Midea ergänzt intelligente Fertigung um Augen und Gehirne

Intel bietet eine durchgängige KI-Lösung, um Midea dabei zu unterstützen, seine industrielle Sichtprüfungs-Cloud-Plattform zu schaffen.

Auf einen Blick:

  • Midea Group, weltweit für Verbraucherelektronik- und HVAC-Produkte bekannt, entwickelte ihre industrielle Sichtprüfungs-Cloud-Plattform mit einer durchgängigen KI-Lösung von Intel.

  • Midea verwendete skalierbare Intel® Xeon® Prozessoren und Analytics Zoo, eine vereinheitlichte Analyse- und KI-Plattform, um die Entwicklung eines umfassenden Deep Learning-Prozesses durch die industrielle Sichtprüfungs-Cloud-Plattform des Unternehmens auf schnelle und agile Weise zu unterstützen.

author-image

Von

Mit der allumfassenden Internetwelle werden Big Data, Cloud-Computing, Internet der Dinge und künstliche Intelligenz (hierin kurz als KI bezeichnet) und andere Informationstechnologien mit traditionellen Fertigungsindustrien integriert. Das daraus entstandene Konzept der „intelligenten Fertigung“ ist für die globale Fertigungsindustrie mit umfassenden Veränderungen verbunden. Chinas Fertigungsriesen nutzen diese Technologien ebenfalls, um die intelligente digitale Fertigung einzuleiten und eine strategische Transformation zu implementieren. Eines der innovativsten Beispiele stammt von der Midea Group (hierin kurz als „Midea“ bezeichnet), die weltweit für ihre Verbraucherelektronik- und HVAC-Produkte bekannt ist. Im Januar 2017 akquirierte sie den weltweit führenden Robotikgiganten KUKA AG, der eine wichtige Rolle in der intelligenten Fertigungskette von Midea spielt.

„Mit Robotern können wir das Problem der „Hände“ und „Füße“ beheben, maschinelles Sehen löst das Problem von „Augen“ und „Gehirnen“. Hervorragende Algorithmen und starke Rechenleistung sind wichtige Voraussetzungen für unsere industrielle Sichtprüfungs-Cloud-Plattform. Die Einführung von Analytics Zoo Big Data Analytics und der KI-Plattform hat uns dabei geholfen, dieses Problem zu lösen, indem durchgängige Algorithmus-Training- und Cloud-Computing-Bereitstellungskapazitäten für Cloud-Plattformen bereitgestellt werden. Mit skalierbaren Intel® Xeon® Prozessoren konnten die Rechenprozesse beschleunigt und verbessert werden. Die Kombination aus Software-, Hardware-Produkten und Technologie von Intel hat uns dabei geholfen, bei der intelligenten Fertigung einen soliden Schritt in die Zukunft zu machen.“ —Zheng Hu. Leiter des Midea Vision Institute

Die Anwendung von maschinellem Sehen bei der industriellen Inspektion ist eine der wichtigsten Vorgaben der intelligenten Fertigung, doch sind herkömmliche Lösungen für maschinelles Sehen mit vielen Problemen verbunden: Komplexe Produktionsumgebungen sind einerseits mit einer großen Zahl nicht standardisierter Merkmalserkennungs-Anforderungen verbunden, was zu langen Entwicklungszyklen und hohen Kosten bei spezifisch angepassten Lösungen führt. Andererseits verursachen die vielfältigen Inspektionsinhalte eine aufwändige und arbeitsintensive Parameterkalibrierung und sind für Mitarbeiter schwer zu verwenden. Darüber hinaus erfordern herkömmliche Lösungen oft die Koordinierung mechanischer Komponenten für die Positionierung, was einen großen Bereich der Produktionslinie belegt und daher den Prozessablauf beeinflusst.

Durch massive Datenressourcen direkt aus der Produktion konnte Midea die Grundlage schaffen, um KI-Technologie zur Lösung dieser Probleme zu nutzen. Dazu wurde eine KI-basierte industrielle Sichtprüfungs-Cloud-Plattform geschaffen, die Datenerfassung, Modelltraining und Algorithmusbereitstellung integriert. Sie bietet Werkstückkalibrierung sowie Bildpositionierung und -kalibrierung. Midea hofft ebenfalls, die Entwicklungszyklen zu verkürzen und durch die Bereitstellung von optimiertem Deep-Learning-Training und vorausschauenden Modellen Kosteneinsparungen zu erzielen. Letztendlich wird diese Entwicklung die Benutzerfreundlichkeit und Vielseitigkeit eines Geräts verbessern.

