Schlagzahlerkennung mit KI auf Druckzylindern
Projektziele & Projektergebnis
Umsetzung projekt in den Bereichen „Produkte“ mit dem Ziel der Erhöhung/Steigerung/ Optimierung der Nachhaltigkeit und der Produkt- / Servicequalität.
Ein KI-Modell zur automatischen Erkennung von Schlagzahlen auf Druckzylindern wurde erfolgreich entwickelt und auf einem Smartphone implementiert.
Gesamtprojekt
Top Erkenntnisse aus dem Projekt
Ausgangslage
Zentrale Fragestellungen im Projekt
- Wie kann ein KI-Modell so trainiert und integriert werden, dass es die Schlagzahlen auf unterschiedlich gestalteten Zylindern zuverlässig erkennt und mobil nutzbar ist?
Projektdetails
Dieser Bericht beleuchtet das gemeinsame Projekt mit unserem Partner Janoschka GmbH, das darauf abzielte, Schlagzahlen auf Druckzylindern mithilfe von Neuronalen Netzwerken zu erkennen. Das Hauptziel dieser Kooperation bestand darin, innovative Lösungen zu entwickeln, die das manuelle Erkennen von Schlagzahlen durch Lageristen ersetzen und den Prozess der Berichterstellung automatisieren sollten.
Hintergrund
Die Janoschka GmbH ist ein renommiertes Unternehmen im Bereich der Verpackungsindustrie, insbesondere bei der Herstellung von Druckzylindern. Die Kennzeichnung von Druckzylindern durch Schlagzahlen ist eine wichtige Praxis, um sie zu identifizieren und den Überblick über den Produktionsprozess zu behalten. Allerdings erforderte die manuelle Identifizierung und Berichterstellung viel Zeit und Aufwand. Hier setzte das Projekt an, um mithilfe von Neuronalen Netzwerken diese Prozesse zu optimieren.
Methodik
1. Datensammlung: Ein umfangreicher Datensatz von Schlagzahlen auf Druckzylindern wurde zusammengestellt, der unterschiedliche Schriftarten, Größen und Positionen umfasste.
2. Datenvorbereitung: Die Daten wurden aufbereitet und in Trainings-, Validierungs- und Testdatensätze unterteilt. Die Schlagzahlen wurden manuell annotiert, um das Modell auf die korrekte Erkennung vorzubereiten.
3. Neuronales Netzwerk: Unterschiedliche Neuronale Netzwerkarchitekturen wie Convolutional Neural Networks (CNNs) wurden evaluiert und angepasst, um die bestmögliche Leistung bei der Schlagzahlerkennung zu erzielen.
4. Training und Validierung: Das ausgewählte Modell wurde auf den Trainingsdaten trainiert und auf den Validierungsdaten optimiert. Hyperparameter wurden feinjustiert, um die bestmöglichen Ergebnisse zu erzielen.
5. Implementierung auf einem Smartphone: Das trainierte Neuronale Netzwerk wurde auf einem Smartphone implementiert, um die automatische Schlagzahlerkennung in Echtzeit zu ermöglichen.
Ergebnisse und Diskussion
Die Ergebnisse des Projekts waren äußerst vielversprechend:
• Das entwickelte Neuronale Netzwerk erwies sich als äußerst effektiv bei der Erkennung von Schlagzahlen auf den Druckzylindern, auch bei unterschiedlichen Schriftarten und Positionen.
• Die Implementierung auf einem Smartphone ermöglichte eine schnelle und benutzerfreundliche Anwendung für die Lageristen vor Ort.
Fazit
Das Projekt "Erkennen von Schlagzahlen auf Druckzylindern mithilfe von Neuronalen Netzwerken", in Kooperation mit unserem Partner Janoschka GmbH, war von hoher Bedeutung. Die entwickelte Technologie bietet die Möglichkeit, den Identifizierungsprozess von Druckzylindern zu automatisieren, was zu Zeitersparnis, erhöhter Genauigkeit und effizienterer Berichterstellung führt. Die Integration von Neuronalen Netzwerken auf Smartphones ermöglicht es den Lageristen, den Prozess vor Ort durchzuführen und gleichzeitig genaue und konsistente Ergebnisse zu erzielen. Dieses Projekt zeigt das Potenzial von KI-gestützten Lösungen in der Industrie, um manuelle Prozesse zu automatisieren und die Effizienz zu steigern.
