IBM Maximo Visual Inspection in der Praxis: Möglichkeiten und erfolgreicher Pilot

Wann IBM Maximo Visual Inspection sinnvoll ist, wovon eine zuverlässige Erkennung abhängt und wie ein Pilotprojekt den Nutzen für Instandhaltung oder Qualitätskontrolle nachweist.

Eine Kamera prüft einen Metallflansch, während das System einen erkannten Oberflächenfehler hervorhebt.

Kann eine Kamera Beschädigungen, fehlende Bauteile oder Montagefehler zuverlässig erkennen? IBM Maximo Visual Inspection (MVI) bietet Werkzeuge zur Erstellung von Computer-Vision-Modellen, die Bilder von Anlagen und Produkten auswerten. Das Ergebnis kann einen Techniker auf einen verdächtigen Zustand hinweisen oder eine automatisierte Prüfung unterstützen.

Die Bereitstellung von MVI allein garantiert jedoch noch keine zuverlässige Inspektion. Entscheidend sind eine klar abgegrenzte Aufgabe, repräsentative Bilddaten, geeignete Aufnahmebedingungen und ein definierter Prozess für den Fall, dass ein Fehler erkannt wird. Ein fokussiertes Pilotprojekt mit messbaren Abnahmekriterien ist deshalb der richtige Einstieg.

Was MVI tatsächlich leistet

MVI nutzt künstliche Intelligenz zur Analyse visueller Daten. In einer No-Code-Umgebung lassen sich Daten vorbereiten und kennzeichnen, Modelle trainieren und anschließend zur Auswertung neuer Bilder bereitstellen.

Besonders relevant sind zwei Arten von Aufgaben:

  • Bildklassifikation ordnet ein Bild einer vordefinierten Kategorie zu, beispielsweise „in Ordnung“ oder „fehlerhaft“;
  • Objekterkennung lokalisiert und markiert ein bestimmtes Objekt oder einen Fehler innerhalb eines Bildes oder Videos.

MVI ist somit keine universelle Kamera, die jede Anlage automatisch versteht. Ein Modell lernt anhand der bereitgestellten Beispiele eine konkrete visuelle Aufgabe. Ist der Unterschied zwischen einem korrekten und einem fehlerhaften Zustand im Bild nicht ausreichend erkennbar, kann die KI diese fehlende Information nicht zuverlässig ersetzen.

Wo visuelle Inspektion Mehrwert schaffen kann

Geeignete Anwendungsfälle können sein:

  • Unterscheidung zwischen korrekt und fehlerhaft montierten Produkten,
  • Kontrolle, ob ein Bauteil vorhanden und richtig positioniert ist,
  • Erkennung einer definierten Art von Oberflächenfehler,
  • Identifikation sichtbarer Schäden, Korrosion oder Leckagen,
  • Erkennung eines wiederkehrenden Anlagenzustands,
  • Überwachung der Arbeitssicherheit, zum Beispiel ein sich näherndes Flurförderzeug oder fehlende persönliche Schutzausrüstung,
  • Schutz von Eigentum und Anlagen, zum Beispiel die Erkennung von Eindringlingen auf Überwachungskameraaufnahmen (CCTV),
  • Erkennung anhand von Infrarot- beziehungsweise Wärmebildaufnahmen und Heatmaps,
  • Erkennung anhand von Röntgenaufnahmen,
  • Erkennung anhand von Ultraschallaufnahmen,
  • Vorsortierung von Bildern für die anschließende Beurteilung durch Fachpersonal.

Entscheidend sind nicht die Branche oder die Größe der Anlage, sondern die Wiederholbarkeit der Aufgabe. Je genauer beschrieben werden kann, wonach gesucht wird und wie ein korrekter beziehungsweise fehlerhafter Zustand aussieht, desto gezielter lassen sich Daten, Tests und Folgeprozesse gestalten.

Schwieriger ist ein Fall, in dem Fehler auf einer normalen Aufnahme nicht erkennbar sind, beispielsweise aufgrund unzureichender Bildqualität, oder in dem das Ergebnis von Informationen abhängt, die die Kamera nicht erfassen kann. In einer solchen Situation kann es sinnvoller sein, Bilddaten mit Messwerten, der Anlagenhistorie oder der Beurteilung eines erfahrenen Technikers zu kombinieren.

Mobile Inspektion oder Automatisierung auf einem Edge-Gerät?

IBM Maximo Visual Inspection ermöglicht die Bereitstellung visueller Modelle auf mobilen Geräten und Edge-Systemen, in zwei unterschiedlichen Betriebsszenarien.

