1. Start
  2. Referenzen
  3. Vitesco Technologies GmbH

Vitesco Technologies GmbH

RCV - Technologieentwicklung des Modellmanagements (Neuronaler Netze)

Der Kunde

Vitesco Technologies entwickelt innovative und effiziente Antriebstechnologien für alle Fahrzeugtypen. Das Portfolio umfasst Antriebslösungen für die 48-Volt-Elektrifizierung, Elektromotoren sowie Leistungselektronik für hybridangetriebene und rein batterieelektrische Fahrzeuge. Darüber hinaus zählen zum Leistungsangebot elektronische Steuerungen, Sensoren und Aktuatoren sowie Lösungen zur Abgasnachbehandlung.

Die Herausforderung

Für eine möglichst automatisierte Fertigung ist der Einsatz zukunftsweisender Technologien unerlässlich. So werden in vielen Bereichen, u.a. in der Qualitätssicherung, Verfahren des maschinellen Lernens sowie dessen speziellen Teilbereichs, dem Deep Learning, immer breiter eingesetzt. Gleichzeitig sind die derzeitigen Einsatzszenarien von nicht skalierbaren Insellösungen geprägt. Weiter stellt die werks- und abteilungsübergreifende Zusammenarbeit beim Trainieren, Erstellen, Ausrollen sowie Verwalten der für den serienbegleitenden Prüfablauf notwendigen Modelle eine Herausforderung dar.

Dies bedingt eine skalierbare und modulare Plattform, welche erweiterbare Schnittstellen für die Einbindung verschiedener Frameworks sowie diverser Umsysteme bereitstellt. In dieser Technologiestudie standen neben der allgemeinen Anwendbarkeit der Robotron Computer-Vision-Plattform (RCV) als zentrale Plattform und deren Toolchain zur Umsetzung von Anwendungsfällen unter Serienbedingungen die komfortable Erstellung, Bereitstellung, Freigabe sowie Verwaltung von Modellen für den Inferenzmodus im Fokus.

Weitere, zu beachtende Punkte waren:

  1. Unterstützung verschiedener Frameworks
  2. Labeling und Retraining durch Domänenexperten
  3. Unterstützung verschiedener Arten von KI-Problemen (nicht nur Vision)
  4. Zentrale Modellverwaltung und -freigabe (für Domäne Experten und Qualität)
  5. "Internetlose" Modellbedienung - Vorhersage der Inferenzläufe in gekapseltem Produktionsnetzwerk.

Die Lösung

Im ersten Schritt wurde die RCV-Plattform in der kundeneigenen AWS-Cloud-Umgebung bereitgestellt und alle für den Bereitstellungsprozess notwendigen Komponenten ermittelt. Anschließend wurde ein Ablauf entworfen, welcher sowohl den Anforderungen einer zentralen Organisation innerhalb eines Großkonzerns als auch der Verteilung der Modelle von der Cloud bis zur Fertigungslinie gerecht wird. Um diese durchgängige Verwaltung und -freigabe der Modelle pro Produkt sicherzustellen, wurde ein erster Prototyp eines zentralen Dashboards entwickelt.

Es ist die Idee, über diese einfach zu bedienende Oberfläche den Prozessingenieuren die Pflege, Verwaltung und Qualifikation der Modelle aus der Cloud heraus eigenständig zu ermöglichen. Dafür werden zukünftig noch ein User Management und die Anbindung zum Active Directory usw. implementiert. Sobald das entsprechende Modell auf dem jeweiligen Edge-Gerät deployed ist, kann die RCV-Lösung die Bewertung der Kamerabilder on-premises vornehmen, das Ergebnis visualisieren und das Modell für die Fertigung freigegeben werden. Diese Funktionalität wurde in einer Testumgebung simuliert.

Der Nutzen

Mit der gefundenen Architektur sowie den dazugehörigen Software-Komponenten, könnten in einer produktiven Version, die Modelle durch die jeweiligen Adressatengruppen erstellt, erprobt und für weitere gleichartige Anwendungsfälle in verschiedenen Werken weltweit zur Verfügung gestellt werden. Der hybride Plattformansatz, in welchem on-premises- als auch Cloud-Infrastrukturen problemlos kombinierbar sind, schafft damit die Vorrausetzung, um kollaboratives Zusammenarbeiten zu ermöglichen und wichtiger im Sinne der Nachvollziehbarkeit der Prüfentscheidung, die Modelle im Serieneinsatz erstellen, trainieren und verwalten zu können. Eine Unterstützung des Retraining-Prozesses, der im Falle von Prozessschwankungen oder bei neuen Anforderungen nötig wird, soll nachfolgend die Abbildung des gesamten Modell Lifecycles komplettieren.
Es wird damit möglich sein, initiale Modelle durch die Mitarbeiter einer zentralen Industrialisierungsabteilung zu erstellen und freizugeben sowie diese später komfortabel in die Verantwortung der für die Serie verantwortlichen Abteilung des jeweiligen Werkes zu übergeben. Damit wird neben dem Einsatz der effizienteren KI-basierten Prüfung, ein notwendiger zentraler und skalierbarer Ansatz für die weltweite Betreuung der optischen Kontrollen und die Ablösung oder Integration von Insellösungen ermöglicht.

Zurück