Als Reaktion auf den Bedarf von Midea stellte Intel, bereits lange im Bereich KI und maschinelles Sehen aktiv, Analytics Zoo bereit, eine vereinheitlichte Analyse- und KI-Plattform, die Apache Spark*, TensorFlow*, Keras* und BigDL* vereint, um die industrielle Sichtprüfungs-Cloud-Plattform von Midea zu unterstützen und auf schnelle und agile Weise einen umfassenden Deep-Learning-Prozess bereitzustellen. Dieser umfassende Deep-Learning-Prozess reicht von der Frontend-Datenvorverarbeitung über Modelltraining, Inferenz, Datenvorhersage bis hin zur Merkmalsextrahierung. Eine Vielzahl verschiedener Intel® Prozessoren, insbesondere skalierbare Intel® Xeon® Prozessoren, versorgt die Cloud-Plattform mit der benötigten Rechenleistung. Derzeit wird diese Sichtprüfungs-Cloud-Plattform an vielen Produktionsstätten bei Midea bereitgestellt. Bislang ist das Feedback der Werksleiter äußerst positiv, weil die Lösung die Fehlerdetektionsraten erheblich verbessert und dadurch die Produktqualität ebenfalls beträchtlich gesteigert wird. Darüber hinaus kann Midea mit dieser Lösung Ausrüstungskosten reduzieren und den Ausrüstungslebenszyklus verlängern. Die Sichtprüfungs-Cloud-Plattform wird von allen Beteiligten, von den Fertigungsmitarbeitern bis hin zur höchsten Managementebene, gelobt.

Die industrielle Prüfung ist ein unabdingbarer Bestandteil der modernen Fertigung. In der Vergangenheit wurden Produktdefekte in Produktionswerken vor allem mit dem menschlichen Auge entdeckt. Diese Methode ist nicht nur ineffizient, sondern auch ungenau. Die Einführung des maschinellen Sehens bot eine Verbesserung von Genauigkeit und Effizienz bei der Produktinspektion um das Hundertfache. Die Konstruktion eines effektiven automatisierten maschinellen Sichtsystems erfordert aber finanzielle und zeitliche Investitionen für die spezifisch angepasste Entwicklung und Verifizierung. Gleichzeitig gilt: Ist das System nicht vielseitig, ist es schwierig, es an verschiedenen Produktionslinien einzusetzen. Daher warten viele traditionelle Fertigungsunternehmen hinsichtlich der Anwendung von Systemen für das maschinelle Sehen lieber erst mal ab.

Aus Perspektive des Teams für maschinelles Sehen bei Midea KUKA liegt dieses Problem in erster Linie an nicht standardmäßigen visuellen Anwendungsszenarien. Die Unterschiede bei der Detektionsumgebung und den jeweiligen Anforderungen wie z. B. verschiedene Erfassungswinkel für Bilder und Differenzen bei der Umgebungshelligkeit und Oberflächenkrümmung führen dazu, dass für jedes Projekt speziell angepasste Lösungen (einschließlich Kameras, Lichtquellen, Algorithmen) sowie viele Tests erforderlich sind, um die Machbarkeit einer Lösung zu bestätigen.

Die Kombination aus KI und Big-Data-Technologie ist eine Möglichkeit, mit diesen Problemen umzugehen. Das Team für maschinelles Sehen bei Midea KUKA arbeitete eng mit Intel zusammen, um eine neue, KI-basierte industrielle Sichtprüfungs-Cloud-Plattform zu entwickeln, wie in Abbildung 1 dargestellt, die alle Sichtprüfungs-Terminalgeräte über das Netzwerk mit der Cloud verbindet. Die Erfassung von Big-Data bei Bildern und das Training dieser Daten im Deep-Learning-Framework, um generalisierte Merkmalparameter und Modelle zu erhalten, ermöglichte den Entwicklern die Schaffung agiler Hochleistungs-Defektdetektionskapazitäten.

