss und Schlupf gibt es hier.

Die Falschakzeptanzrate (FAR) beschreibt die Häufigkeit, keines Ausschusses, obwohl das Produkt nicht den Qualitätsansprüchen gerecht wird. Also die Häufigkeit von Schlupf

Die Falschrückweisungsrate (FRR) beschreibt die Häufigkeit, eines Ausschusses, obwohl das Produkt allen Qualitätsansprüchen gerecht wird. Also die Häufigkeit der Pseudoausschüsse.

Einen Artikel über FAR und FRR gibt es hier.

Um Qualitätskontrollen zu automatisieren sind 3 Schritte notwendig.

1. Schritt: Auswahl der Kamera

In diesem Schritt wird untersucht, welche Kamera-Konfiguration sich für einen Anwendungsfall am besten eignet. Diese wird dann für die automatische Qualitätskontrolle verwendet.

2. Schritt: Auswahl der Beleuchtung

Ebenfalls sollten verschiedene Leuchtmittel getestet werden, da meist ohne die richtige Beleuchtung keine aussagekräftigen Bilder erfasst werden können und somit Probleme bei der Auswertung entstehen können. 

3. Schritt: Auswahl und Training des KI-Algorithmus

Wichtig für das Training der KI-Modelle ist eine ausreichende Datenbasis und die Auswahl der richtigen KI-Modell Architektur. Häufig lernt das System anhand von weniger als 500 Beispielen, wie etwas auszusehen hat. Je nach Anwendungsfall kann eine Bildaufnahme und Auswertung in wenigen Millisekunden stattfinden.

Mehr Informationen zu den 3 Schritten können Sie hier nachlesen.

Im Qualitätsmanagement werden in allen Bereichen, die sich direkt oder indirekt auf die Kundenzufriedenheit auswirken, versucht, ein hohes Maß an Qualität sicherzustellen.

In der Qualitätssicherung werden ausschließlich potentiell negative Einflüsse auf die Qualität des Endproduktes analysiert und diese dann bestenfalls beseitigt. Somit wird gewährleistet, dass die Vorgaben des Qualitätsmanagements eingehalten und korrekt umgesetzt werden.

Mehr über den Unterschied von Qualitätsmanagement und Qualitätssicherung erfahren Sie hier.

Zerstörungsfreie Prüfung (ZfP)

Die zerstörungsfreie (Werkstoff-) Prüfung (ZfP) ist eineUntersuchung von Bauteilen oder Werkstücken auf ihre Qualität und Struktur, die diese nicht beschädigt oder beeinträchtigt. Sie wird in der internationale Norm DIN EN ISO 9712 geregelt und in diversen industriellen Branchen angewendet wie dem Anlagen-, Maschinen-, Stahl-, Kraftwerks- oder Fahrzeugbau.

Mehr über die Arten der ZfP finden Sie hier.

Die digitalen Radioskopie (DR) ist eine Disziplin der zerstörungsfreien Werkstoffprüfung (ZfP). Mit Hilfe von Röntgenstrahlen werden Bauteile nach Ungänzen untersucht ohne sie zu beschädigen. Auf der anderen Seite des Bauteils befindet sich ein Detektor, welche die Daten zu einem Live-Bild aufbereitet und an einen Monitor übermittelt. Dort können Materialfehler entdeckt und markiert werden.

Die 5 Vorteile von DR können Sie hier sehen.

Die Aufgaben der DGZfP sind sehr vielfältig:

  • Veröffentlichung der fünfmal jährlich erscheinenden „ZfP-Zeitung
  • Aus- und Weiterbildung von Prüfpersonal durch Kurse und Prüfungen
  • Ausgabe von Kompetenzzertifikaten durch die DGZfP Personalzertifizierung (DPZ)
  • Regelmäßige fachliche Weiterbildung in 18 regionalen Arbeitskreisen
  • Festlegung von Normen und Richtlinien auf nationaler und internationaler Ebene in den Fachausschüssen

Einen Artikel über die Aufgaben der DGZfP finden Sie hier.

Die ZfP-Zeitung ist eine Fachzeitschrift für ZfP von den drei DACH-Gesellschaften DGZfP, ÖGfZP (Österreich) und SGZP (Schweiz). Sie besteht aus einem InformationsteilFachbeiträgen von ZfP-Experten zu aktuellen wissenschaftlichen Problemen, Berichten sowie Neuigkeiten auf dem Gebiet der Ausbildung, Zertifizierung und Normung. In Werbeanzeigen können Mitgliedsfirmen ihr Unternehmen oder ihre neuen Entwicklungen vorstellen.

Mit der ZfP-Zeitung werden fünfmal jährlich mit einer Auflage von fast 4000 Exemplaren ZfP-Experten in fast allen europäischen Ländern erreicht. Die Zeitschrift ist im Mitgliedsbeitrag bereits enthalten und muss nicht noch zusätzlich gezahlt werden.

Die weiteren Aufgaben der DGZfP können Sie hier nachlesen.