Motivation
Die Nico Fahrzeugteile GmbH ist im Großhandel, sowie der Herstellung von Ersatzteilen für PKW-Anhänger bis 3,5 Tonnen tätig und besitzt zwei Standorte in Deutschland. Die Kompetenz ist die Identifizierung der Ersatzteile für den Kunden, die zuverlässige und schnelle Lieferung, sowie die technische Beratung des Kunden. Die Kunden sitzen in Europa, der Schwerpunkt dabei liegt jedoch in Deutschland. Produkte sind zum Beispiel Teile der Radbremse, Achsen, Auflaufeinrichtungen, Beleuchtungseinrichtungen und Einzelteile dieser Baugruppen.
Aktuell werden vom Kunden oft Bilder von defekten Bauteilen zugesendet um Ersatzteile anzufragen. Diese sind oft nicht durch Seriennummer o.Ä. Identifikationsmerkmale gekennzeichnet, somit wird das korrekte Ersatzteil auf Basis des Erfahrungswissens der Vertriebsmitarbeiter ausgewählt. Dieses Fachwissen soll für die „einfachen“ Teile automatisch durch einen KI angewendet werden, um den Vertrieb zu entlasten, mehr Zeit zu geben, um die schwierigen Zuordnungsprobleme zu lösen und die Reaktionszeiten zu verkürzen.
Zielstellung
Im Projekt soll ein prototypisches Gerät zum Erzeugen von Produktfotos aus verschiedenen Blickwinkeln, mit automatischer Benennung und Datenablage konstruiert und erprobt werden. Ein weiteres Ziel ist die Gestaltung einer einfach zu bedienenden Oberfläche, die den Nutzer durch den Prozess führt, sodass auch ungeschultes Personal das Gerät bedienen kann. Zuletzt soll es eine Schnittstelle zum ERP des Unternehmens geben, um die benötigten Daten zur Identifizierung eines Teils im Lager direkt am Demonstrator anzeigen zu können.
Vorgehen
Zunächst erfolgt eine Anforderungsermittlung für Trainingsdaten die von der KI benötigten Trainingsdaten (Zahl der Perspektiven, Fotoqualität, Optik, Auflösung, Ablagestruktur und Benennung). Auf dieser Basis erfolgt dann der Entwurf verschiedener Lösungen für die Aufgabe, die im nächsten Schritt auf ihre Tauglichkeit hin bewertet werden. Die gewählte Lösung wird konstruiert, aufgebaut und montiert. Im Rahmen der Programmierung wird die Maschine in Funktion gesetzt und eine Nutzerschnittstelle für die spätere Bedienung gestaltet. Als letzter Schritt erfolgt ein Funktionstest beim Unternehmen vor Ort, um gegebenenfalls weitere Verbesserungen an der Lösung vorzunehmen. Als letzter Schritt wird die Lösung dokumentiert und als Best Practice für andere Unternehmen zur Verfügung gestellt.
Konsortialpartner
TU Chemnitz: Institut für Betriebswissenschaften und Fabriksysteme, Professur Fabrikplanung und Fabrikbetrieb
Ansprechpartner
Hendrik Unger
+49 (0) 371/531 35983
hendrik.unger@betrieb-machen.de
Bilderkennung , künstliche Intelligenz , Leistung bringen! , Maschinelles Lernen
Kick-Off des Umsetzungsprojekts mit Unternehmen für Fahrzeugteile
Bilderkennung , convolutional neural network , künstliche Intelligenz , Leistung bringen! , Maschinelles Lernen
Zwischenziel erreicht: Prototyp für die automatische Datenerfassung
Der Fahrzeugteile-Hersteller nutzt künstliche Intelligenz für die automatische Datenerfassung und ordnet damit Kundenaufträge dem eigenen Sortiment zu.
Bilderkennung , convolutional neural network , künstliche Intelligenz , Leistung bringen! , Maschinelles Lernen
Bilddaten automatisch erfassen: Prototyp besteht Praxistest
Im Umsetzungsprojekt mit einem Fahrzeugteile-Hersteller werden in Kundenaufträgen übermittelte Bilddaten erfasst und dann automatisch dem Sortiment für Ersatzteile zugeordnet.
Bilderkennung , convolutional neural network , künstliche Intelligenz , Leistung bringen! , Maschinelles Lernen
Automatische Datenerfassung zum Training von KI
Um die KI und deren neuronales Netz zu trainieren, werden viele Bilder des gesamten Artikelbestandes benötigt. Unser Praxisbeispiel stellt vor, wie die Bilder automatisch erfasst werden.
Bilderkennung , künstliche Intelligenz , Menschen machen's!
Designprozess - Automatisierte Datenerfassung für KI Training
Ein Onlinehänder möchte von Kunden eingeschickte Produktfotos dem eigenen Sortiment per KI zuordnen. In dieser Story können Sie den Prozess der Lösungsfindung begleiten.
Bilderkennung , convolutional neural network , künstliche Intelligenz , Leistung bringen! , Maschinelles Lernen
Trainingsdaten für künstliche Intelligenz bereitstellen
Damit KI in Unternehmen erfolgreich ist, braucht die Technologie eine starke Datengrundlage. Im Video zeigen wir, wie wir eine KI mithilfe eines Low Cost Roboters und einer Webcam trainiert haben.
