Deep Learning als Motor für Industrie 4.0

Mensch und Maschine kommen sich einen Schritt näher. Die Maschine übernimmt erstmals Aufgaben, die bisher für den Menschen vorbehalten waren und von diesem bewältigt werden. Deep Learning ist ein Teilbereich des maschinellen Lernens und stellt die wohl bedeutendste Zukunftstechnologie im Bereich der Künstlichen Intelligenz dar, die maßgeblich zur Umsetzung von Industrie 4.0 beiträgt. Mit den Technologien und Verfahren des Deep Learnings steht die industrielle Sensorik vor einem weitreichenden Funktionalitätssprung für Anwender und Nutzer.

Eine Deep Learning Anwendung basiert auf einem Algorithmus, der wie ein neuronales Netzwerk aufgebaut ist. Es wird selbstständig Wissen aus Erfahrungen generiert um damit neue kognitive Bereiche zu erschließen. Das Programm lernt ständig weiter, gewinnt neue Erfahrungen und Erkenntnisse um sich an neue Gegebenheiten anzupassen. Mit diesem Funktionalitätssprung werden neue bisher undenkbare Applikationslösungen möglich, die effizient und produktiv in der Industrie eingesetzt werden können.

Ein solche flexible Anwendung ist in der Produktion aufgrund der zunehmenden Dynamik der Märkte notwendig und wird nachgefragt. In immer schneller und kürzer werdenden Abständen werden neue Entwicklungen auf den Markt gebracht, eine flexible Sensortechnologie hält diesen Anforderung stand, da sie notwendig ist um auf dem Markt bestehen zu bleiben. Vermehrt wird nach individuellen Lösungen gefragt, die auf speziellen Kundenwünschen basieren und ihre spezifischen Probleme lösen. Deep Learning Anwendungen setzen genau an diesem Punkt an, denn sie lassen sich einfach und schnell an die Bedürfnisse der Kunden übertragen.

Die meisten Deep Learning Projekte mit denen sich SICK derzeit beschäftigt, kommen aus der Fertigungsanwendung oder optischen Qualitätsinspektion. Ein Sensor lernt, verarbeitet die Informationen und eignet sich eine Funktionalität, an um eine angepasste Lösung für das gestellte Problem zu finden. Solche Lösungen zeigen, dass sich die künstliche Intelligenz und die Sensorintelligenz immer näherkommen und gemeinsam Industrie 4.0 vorantreiben.

Sowohl für den Aufbau des Trainingsdatensatzes durch das Erfassen und Bewerten von tausenden von Bildern und Beispielen, als auch für das Training des neuronalen Netzwerks, wird eine ausführende Einheit als eine unabhängige leistungsfähige IT-Basis genutzt. Das für das Training notwendige umfangreiche Rechnen der komplexen Operationen der Deep Learning-Lösung erfolgt auf speziell dafür ausgestatteten Rechnern mit hoher CPU-Leistung. Die daraus generierten neuen Deep Learning-Algorithmen werden lokal auf dem Sensor bereitgestellt und sind so unmittelbar und ausfallsicher beispielsweise auf einer intelligenten Kamera direkt verfügbar.

Die erste Deep Learning Anwendung von SICK wurde in der Holzindustrie umgesetzt. Mit der Integration der Anwendung wurde eine Bildanalyse und –verarbeitung möglich, die trainierte Objekte oder Merkmale automatisch erkennt, diese prüft und klassifiziert. Das Holz wurde auf diese Weise aufgrund der Lage der Jahresringe erkannt um in einem zweiten Schritt dessen Qualität zu evaluieren. Eine weitere Einsatzmöglichkeit von Deep Learning kann die Klassifizierung von Fahrzeugen bei Mautstationen auf Autobahnen sein. Der Sensor teilt dabei die Fahrzeuge anhand des Algorithmus in Mautklassen ein und überprüft, ob diese auch die entsprechende Maut bezahlt haben.