Wie können wir Ihnen weiterhelfen?
)
craftworks GmbH
Schottenfeldgasse 20/6a
1070 Wien
Anlagen an schwer zugänglichen Stellen zu kontrollieren, kostet Zeit und kann für Wartungspersonal mit Risiken verbunden sein. In einem Kundenprojekt haben wir untersucht, wie sich vorhandenes Bildmaterial mit Computer Vision auswerten lässt, um einen Teil dieser Inspektionen aus der Ferne zu unterstützen.
:quality(80))
Know-How
Lesedauer: 4 min
Jakob Lahmer
:quality(80))
Regelmäßige Sichtprüfungen gehören in vielen Industriebetrieben zur Instandhaltung. Sie helfen dabei, mögliche Schäden frühzeitig zu erkennen, den Zustand von Komponenten zu beurteilen und notwendige Wartungsmaßnahmen zu planen.
Bei gut erreichbaren Anlagen ist das meist unkompliziert. Anders sieht es aus, wenn sich die betreffenden Komponenten in großer Höhe, innerhalb umfangreicher Anlagenstrukturen oder an schwer zugänglichen Stellen befinden.
Dann kann bereits eine einfache Sichtprüfung erheblichen Aufwand verursachen.
Unter Umständen werden spezielle Hilfsmittel, zusätzliche Sicherheitsmaßnahmen oder die Unterstützung anderer Abteilungen benötigt. Die eigentliche Kontrolle dauert vielleicht nur wenige Minuten. Der Aufwand, um überhaupt an die betreffende Stelle zu gelangen, ist deutlich größer.
An diesem Punkt setzte ein gemeinsames Computer-Vision-Projekt mit einem unserer Kunden an.
Der Kunde wollte herausfinden, ob sich bestimmte Sichtprüfungen auch aus der Ferne durchführen lassen.
Dafür stand bereits Bildmaterial zur Verfügung. Die Überlegung war, diese Aufnahmen systematischer auszuwerten und relevante visuelle Merkmale automatisch erkennen zu lassen.
Die Wartungsmitarbeitenden sollten dadurch Informationen erhalten, ohne jede betreffende Stelle persönlich aufsuchen zu müssen.
Es ging dabei nicht darum, die gesamte Instandhaltung zu automatisieren oder fachliche Entscheidungen vollständig einem KI-System zu überlassen.
Vielmehr sollte Computer Vision die Auswertung vorhandener Bilder unterstützen und damit einen Teil der Inspektionsarbeit erleichtern.
Ob das sinnvoll umsetzbar war, hing von zwei Fragen ab: Lassen sich die gesuchten Merkmale zuverlässig erkennen? Und können die Ergebnisse so genutzt werden, dass sie den bestehenden Wartungsablauf tatsächlich verbessern?
Gemeinsam mit dem Kunden entwickelten wir ein Computer-Vision-System, das relevante Merkmale innerhalb der verfügbaren Bilder identifiziert.
Anders als bei einer klassischen Bildverarbeitung, die häufig mit fest definierten Regeln arbeitet, können Machine-Learning-Verfahren visuelle Eigenschaften anhand von Beispielen erlernen.
Das ist besonders dann interessant, wenn die zu erkennenden Objekte oder Merkmale nicht auf jeder Aufnahme gleich aussehen.
Blickwinkel, Lichtverhältnisse, Bildauflösung und Hintergrund können sich unterscheiden. Verschmutzungen oder Abnutzungserscheinungen verändern zusätzlich das Erscheinungsbild von Anlagenkomponenten.
Solche Unterschiede erschweren die automatische Erkennung.
Ein Modell, das unter gleichbleibenden Testbedingungen gute Ergebnisse liefert, muss deshalb nicht zwangsläufig mit allen Aufnahmen aus dem tatsächlichen Einsatzumfeld zurechtkommen.
Bei der Entwicklung war entsprechend wichtig, ob die relevanten Merkmale im vorhandenen Bildmaterial ausreichend zuverlässig identifiziert werden können.
Ebenso entscheidend war die Frage, welche Informationen die Wartungsmitarbeitenden für ihre Arbeit benötigen.
Eine technisch korrekte Erkennung ist schließlich nur dann hilfreich, wenn sich daraus eine sinnvolle Handlung oder Einschätzung ableiten lässt.
Ein Computer-Vision-Modell kann in der Entwicklung überzeugende Ergebnisse erzielen und trotzdem für den Arbeitsalltag nur bedingt geeignet sein.
Ein System erkennt beispielsweise ein gesuchtes Merkmal auf den meisten Bildern zuverlässig. Bei bestimmten Blickwinkeln oder ungünstigen Lichtverhältnissen entstehen jedoch Unsicherheiten.
Für die Instandhaltung ist relevant, wie mit diesen Fällen umgegangen wird.
