die KFactory-Plattform

Improving Manual Assembly Lines Efficiency

Verbesserung der Effizienz manueller Montagelinien und der Qualitätskontrolle mit Computer Vision

The system has been successfully implemented inside the client organization

Einführung

Der Kunde ist ein erfolgreiches deutsches Unternehmen, das in der Elektroindustrie tätig ist und sich auf die Herstellung und den Vertrieb von ästhetischen und funktionalen Anschlusspunkten, Steckerleisten, Stromverteilungsoptionen und Hochleistungs-Stromverteilungseinheiten für verschiedene Anwendungen spezialisiert hat. Der Kunde wollte die Geschwindigkeit und die Qualitätskontrolle seiner manuellen Montagelinien verbessernund suchte daher nach einer Lösung, mit der er die Produktion in Echtzeit überwachen und die Datenerfassung und Berichterstattung automatisieren konnte.

 

Herausforderungen

Der Kunde hat Tausende von Produktkategorien, von denen sich einige nur durch die Farbe oder die aufgedruckte Marke unterscheiden. Die Produktion erfolgt in kleinen Chargen, die in regelmäßigen Abständen von Wochen oder Monaten wiederholt werden.

 

  • Daten zu Produktion und Qualität wurden zunächst auf Papier und dann in Excel erfasst, wobei die Berichte mit Verzögerungen und potenziellen Ungenauigkeiten im ERP-System ankamen.
  • Es gab keine zentralisierten und zuverlässigen Daten zur Effizienz, und die Anwendung des In-Hand-Verfahrens führte zu keinen Ergebnissen. Mängel wurden oft von Hand auf Papier notiert.

Overall, Insgesamt gab es keine Echtzeiteinsicht in die Leistungs- und Qualitätsprozesse der Montagelinien, was die Entscheidungsfindung erschwerte und das Optimierungspotenzial einschränkte..

 

Lösung

KFactory hat ein System entwickelt, mit dem jedes Produkt während der Herstellung genau identifiziert und verfolgt werden kann, ohne dass dies Auswirkungen auf die eigentliche Arbeit des Bedieners hat.

Es wurde ein hochmodernes Computer-Vision-Modell entwickelt, bei dem strategisch entlang der Linie positionierte Kameras eingesetzt werden, um Echtzeitbilder der Produkte zu erfassen.

Die Backend-Infrastruktur ist Microsoft Azure, das die Sicherheit und Leistung bietet, die für einen Echtzeit-Fertigungsprozess wie diesen erforderlich sind.

Es wurde berücksichtigt, dass aufgrund der großen Anzahl von Produktkategorien nicht von allen Produkten Bilder vorhanden sind; daher werden die in Echtzeit aufgenommenen Bilder mit der bekannten Produktdatenbank verglichen. Werden die Produkte nicht erkannt, wird der Linienvorgesetzte benachrichtigt, der mit Hilfe einer lokalen Tablet-Anwendung den Produktcode identifizieren kann, der mit den unbekannten Produktfotos verknüpft ist. Anschließend haben wir das neue Modell mithilfe der hochentwickelten Infrastruktur der Plattform in Microsoft Azure und der Algorithmen neu trainiert, um die neu hinzugefügten Produktkategorien innerhalb von Minuten zu erkennen.

Das Modell wird sofort in der Produktion eingesetzt, was bedeutet, dass die Zeit zwischen der Erkennung eines unbekannten Produkts und dem Beginn der automatischen Erkennung nur maximal 30 Minuten beträgt.

Die lokale Anwendung ermöglicht es den Bedienern, sich anzumelden und die tatsächlichen Fehler zu klassifizieren, wodurch der gesamte für die Qualitätsüberwachung erforderliche Papierkram entfällt und die Aktionen pro Mitarbeiter verfolgt werden können.