Bei einer mobilen Inspektion nimmt ein Techniker das Bild direkt am Einsatzort auf. MVI Mobile unterstützt lokale und entfernte Inferenz für Modelle zur Bildklassifikation und Objekterkennung. Maximo Application Suite 9.2 hebt zudem die lokale Auswertung direkt auf dem Gerät hervor. Dadurch kann ein Ergebnis bereitgestellt werden, ohne jedes Bild zur entfernten Verarbeitung übertragen zu müssen. Auf der öffentlichen IBM Produktseite wird für die Anwendung MVI Mobile derzeit ausdrücklich das iPhone genannt (unter Android ist lediglich die Remote-Verarbeitung auf dem Server vorgesehen); die Kompatibilität des vorgesehenen Geräts sollte daher bereits bei der Konzeption geprüft werden.

MVI Edge ist für wiederholte oder kontinuierliche Prüfungen mit angeschlossenen Kameras, spezialisierten Bildsystemen, Drohnen oder fahrzeugmontierten Geräten vorgesehen. Das Modell läuft nahe an der Bildquelle und kann schnell auf einen erkannten Zustand reagieren.

Lokale Inferenz bedeutet jedoch nicht, dass der gesamte Lebenszyklus ohne Infrastruktur oder Konnektivität auskommt. Vorbereitung und Verwaltung der Modelle, Verteilung, Synchronisierung der Ergebnisse, Sicherheit und Einbindung in betriebliche Prozesse müssen weiterhin berücksichtigt werden.

Die Bilder sind der wichtigste Teil des Projekts

Ein Modell lernt nicht aus der Formulierung einer Anforderung, sondern aus Beispielen. Die Bilder müssen deshalb die späteren Einsatzbedingungen abbilden. Einige wenige ideale, unter kontrollierten Bedingungen aufgenommene Fotos reichen nicht aus, wenn die Lösung später in einer Produktionshalle, im Freien oder an Anlagen aus unterschiedlichen Blickwinkeln sowie bei Tag und Nacht und zu allen Jahreszeiten eingesetzt werden soll.

Der Datensatz sollte insbesondere enthalten:

  • korrekte und fehlerhafte Zustände,
  • übliche Varianten der Anlage oder des Produkts,
  • unterschiedliche Beleuchtung, Hintergründe, Abstände und Kamerawinkel,
  • Verschmutzungen, Reflexionen und teilweise Verdeckungen, sofern sie im Betrieb auftreten,
  • optisch ähnliche Fälle, die zu unterschiedlichen Ergebnissen führen müssen.

Eine universelle Mindestanzahl von Bildern gibt es nicht. Der Bedarf hängt von der Komplexität des Fehlers, den Umgebungsvariationen und der geforderten Zuverlässigkeit ab. Ein vielfältiger und korrekt gekennzeichneter Datensatz ist wertvoller als eine große Menge nahezu identischer Aufnahmen.

Genauigkeit allein reicht nicht aus

Ein Pilotprojekt sollte nicht nur anhand eines einzigen Genauigkeitswerts beurteilt werden. Unterschiedliche Fehler haben unterschiedliche Folgen:

  • ein übersehener Defekt kann einen Stillstand, eine Reklamation oder ein Sicherheitsrisiko verursachen;
  • ein Fehlalarm erzeugt unnötige Kontrollen und schwächt mit der Zeit das Vertrauen der Anwender.

Vor dem Training muss deshalb geklärt werden, welcher Fehler für den jeweiligen Prozess schwerer wiegt. Anschließend wird das Modell mit einem separaten Bildbestand geprüft, den es beim Training nicht gesehen hat. MVI 9.2.0 hat den Modelllebenszyklus unter anderem um eine Validierung trainierter Modelle anhand benutzerseitiger Ground-Truth-Daten erweitert.

Auch ein gut getestetes Modell ist nicht dauerhaft unveränderlich. Eine neue Produktvariante, andere Beleuchtung, der Austausch einer Kamera oder Veränderungen der Umgebung können die Ergebnisse beeinflussen. Zum Betrieb gehören daher die Überwachung von Fehlern, die Versionierung der Modelle und ein kontrolliertes Verfahren zur Ergänzung neuer Beispiele.

Was geschieht nach der Fehlererkennung?