Welche Ergebnisse sollen den Mitarbeitenden angezeigt werden? Wann reicht eine Bildauswertung aus? Und unter welchen Bedingungen muss weiterhin jemand vor Ort nachsehen?
Gerade bei schwer zugänglichen oder sicherheitskritischen Anlagen darf eine automatische Erkennung keine Sicherheit vermitteln, die durch das verfügbare Bildmaterial nicht gedeckt ist.
Die Grenzen des Verfahrens müssen deshalb bei der Gestaltung des Inspektionsprozesses berücksichtigt werden.
Computer Vision kann die vorhandenen Informationen besser nutzbar machen. Sie ersetzt aber nicht automatisch sämtliche Prüfungen, die bisher vor Ort durchgeführt werden.
Eine Sichtprüfung aus der Ferne hat eine grundlegende Einschränkung: Ein Bild zeigt nur das, was zum Zeitpunkt der Aufnahme aus einem bestimmten Blickwinkel sichtbar war.
Manche Auffälligkeiten lassen sich darauf gut erkennen. Andere erfordern zusätzliche Messungen, eine genauere Begutachtung oder direkten Zugang zur Anlage.
Computer Vision kann diese Einschränkungen nicht beseitigen.
Die Technologie kann aber helfen, vorhandene Aufnahmen systematisch auszuwerten und die Aufmerksamkeit auf jene Merkmale zu richten, die für die Inspektion relevant sind.
Wenn Bildqualität und Anwendungsfall es zulassen, müssen bestimmte Stellen dadurch möglicherweise seltener persönlich kontrolliert werden. In anderen Fällen kann das System Hinweise liefern, wo eine zusätzliche Prüfung sinnvoll erscheint.
Der tatsächliche Nutzen ergibt sich aus der Einbindung in den Wartungsprozess.
Eine automatische Bilderkennung, deren Ergebnisse anschließend aufwendig manuell nachbearbeitet werden müssen, ist nicht zwangsläufig eine Verbesserung.
Deshalb war bei diesem Projekt auch die praktische Verwendbarkeit der Ergebnisse ein wesentlicher Aspekt.
Das Projekt hat gezeigt, wie eng die technische Entwicklung einer Computer-Vision-Lösung mit dem späteren Einsatz verbunden ist.
Die eigentliche Aufgabe bestand darin, bestimmte Merkmale in vorhandenem Bildmaterial zu erkennen. Damit daraus eine sinnvolle Unterstützung für die Instandhaltung werden kann, müssen allerdings auch die Anforderungen des Inspektionsprozesses berücksichtigt werden.
Dazu gehört die Beurteilung, ob die verfügbaren Aufnahmen für den jeweiligen Prüfzweck geeignet sind. Ebenso wichtig ist, dass Wartungsmitarbeitende die Ergebnisse nachvollziehen und erkennen können, wann eine weiterführende Untersuchung erforderlich ist.
Die Zusammenarbeit mit dem Kunden spielt dabei eine zentrale Rolle.
Die Fachleute aus der Instandhaltung wissen, welche Auffälligkeiten relevant sind, welche Beobachtungen unmittelbaren Handlungsbedarf auslösen und wo eine Beurteilung aus der Ferne an ihre Grenzen stößt.
Dieses Wissen ist für die Entwicklung einer brauchbaren Lösung ebenso wichtig wie die Auswahl des Modells.
Besonders interessant ist Computer Vision bei wiederkehrenden Sichtprüfungen, schwer zugänglichen Anlagenbereichen oder großen Mengen an Bildmaterial.
Mögliche Anwendungen reichen von der Kontrolle sichtbarer Komponenten über die Erkennung von Zustandsveränderungen bis zur Unterstützung bei der Auswertung regelmäßig aufgenommener Inspektionsbilder.
Allerdings eignet sich nicht jede Wartungsaufgabe dafür.
Entscheidend ist, ob die gesuchten Merkmale visuell erkennbar sind, ob ausreichend geeignetes Bildmaterial zur Verfügung steht und ob die Ergebnisse einen sinnvollen Beitrag zur Wartungsentscheidung leisten können.
Bei craftworks klären wir diese Fragen gemeinsam mit unseren Kunden, bevor wir festlegen, welche Teile eines Prozesses automatisiert werden sollten.
Im beschriebenen Projekt stand eine konkrete Herausforderung aus der Instandhaltung am Anfang: die aufwendige Kontrolle schwer zugänglicher Bereiche.
Das entwickelte Computer-Vision-System sollte dabei helfen, vorhandenes Bildmaterial für diese Aufgabe besser zu nutzen.
craftworks entwickelt Computer-Vision- und KI-Lösungen für industrielle Anwendungen. Wenn Sie Möglichkeiten zur Ferninspektion oder automatisierten Bildauswertung prüfen möchten, sprechen wir gerne über Ihren konkreten Anwendungsfall.
:quality(80))