Autor: Daniel Weimer

In den letzten Jahren hat das Quantencomputing neue Erfolge erzielt, wie z. B. das Quantenüberlegenheitsexperiment von Google [1] und es zeigt sich, dass es von großen Industrieunternehmen zur Lösung komplexer Probleme eingesetzt wird. Aber was hat zu dieser Entwicklung geführt? Welche Arten von Problemen können wir in naher Zukunft erwarten, die mit Quantencomputing zu lösen sind? Auf welche Herausforderungen stoßen wir bei dieser Technologie und ihrem Einsatz im industriellen Umfeld?

Die Bestellung von Kleidung, Schuhen und Büchern bis hin zu Lebensmitteln über das Internet ersetzt für viele Kunden den Gang ins Kaufhaus. Online-Portale bieten einen komfortablen Weg, ein breites Spektrum von Waren bequem von Zuhause aus beziehen zu können. Um auch wirklich sicherzugehen, das Richtige zu kaufen, wird bspw. ein Kleidungsstück oft in unterschiedlichen Farben und Größen bestellt, das Passende evtl. behalten, der Rest zurückgeschickt. Diese gängige und gewollte Praxis stellt Online-Shops beim Versand, aber vor allem beim Retourenmanagement vor sehr große logistische Herausforderungen. Um ein Maß für die Rücksendewahrscheinlichkeit bestimmter Waren zu erhalten, werden Techniken des maschinellen Lernens eingesetzt. Diese berechnen aus Kundenprofilen und Bestelldaten Modelle, um die Wahrscheinlichkeit für eine Retoursendung zu prognostizieren. Basierend auf dieser Wahrscheinlichkeit können nachgelagerte logistische Prozesse deutlich effizienter gestaltet ...

Die optische Inspektion von Bauteilen hinsichtlich Geometrie- und Oberflächenabweichungen ist eine typische Aufgabe der industriellen Bildverarbeitung. Neben der 2D Oberflächenanalyse spielen 3D Informationen zur Ermittlung von Geometrie- und Formparametern eine immer entscheidendere Rolle. Techniken die dabei zum Einsatz kommen sind unter anderem Triangulationstechniken, Lichtschnittverfahren, oder strukturierte Beleuchtung. Betrachtet man allerdings Bauteildimensionen unter einem Millimeter, ergeben sich neue Herausforderungen für diese Verfahren [1, 2]. Das Erzeugen von 3D Information im Mikrobereich ist somit sehr aufwendig und zeitintensiv. In diesem Beitrag wird deshalb eine Softwareplattform vorgestellt, mit der bereits in der Projektierungsphase ideale sensorabhängige 3D Bilddaten erzeugt werden können, ohne den Messaufbau realisiert zu haben. Mit diesen simulierten 3D Daten kann parallel zur Entwicklung der Messtechnik die Bildverarbeitungssoftware entworfen werden.

Die Automatisierung als Querschnittstechnologie besitzt eine erhebliche Bedeutung für den Industriestandort Deutschland. Gerade in der Mikroproduktion als Nischenmarkt finden sich zahlreiche Anwendungen, die eine hoch automatisierte Produktionstechnik erfordern. Die größte Herausforderung besteht hierbei in der Beherrschung der Größeneffekte, die bei der Herstellung von Mikrobauteilen auftreten, da sich das Verhältnis von Volumen- zu Oberflächenkräften verschiebt. Des Weiteren besteht zum Beispiel in der Mikroumformtechnik ein hoher Flexibilitätsbedarf, da in Auftragsfertigung produziert wird und hohe Stückzahlen in relativ kurzer Zeit bearbeitet werden müssen. Dies erfordert eine entsprechende Automatisierung der Mikrohandhabung, um insbesondere mehrstufige Fertigungsprozesse über mehrere Maschinen effizient abarbeiten zu können. Der vorliegende Beitrag beschäftigt sich mit den auftretenden Adhäsionskräften und deren Reduzierung durch Minimierung der Kontaktfläche. ...

Eine zentrale Aufgabe der industriellen Bildverarbeitung ist die Erkennung von Oberflächen- und Formfehlern auf Bauteilen während der Produktion. Durch eine präzise und zuverlässige Fehlererkennung lässt sich auf Prozessveränderungen, wie bspw. Werkzeug- oder Materialverschleiß, rückfolgern, frühzeitig eingreifen und somit die Ausschussrate reduzieren. In vielen Bereichen, u.a. Wafer-Produktion, ist eine optische Kontrolle Stand der Technik. Allerdings wird in sehr vielen Fällen eine Bildverarbeitungsmethode realisiert, die sehr spezifisch auf das Problem zugeschnitten ist und für jedes neue Problem neu entwickelt wird. Dieser Beitrag stellt eine Bildverarbeitungsmethode vor, die einen ersten Schritt in Richtung universelle Fehlererkennung zeigt. Die Effizienz der Methode wird an einer Bilddatenbank sowie einer Anwendung in der Produktion und Qualitätsüberwachung von Mi-krobauteilen evaluiert.