Die Erkennung ist noch nicht das Endergebnis. Nutzen entsteht erst, wenn eine verständliche Aktion folgt. Je nach Kritikalität kann dies bedeuten:

  1. einen Techniker zu informieren und eine Bestätigung anzufordern,
  2. ein Inspektionsergebnis zu dokumentieren,
  3. das Bild an einen Spezialisten weiterzuleiten,
  4. eine Serviceanfrage oder einen Arbeitsauftrag anzulegen,
  5. ein Produkt nach den Regeln des jeweiligen Prozesses anzuhalten oder auszusortieren.

Nicht jede Erkennung sollte automatisch einen Arbeitsauftrag auslösen. Bei unsicheren oder sicherheitskritischen Fällen ist eine menschliche Prüfung sinnvoll. Entscheidungen sollten erst dann automatisiert werden, wenn Regeln, Zuverlässigkeit und Verantwortlichkeiten eindeutig festgelegt sind.

So wird ein Pilotprojekt aussagekräftig

Der erste Pilot sollte eine klar abgegrenzte Inspektion prüfen und nicht gleichzeitig alle visuellen Aufgaben einer Organisation abdecken.

Ein praktikabler Ablauf ist:

  1. Entscheidung definieren. Was soll das Modell genau erkennen und was soll anschließend geschehen?
  2. Sichtbarkeit prüfen. Kann ein Mensch den gewünschten Unterschied auf einem Bild des vorgesehenen Geräts zuverlässig erkennen?
  3. Daten vorbereiten. Repräsentative Bilder einschließlich schwieriger Grenzfälle sammeln und korrekt kennzeichnen.
  4. Testdaten trennen. Das Modell mit Bildern bewerten, die es während des Trainings nicht gesehen hat.
  5. Akzeptable Fehler festlegen. Erforderliche Erkennungsrate und Toleranz für Fehlalarme definieren.
  6. Betriebsszenario erproben. Tatsächliches Gerät, Beleuchtung, Verbindung, Reaktionszeit und Arbeitsablauf der Anwender testen.
  7. Folgeprozess gestalten. Festlegen, wo das Ergebnis gespeichert wird, wer es bestätigt und wie die nächste Aufgabe entsteht.

Ein wertvoller Pilot muss nicht unmittelbar in eine flächendeckende Einführung münden. Er kann auch frühzeitig zeigen, dass die Bildaufnahme angepasst, der Datenbestand ergänzt oder der Anwendungsfall enger gefasst werden muss.

Installation und Betrieb gehören zur Lösung

MVI ist Bestandteil der IBM Maximo Application Suite. Seine Serverkomponenten laufen in der containerisierten Umgebung der Plattform. Ein Edge-Szenario ergänzt Geräte nahe an der Bildquelle sowie die Kameraanbindung. Vor der Auswahl der Architektur müssen erwartete Bildmengen, Trainings- und Inferenzabläufe, Reaktionszeiten, Aufbewahrungsdauer und Sicherheitsanforderungen bekannt sein.

Die Architektur sollte dem Anwendungsfall folgen. Die mobile Prüfung weniger Anlagen pro Tag stellt andere Anforderungen als die kontinuierliche Analyse einer Produktionslinie mit mehreren Kameras. Neben der Installation müssen Zugriffssteuerung, Updates, Datensicherung, Monitoring und die kontrollierte Freigabe neuer Modellversionen eingeplant werden.

MVI 9.2.0 führte unter anderem rollenbasierten Zugriff auf Visual-Inspection-Daten sowie Verbesserungen bei Bedienbarkeit und Modelllebenszyklus ein.

Mit dem Problem beginnen, nicht mit der Kamera

IBM Maximo Visual Inspection kann wiederkehrende Prüfungen beschleunigen, ihre Bewertung vereinheitlichen und KI-Unterstützung direkt zum Techniker oder an die Bildquelle bringen. Der wesentliche Nutzen entsteht jedoch nicht allein durch das Training eines Modells. Er entsteht durch die Verbindung einer zuverlässigen Erkennung mit einer konkreten Entscheidung und einem Prozess in Instandhaltung oder Qualitätssicherung.

12servis s.r.o. unterstützt Unternehmen dabei, geeignete Inspektionen zu bewerten, Pilotprojekte vorzubereiten, die technische Architektur zu entwerfen und die Ergebnisse mit der IBM Maximo Umgebung zu verbinden. Ein sinnvoller erster Schritt ist die Prüfung, ob der gesuchte Zustand in den verfügbaren Bildern tatsächlich erkennbar ist und ob eine frühere Erkennung einen messbaren betrieblichen Nutzen bringt.

Quellen