 

Resultate

Das System wurde erfolgreich in der Kundenorganisation implementiert, wobei alle Rollen, von den Bedienern bis hin zu den Aufsichtspersonen und Managern, es nahtlos nutzen.

 

Der Grad der automatischen Produkterkennung liegt bei mehr als 99 %, was ein hervorragendes Ergebnis ist.

 

Die Manager haben einen vollständigen Überblick über den Prozess: Berichte werden automatisch nach jeder Schicht versandt, und die Business-Analytics-Plattform wird täglich mit neuen Daten gefüttert, wodurch die KPIs aktualisiert und die täglichen Aktivitäten aufgeschlüsselt werden, was die Gesamteffizienz und Produktivität verbessert.

 

Täglich werden neue Produktkategorien hinzugefügt, so dass eine Bilddatenbank entsteht, die immer präziser wird.

 

Dank der Automatisierung wird die manuelle Datenerfassung auf Null reduziert und potenzielle Fehler werden eliminiert.

 

Adrian Dima - Co-CEO and Product Lead at KFactory
Adrian Dima, Co-CEO and Product Lead at KFactory

"Durch die Implementierung eines Systems, das jedes Produkt präzise identifizieren und verfolgen kann, ohne die Arbeit der Bediener zu beeinträchtigen, konnten wir die Herausforderungen überwinden, die darin bestanden, dass wir keine Echtzeit-Transparenz und keine zentralisierten Daten zur Effizienz hatten. Die Bilderfassung in Echtzeit und die automatische Klassifizierung in Verbindung mit Backend-Automatisierung und Datenkonsolidierung haben es uns ermöglicht, eine sichere, zuverlässige und skalierbare Lösung zu schaffen, die unsere Produktions- und Qualitätsprozesse drastisch verbessert hat", sagt ,Adrian Dima, Mitbegründer und technischer Leiter bei KFactory.

Schlussfolgerung

Dies ist ein erfolgreiches Beispiel für den Einsatz von künstlicher Intelligenz in der Fertigung.

Die schnelle Feedbackschleife, die KFactory aufbaut, ist ein Pluspunkt, der es zu einer der wenigen Softwareplattformen auf dem Weltmarkt macht, die neue Kategorien nahezu in Echtzeit einführt und lehrt, was den Wert der Plattform für Unternehmen mit Kleinserienfertigung und manuellen Montageverfahren erhöht.

Durch die Zusammenarbeit mit KFactory konnte der Kunde seine Gesamttätigkeit erfolgreich verbessern und sich als frühzeitiger Anwender von Technologien beweisen, was ihm einen Marktvorteil gegenüber seinen Konkurrenten verschaffte.

Vlad Cazan, cofounder KFactory
Vlad CAZAN, co-founder KFactory

"Die Zusammenarbeit mit dem Kunden aus der Elektroindustrie war für KFactory eine großartige Gelegenheit, unser Fachwissen unter Beweis zu stellen und ihm eine Lösung anzubieten, die seinem Bedarf an Echtzeitüberwachung und Datenautomatisierung gerecht wird. Durch die Partnerschaft mit uns war der Kunde in der Lage, seine Gesamtaktivität zu verbessern, und durch die frühzeitige Einführung der Technologie hat er einen Vorteil gegenüber seinen Mitbewerbern erlangt", sagt Vlad Cazan, Mitbegründer und Sales Lead bei KFactory.

Und schließlich zeigt diese Fallstudie, wie leistungsstark die Computer Vision bei der Bewältigung von Herausforderungen in der Fertigung ist.Unternehmen können ihre Produktivität steigern und in der sich schnell verändernden industriellen Welt von heute wettbewerbsfähig bleiben, indem sie sich modernste Technologien zu eigen machen.

siehe andere Fallstudien...

Werden Sie Teil des KFactory Partner Programms

Wir sind davon überzeugt, dass kollaborative Partnerschaften der Schlüssel zur digitalen Transformation sind und Ergebnisse und Innovationen vorantreiben
We work with