Computer Vision

Die manuelle Kommissionierung technologisch unterstützen

Die manuelle Kommissionierung technologisch unterstützen

Von herkömmlichen Pick-by-Systemen zur KI-gesteuerten manuellen Kommissionierhilfe
Md Khalid Siddiqui ORCID Icon, Jonathan Kressel ORCID Icon, Jürgen Grinninger
Die manuelle Kommissionierung ist aufgrund der hohen Anschaffungskosten von Unterstützungssystemen nach wie vor weit verbreitet. Dieser Beitrag gibt einen Überblick über bestehende Technologien, stellt einen auf Bildverarbeitung basierenden Prototyp vor und untersucht anhand der Literatur, wie die Kombination von Objekterkennung mit Sprachsystemen manuelle Arbeitsabläufe verbessern könnte. Die Ergebnisse deuten auf eine vielversprechende, kostengünstige Richtung für die Unterstützung von Mitarbeitern in der Logistik hin.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 4 | Seite 6-19 | DOI 10.30844/I4SD.25.4.6
Nachhaltige und intelligente additive Fertigung

Nachhaltige und intelligente additive Fertigung

Frühzeitige Erkennung von Produktionsfehlern im 3D-Druck durch Künstliche Intelligenz
Kai Scherer ORCID Icon, Sebastian Bast ORCID Icon, Julien Murach, Stephan Didas, Guido Dartmann, Michael Wahl
Die additive Fertigung ist eine zunehmend an Bedeutung gewinnende Fertigungstechnologie mit einem großen wirtschaftlichen Potenzial. Ihre Beliebtheit geht jedoch mit hohen Material- und Zeitverlusten einher, da fehlerbehaftete Werkstücke in vielen Fällen erst sehr spät im Fertigungsprozess erkannt werden. Ein Lösungsansatz für eine nachhaltigere und effizientere Produktion ist das automatisierte und frühzeitige Erkennen von Fertigungsfehlern mit Verfahren der Künstlichen Intelligenz. Dieser Beitrag beschreibt die Digitalisierung des Fehlererkennungsprozesses im 3D-Druck mithilfe eines bildbasierten, lernenden Systems. Dabei wird neben den einzelnen Arbeitsschritten zur automatisierten Fehlererkennung auch auf die Leistung des Systems eingegangen.
Industrie 4.0 Management | 39. Jahrgang | 2023 | Ausgabe 2 | Seite 56-59 | DOI 10.30844/IM_23-2_56-59
Statistische Detektion von Anomalien in Bilddaten von Mikrobauteilen

Statistische Detektion von Anomalien in Bilddaten von Mikrobauteilen

Statistische Defekterkennung mittels Hauptkomponentenanalyse
Benjamin Staar ORCID Icon, Mirko Kück, Abderrahim Ait Alla ORCID Icon, Michael Lütjen ORCID Icon, Michael Freitag ORCID Icon, Aleksandar Simic
Optische Messsysteme sind eine populäre Wahl für die Qualitätsprüfung, da sie nicht nur kontaktfrei funktionieren, sondern auch präzise und vergleichsweise schnell sind. Vor allem in Fällen, in denen eine 100 %-Qualitätsprüfung angestrebt wird, ist eine geringe Mess- und Auswertezeit von essentieller Bedeutung. Bei hohen Taktzahlen von mehreren Teilen pro Sekunde, wie bspw. beim Mikrokaltumformen, wird die Auswertung dabei von Algorithmen übernommen. Um eine schnelle und präzise Defekterkennung zu ermöglichen, werden solche Algorithmen üblicherweise auf die Erkennung einer beschränkten Anzahl vordefinierter Defektklassen zugeschnitten. Der Nachteil gegenüber der manuellen Prüfung ist dabei jedoch, dass unbekannte bzw. unerwartet auftretende Defektarten eventuell nicht erkannt werden. Bei neu entwickelten Verfahren und/oder einer hohen Anzahl von Einflussfaktoren ist es daher wichtig, dass die Auswertealgorithmen solche Anomalien zuverlässig und schnell erkennen.
Industrie 4.0 Management | 33. Jahrgang | 2017 | Ausgabe 2 | Seite 52-56
3D-Objekterkennung von heterogenen Stückgütern

3D-Objekterkennung von heterogenen Stückgütern

Flexible Automatisierung basierend auf 3D-Bildverarbeitung
Hendrik Thamer, Bernd Scholz-Reiter ORCID Icon
Die rasanten Fortschritte im Bereich der 3D-Sensorik und der künstlichen Intelligenz ermöglichen neue flexible Robotersysteme, die keine im Vorfeld festgelegten und konstanten Umgebungsbedingungen sowie standardisierten Prozesse erfordern. Hierdurch entstehen große Potenziale für die Automatisierung logistischer Prozesse, die aufgrund dynamischer Randbedingungen und der hohen Gütervielfalt bisher hauptsächlich manuell durchgeführt werden. Ein Beispiel hierfür ist die automatische Entladung von mit heterogenen Stückgütern beladenen Containern. Die Entwicklung eines entsprechenden Entladeroboters erfordert neben geeigneten Greifsystemen eine zuverlässige Objekterkennungsmethode, um einzelne Stückgüter innerhalb eines Packszenarios korrekt erkennen und lokalisieren zu können. Dieser Beitrag stellt eine Objekt-erkennungsmethode für Stückgüter aus drei unterschiedlichen Formkategorien vor. Sie verwendet die 3D-Punktwolke eines Laserscanners und wird mithilfe von realen ...
Industrie Management | 30. Jahrgang | 2014 | Ausgabe 6 | Seite 35-38