Abbildung 1: Schemadarstellung der industriellen Sichtdetektions-Cloud-Plattformarchitektur von Midea

Industrielles Sichtprüfungssystem kombiniert KI mit Cloud-Diensten

Mideas KI-basierte industrielle Sichtprüfungs-Cloud-Plattform besteht aus zwei Hauptteilen: 1) das Bilderfassungs-Frontend, das aus Komponenten wie einem Industrieroboter, einer industriellen Kamera und einem Industriecomputer besteht und an der Fertigungsstraße eingesetzt wird, und 2) das Backend-System, das durch den Einsatz des cloudbasierten Server-Clusters mit Intel® Architektur unterstützt wird.

Am Frontend ist der Roboter für die Bildaufnahme, wie in Abbildung 2 dargestellt, mit zwei Industriekameras ausgestattet, eine für längere Aufnahmedistanzen für die Präsenz- und Positionsdetektion, die andere für Nahaufnahmen für die OCR-Erkennung. Die Inspektion eines Mikrowellenherds soll als Beispiel dienen. Wenn das System den Betrieb aufnimmt, nimmt die Fernaufnahme-Kamera mithilfe der Verbindung zwischen dem Roboter und dem Drehtisch ein globales Bild der zu prüfenden Oberfläche auf, um die Bereiche zu berechnen und zu erfassen, in denen OCR-Erkennung benötigt wird. Die Nahaufnahme-Kamera wird dann aktiviert, um Bilder der identifizierten lokalen Bereiche aufzunehmen. Da Industriekameras vor Ort oft von verschiedenen Herstellern stammen und die meisten nicht intelligente, sondern herkömmliche Bildgebungsgeräte sind, werden Bilder und Daten zunächst an einen IPC mit Intel® Core™ übertragen, um eine einheitliche Batchverarbeitung durchzuführen. Die Batchverarbeitung umfasst hier Größenanpassung, Entrauschen und Rotieren der Bilder, Synchronisieren von Taktdaten sowie Prüfung von Etiketten auf Einheitlichkeit. Nach der Batchverarbeitung durch den IPC werden die Bilder und Daten in einer guten Netzwerkumgebung an die Cloud übertragen, wo weitere Operationen wie Training und Inferenz stattfinden. Ist die Netzwerkumgebung aber fehlerhaft, können auf skalierbaren Intel Xeon-Prozessoren basierende Edge-Server bereitgestellt werden, um trainierte Modelle zur Durchführung von Aufgaben wie Inferenz oder Modelliteration und -optimierung einzusetzen.

In der durchgängigen Architektur nutzt das System zunächst das von Analytics Zoo bereitgestellte SSD-Modell (Single Shot Multibox Detector), um die vorverarbeiteten Bilder zu identifizieren und die Objekte zu extrahieren, die erfasst werden müssen, wie z. B. Schrauben, Typenschilder oder Modelle. Die von Analytics Zoo bereitgestellten KI-Funktionen helfen dann der Cloud-Plattform bei der Ausführung einer Reihe von KI-Prozessen wie z. B. massives Datenmanagement, verteiltes Modelltraining, Modellneudefinition und Modellinferenz (in Fällen mit guter Netzwerkumgebung). Durch das Deep-Learning-Entwicklungs-Framework wie TensoFlow* und BigDL* das in Analytics Zoo integriert ist, kann das System die Erkennungsrate der erfassten Objekte durch kontinuierliches iteratives und verteiltes Training verbessern.

Die Einführung der Deep-Learning-Methode in die industrielle Inspektion ermöglicht der industriellen Sichtprüfungs-Cloud-Plattform die schnelle und agile Ausführung sowie die automatische Identifizierung aller Defekte des zu prüfenden Produkts, wie z. B. eine fehlende Schraube, ein fehlendes Typenschilds oder einen Logo-Siebdruckfehler. Vor allem kann sich die Cloud-Plattform gut an nicht standardmäßige Änderungsfaktoren anpassen. Selbst bei Inhalts- und Umgebungsänderungen kann sich die Cloud-Plattform schnell anpassen, wodurch keine langwierige Neufunktionserkennung und -verifizierung erforderlich ist. All dies bedeutet, dass diese Lösung die Robustheit der Detektion verbessern und eine Erkennungsrate von bis zu 99,8 %1 erreichen und dadurch die Schwierigkeiten herkömmlicher Sichtprüfungen umgehen kann, die sich zu sehr auf die Bildqualität stützten.

