Machine Vision beschreibt die Fähigkeit eines Computers zur Wahrnehmung der Umgebung. Dies erleichtert industrielle Prozesse und entlastet Arbeitskräfte. Daher findet Machine Vision Einsatz in einer Vielzahl von industriellen Prozessen. Objekt- oder Mustererkennung, Analyse elektronischer Komponenten sowie Material- und Qualitätsinspektion stellen nur einige Teilbereiche dar, in denen eine erfolgreiche Anwendung möglich ist.
Eine vielversprechende Technologie – aber die Implementation eines Machine Vision Systems ist einfacher gesagt als getan. Noch gibt es bedeutende Diskrepanzen zwischen den Erwartungen von Unternehmen bezüglich Machine Vision und der Realität.
Erwartung: Machine Vision lässt sich schnell implementieren.
Realität: Die Installation eines Machine Vision Systems und die Inbetriebnahme ist wenig zeitaufwändig. Meistens ist das System innerhalb einer Stunde betriebsbereit. Grundlage einer erfolgreichen Einführung von Machine Vision ist jedoch eine sorgfältige Planung. Auf dem Machine Vision Markt gibt es mittlerweile viele Anbieter mit jeweils auf bestimmte Anforderungen zugeschnitten, definierten Anwendungsspektren. Nach der Festlegung des passenden Anbieters folgt die Prüfung der Machbarkeit des Vorhabens.
In einigen Fällen ist allein die Sammlung der für die Implementation des Systems benötigten Daten langwierig. Dies müssen Organisationen bei der Planung berücksichtigen und mit mindestens einem Jahr Vorlauf rechnen. Eine sorgfältige Planung lohnt sich, denn ein Machine Vision System ist eine Investition in die Zukunft.
Erwartung: Für die Implementation wird eine ausreichende Infrastruktur erwartet.
Realität: Machine Vision ist ein sehr komplexes System, welches eine große Menge an Daten extrahiert, darstellt und verarbeitet. Das System läuft in Echtzeit und benötigt schnelle Reaktionszeiten. Zur Umsetzung von Machine Vision ist daher das Vorhandensein von Rechenpower zur Verarbeitung des Datenvolumen in ausreichender Geschwindigkeit notwendig. Hersteller nutzen die passende Hard- und Software zur Erreichung der benötigten Rechnerleistung. Die meisten Anbieter schließen alle benötigten Komponenten in den Lieferumfang ein. Das System läuft dann problemlos über Power of Ethernet (PoE).
Erwartung: Einmal implementiert, funktioniert Machine Vision problemlos.
Realität: Änderungen in der Beleuchtung, Farbänderungen sowie eine Änderung des Sichtfeld haben negative Auswirkungen auf die Bilderkennung. Selbst eine geringfügige Umänderung der Teile, wie etwa eine Farbänderung, erschwert die Erkennung. Auch ein sich änderndes Umfeld beeinflusst die Systemleistung. Sogar eine kleine Umstellung im Sichtfeld des Roboters oder des Machine Vision System kann zu fehlerhaften Ergebnissen führen. Eine hohe Temperatur beeinflusst die Erkennung ebenfalls negativ: denn Temperaturen über 65 Grad führen zu einem erhöhten Rauschen in den Aufnahmen. Eine Vermeidung dieses Phänomens ist durch eine ausreichend helle Beleuchtung möglich. Zudem dehnen sich metallische Bauteile aus oder ziehen sich bei starken Temperaturschwankungen zusammen.
Dadurch stimmen diese nicht mehr mit den Abmaßen des im System eingepflegten CAD-Modelle überein. Dies führt zu Fehlern in der Bilderkennung. Beim Einsatz in der industriellen Produktion ist zudem eine regelmäßige Wartung von Bedeutung. Setzen sich Staub, Schmutz, Dampf oder Flüssigkeit auf der Linse des Machine Vision Systems ab, erreicht weniger Licht den Sensor und verfälscht somit die Bilderkennung. Dem kann alternativ durch eine entsprechende Anpassung der Lichtstärke oder Software entgegengewirkt werden.
Erwartung: Machine Vision ist nur ein Hype.
Realität: Spätestens mit der Corona Krise sind Unternehmen im Zeitalter der Digitalisierung angekommen. Durch die Pandemie durchlaufen ganze Märkte einen Perspektivenwechsel. Unternehmen kommen nicht mehr an einer Automatisierung vorbei. Also warum nicht heute den ersten Schritt tun?