Was ist der Unterschied zwischen klassischer und ML-basierter visueller Qualitätskontrolle?
Klassischen Systemen werden Regeln zum Erkennen von Fehlern durch Programmierer:innen vorgegeben. Ein ML-Modell hingegen lernt anhand von Beispielen, ob ein Teil OK oder NOK ist. In diesem Lernprozess leitet sich das Modell implizite Regeln zur Entscheidung über OK/NOK ab, die keiner expliziten Programmierung (z.B. „NOK, wenn Kratzer links oben“) bedürfen. So können auch sehr komplexe Anwendungsfälle, wie z.B. Oberflächenerkennung, in der Qualitätskontrolle automatisiert werden, was mit einem klassischen System nicht möglich wäre.
Kann ich als Anwender:in Maddox AI auch ohne technischen bzw. Künstliche Intelligenz-Hintergrund benutzen?
Ja, das geht problemlos. Die Software von Maddox AI ist so gestaltet, dass sogar Laien nach einer dreißigminütigen Schulung KI-Modelle trainieren und in die Anwendung bringen können.
Kann Maddox AI auch bei sehr hoher Produktionsgeschwindigkeit (z.B. mehrere Teile pro Sekunde) zuverlässig prüfen?
In den allermeisten Fällen stellt eine hohe Produktionsgeschwindigkeit kein Problem dar. Unser Modell wird auf einem von uns mitgelieferten Industrie-PC bei Ihnen vor Ort ausgeführt, was bedeutet, dass das KI-Modell Bilder innerhalb von Millisekunden analysiert. Unserer Erfahrung nach wird eher das Teile-Handling als die KI-Auswertung zum möglichen Automatisierungs-Bottlenecks.
Wie lange dauert der Implementierungsprozess vom Maddox AI-Prüfsystem?
Das hängt stark davon ab, wie schnell wir ausreichend viele Daten (Bilder von OK/NOK Teilen) bekommen. Da Maddox AI ein KI-System ist, sind Daten als Grundlage sehr wichtig. Wir bitten daher unsere Kunden immer bereits im Vorfeld, Schlechtteile zu sammeln. Diese können wir am Installationstag der Hardware direkt aufnehmen und haben idealerweise schon die Menge an Daten, die wir benötigen. In diesem Fall dauert die Implementierung nur wenige Tage. Wenn wir mehr Daten sammeln müssen, kann das System auch ein paar Wochen mitlaufen, bevor die Implementierung abgeschlossen ist.
Wie viele Daten (=annotierte Bilder) benötigt Maddox AI?
Wichtig ist nicht unbedingt die Menge an Daten, sondern ihre Vielfalt. Das bedeutet, dass unterschiedliche Erscheinungsbilder von Fehlertypen relevant für eine gute und repräsentative Stichprobe von Fehlern sind, auf deren Basis das Maddox AI-System lernen kann. Wir brauchen nicht viele OK-Bilder, da die Vielfalt dort geringer als bei den NOK-Bildern ist. Dementsprechend liegt unser Fokus auf Bildern mit Fehlern. Wir können Ihnen folgende grobe Faustregel geben: In 90% der Fälle sind 50 Bilder pro Aufgabe (z.B. 50 NOK-Bilder einer Fehlerklasse) ausreichend. In 10% der Fälle werden noch 50 weitere Bilder (d. h. 100 insgesamt) benötigt, um das Maddox AI-System verlässlich auf ihren Anwendungsfall anzupassen.
Kann Maddox AI mit meinen Systemen (MES, SPS, Data-Lake, etc.) integriert werden?
Ja, das ist kein Problem. Maddox AI stellt die Resultate der KI über mehrere in der Industrie gängige Protokolle zur Verfügung, wie bspw. OPC-UA, REST API, MQTT, Modbus TCP oder einfachem Digital I/O.
Achtet Maddox AI darauf, dass auf den aufgenommenen Bildern keine Menschen zu sehen sind?
Ja, darauf legt Maddox AI großen Wert. Das Maddox AI-System bietet die Möglichkeit, Menschen auf den Bildern zu erkennen, um sie unscharf zu machen oder zu schwärzen, bevor sie in die Cloud hochgeladen werden. Niemand hat Zugang zu den Identitäten der Menschen - nicht einmal wir können diese Bilder wieder herstellen.
Erhalte ich über die Zeit regelmäßig neue Softwareupdates?
Ja, Maddox AI ist eine klassische SaaS-Lösung (Software as a Service). Dementsprechend erhalten Sie regelmäßig und kostenlos Softwareupdates.
Muss ich für Softwareupdates, Maintenance und andere After-Sales-Services gesondert zahlen?
Nein, die Softwareupdates, Maintenance und andere After-Sales-Services sind in der Lizenzgebühr inkludiert.