Seit der Bereitstellung in den Fertigungslinien von Midea wird die industrielle Sichtprüfungs-Cloud-Plattform von allen Fertigungsbeteiligten sehr geschätzt. Der Midea-Herstellungsleiter für Mikrowellenherde sagte: „Zunächst einmal erfordert die Bereitstellung dieser neuen Lösung keine mechanische Positionierung und die erforderliche Stellfläche ist kein, sodass keine negativen Auswirkungen auf die Fertigungslinie entstehen. Zweitens ist sie flexibel und kompatibel, kann also auch verwendet werden, wenn die Fertigungslinie in Zukunft verändert oder aufgerüstet wird. Diese Lösung bietet also ein langes Arbeitsleben.“

Daten aus dem Mikrowellen-Sichtprüfungsprojekt bei Midea zeigen, dass die neue KI-basierte industrielle Sichtprüfungs-Cloud-Plattformlösung den Projektbereitstellungszyklus um 57 %, die Materialkosten um 30  % und die Lohnkosten um 70 %2 reduzieren konnte. Für die traditionelle Herstellung ist dies eine transformative Innovation. Basierend auf diesem Erfolg plant Midea, die neue Lösung in den nächsten zwei Monaten für neun weitere Fertigungslinien zu replizieren und in der nahen Zukunft in allen Mikrowellenherd-Fertigungslinien zu implementieren.

System mit durchgängiger Big-Data- und KI-Lösung ausrüsten

Das Produkt der neuesten Intel-Technologie im Bereich Big Data und KI, Analytics Zoo, bietet eine durchgängige KI-Lösung für die industrielle Sichtprüfungs-Cloud-Plattform von Midea. Analytics Zoo kann direkt in einem großen Daten-Cluster der Intel-Architekturserver ausgeführt und weiter mit skalierbaren Intel Xeon-Prozessoren optimiert werden, um sein volles Leistungspotenzial zu nutzen. Gleichzeitig unterstützt die in Analytics Zoo integrierte Intel® Math Kernel Library (Intel® MKL) und Multi-Threading-Technologie die industrielle Sichtprüfungs-Cloud-Plattform von Midea bei der signifikanten Verbesserung von Merkmaltraining, Bildvorhersage und Batchdatenverarbeitung sowie anderen Aspekten der Arbeitseffizienz.

Mit der Einführung von Analytics Zoo ermöglicht die industrielle Sichtprüfungs-Cloud-Plattform von Midea eine effiziente und durchgängige KI-Entwicklung und Bereitstellung. Wie in Abbildung 3 dargestellt unterstützt Analytics Zoo die Cloud-Plattform in der Datenerfassungs- und Vorverarbeitungs-Optimierungsphase bei der effizienten verteilten Datenvorverarbeitung und Code-Optimierung, was ein Lesen und Vorverarbeiten der Bilder innerhalb von 50 Millisekunden ermöglicht.3 In der massiven Datenmanagement-Phase hilft die Lösung er Cloud-Plattform bei der effizienten Ausführung von Datenspeicherung, -klassifizierung und -aktualisierung. In der verteilten Modelltrainingphase unterstützt Analytics Zoo die Cloud-Plattform bei der Erstellung des Detektionsmodells, während der integrierte TensorFlow-Optimierer schnell den verteilten Trainingprozess starten kann. In der Modellneudefinitions-Phase führt Analytics Zoo Parameteranpassungen durch und beschleunigt die Modellinferenz. Die relevanten Testdaten zeigen, dass die Modellinferenzzeit der Cloud-Plattform basierend auf der Intel® Architekturplattform von 2 Sekunden auf 124 Millisekunden verkürzt wurde.4 Schließlich unterstützt Analytics Zoo auch den Befehlszeilen- und Webdienstmodus, mit denen die Cloud-Plattform nahtlos mit anderen Midea-Anwendungen Schnittstellen bilden kann.

