Showcases

Zur Lösung dieses Problems wird eine Machine-Learning-basierte Bilderkennung eingesetzt, die den Glanz der Beschichtungen ermittelt. Diese Technologie ermöglicht eine zukünftige Automatisierung des Prozesses. Die Implementierung der automatisierten Glanzerkennung bringt mehrere Vorteile mit sich. Zum einen wird die Belastung für die Arbeiter durch Hitze und monotone Arbeit verringert. Zum anderen führt die Automatisierung zu einem schnelleren und damit kosteneffizienteren Prozess.

Für die Bilddatenaufnahme wird eine schwarz-weiß 2D-Kamera eingesetzt. Die Glanzermittlung erfolgt durch Bildsegmentierungsverfahren unter Verwendung neuronaler Netze. Die genutzten Deep-Learning-Architekturen sind SegNet, SegFormer und U-Net. Auch hier spielt die Effizienz eine besonders große Rolle: Später könnte der Schweiß-Prozess automatisiert ablaufen und von einem Mini-Rechner, auf dem die KI läuft, gesteuert werden.

Ein Voice-to-Text-System wird implementiert, das die Datenaufnahme beim Kunden erleichtert und durch ein Large Language Model (LLM) unterstützt wird. Dieses System ermöglicht die automatische Erstellung eines Angebots basierend auf den eingegebenen Daten. Die KI analysiert zudem vergangene Angebote und Projektkosten, um realistische und präzise Schätzungen zu liefern.

Ein RAG (Retrieval Augmented Generation)-basiertes KI-System auf Basis eines großen Sprachmodelles (Large Language Models, LLMs) wird implementiert, das die Stärken von Informationsabruf und generativen Modellansätzen vereint. Diese Innovation trägt dazu bei, die Effizienz und Präzision bei der Erstellung von Angeboten erheblich zu steigern. Dies führt nicht nur zu einer Verringerung des Arbeitsaufwands, sondern verbessert auch die Qualität der Dokumentation, was langfristig die Zufriedenheit der Kunden fördert.

Bildbasierte Sensorsysteme sollen die Mitarbeitenden bereits bei der Anlieferung des Abfalls dabei unterstützen, Gefahrstoffe im Müllhaufen zu erkennen. So lässt sich die Sicherheit erhöhen und Komplikationen am Schredder vermeiden.

Erprobt wird der Einsatz von verschiedenen Sensorsystemen, wie Hyperspektralkameras, Radarsystemen und herkömmlichen Kamerasystemen, um die Gefahrstoffe in einer Anhäufung von Abfall schneller als das menschliche Auge zu erkennen.

Beim Bearbeiten von Einzelteilen sind Schweißroboter bisher wenig effizient, da jedes Werkstück individuell eingelernt werden muss. Abhängig von seiner Form erfordert jedes Teil an verschiedenen Stellen unterschiedliche Bearbeitungsmethoden.

Jedes Werkstück soll automatisiert erfasst werden und ein Roboter entsprechend die Bearbeitung übernehmen. Dadurch kann das Einlernen des Roboters vollständig automatisiert erfolgen. Dies erleichtert zudem die Arbeit des eingebundenen Mitarbeiters, was eine Effizienzsteigerung zur Folge haben soll.

Zwei Kameras erfassen in einem definierten Raum die zu bearbeitenden Bereiche des Werkstücks. KI ermöglicht dabei auch die Erkennung unbekannter Objekte und Bereiche. Über ROS erfolgt die herstellerunabhängige Steuerung des Roboters.