Abbildung 3: Auf Analytics Zoo basierende durchgängige KI-Lösungen

Die Rechenleistung ist ein weiteres Kernelement von KI und die Leistung von skalierbaren Intel Xeon-Prozessoren ist für ein starkes Fundament für die industrielle Sichtprüfungs-Cloud-Plattform von grundlegender Bedeutung. Durch die Kooperation von Midea und Intel werden die für die Cloud-Plattform bereitgestellten skalierbaren Intel® Xeon® Prozessoren mithilfe von Technologien wie Intel® Advanced Vector Extensions 512 (Intel® AVX-512) vollständig leistungsoptimiert. Dank ihrer hervorragenden parallelen Rechenleistungen können skalierbare Intel Xeon-Prozessoren die strikten Anforderungen der Cloud-Plattform hinsichtlich der Rechenleistung bei Modelltraining und -inferenz erfüllen.

Diversifizierte Bereitstellungspläne und größerer Industrieeinfluss

Durch die kontinuierliche technische Kooperation zwischen Midea und Intel konnten die beiden Teams auch viele Edge-Computing-basierte Bereitstellungsmodi basierend auf den tatsächlichen Produktionsbedingungen des Unternehmens vorschlagen. Eine Lösung besteht darin, einen Intel-basierten Edge-Computing-Server am Frontend bereitzustellen, der die Algorithmusverarbeitung so nahe wie möglich an der Plattform durchführt, um die Reaktionsgeschwindigkeit zu verbessern. Eine andere Lösung ist das Einbetten einer Videoverarbeitungseinheit (Video Processing Unit oder VPU) wie Intel® Movidius™ Myriad™ X VPU in Frontend-Kameras oder Industriekameras. Dadurch werden große Mengen an Algorithmus-Verarbeitungsaufgaben direkt bei der Bildaufnahme ausgeführt, um schnellere und empfindlichere Verarbeitungsfunktionen zu erzielen, die Systembelastung und auch die Systembetriebskosten zu reduzieren.

Gleichzeitig findet auch die Optimierung des KI-Verarbeitungsablaufs basierend auf Analytics Zoo progressiv in der Cloud-Plattform statt. Mit der Einführung neuer Algorithmen und neuer Technologien planen die beiden Partner auch die Ausweitung des Anwendungsbereichs der industriellen Sichtprüfungs-Cloud-Plattform von Midea. Der nächste Schritt ist z. B. die Ausweitung des Detektionsprozesses auf die schwierigere Kratzer- und Schweißdefekterkennung, um den Werksertrag weiter zu verbessern.

Im Hinblick auf die Zukunft erwartet das Team für maschinelles Sehen bei Midea KUKA, diese innovate Lösung mit Branchenpartnern zu teilen, um die intelligente Fertigungsentwicklung in China voranzutreiben. Dazu hat Midea vor, industrielle Sichtprüfungstechnologie basierend auf einem verteilten Deep-Learning-Framework für kleine und mittelständische Unternehmen durch Cloud-Service- oder Edge-Computing bereitzustellen, damit diese Unternehmen die Kapazitäten für ihre eigenen Fertigungslinien replizieren können. Das Konzept „Anything as a Service“ (XaaS) wird immer beliebter. Durch die Bemühungen von Midea und Intel sowie der gesamten Fertigungsbranche werden wir in naher Zukunft bestimmt die gemeinsame Einführung einer industriellen Inspektion als Service (Industrial Inspection as a Service, IIaaS) beobachten können.

PDF herunterladen ›

Produkt- und Leistungsinformationen

1

Der Datentest basiert auf: Prozessor: Intel® Core™ i7-6700 Prozessor / 3,4 GHz, Speicher: 64 GB.

2

Die Daten stammen aus dem unveröffentlichten Testbericht der Kooperation des Midea-Projekts mit Intel: „Midea’s microwave oven bottom plate screw inspection project cost accounting – program comparison report“.

3

Der Datentest basiert auf: Prozessor: Intel® Core™ i7-6700 Prozessor / 3,4 GHz, Arbeitsspeicher: 64 GB; Testablauf: Das System liest die Bilder und nutzt das in Analytics Zoo integrierte TFNet. Verwerfen der ersten 10 Ergebnisse für die Verzögerung, Ermittlung des Durchschnitts der folgenden 100 Ergebnisse für die Verzögerung.

4

Der Datentest basiert auf: Intel® Core™ i7-7700T Prozessor, Arbeitsspeicher: 2 x 8 GB, Datenspeicher: 256-GB-SSD.