Wie bei jedem IT-Projekt hat man Ihnen gesagt, welchen Nutzen Sie aus der Implementierung digitaler Lösungen ziehen werden. Computer Vision-Projekte sind da keine Ausnahme. Doch aufgrund von Implementierungsproblemen gelingt es Unternehmen manchmal nur langsam, diesen Wert zu realisieren. Zu diesen Herausforderungen gehören Probleme bei der Integration der Lösung in ein breiteres technologisches Umfeld, mangelnde Schulung des Teams, zu wenig Unterstützung durch das Änderungsmanagement oder unzureichende Ressourcen.
Auf der Grundlage der Erfahrungen aus zahlreichen Projekten, die in den letzten Jahren durchgeführt wurden, haben wir einige wertvolle Ratschläge zusammenfasst, wie Sie Daten und Informationen generieren können, die für Ihren Außendienst unerlässlich sind, und wie Sie den Wert Ihres Computer Vision-Projekts maximieren können. Von der Erstellung von Bilddatensätzen zum Trainieren von Algorithmen für die Qualitätskontrolle bis hin zum Einsatz vor Ort, der IT-Integration und dem Change Management beschreibt diese Artikelserie die Schritte, die Sie unternehmen müssen, um schnell tatsächliche Ergebnisse bei Ihren Leistungsindikatoren zu erzielen.
Wie bei allen Technologien des maschinellen Lernens stehen auch bei maschinellen Bildverarbeitungsprogrammen die Daten, die den Algorithmen zugrunde liegen, im Mittelpunkt der Modellerstellung.
Diese wesentliche Phase der Erstellung von Bilddatensätzen erfordert eine Reihe von Voraussetzungen, um sicherzustellen, dass die Modelle so nah wie möglich an der Realität vor Ort sind und somit einen schnelleren ROI garantieren.
Festlegung des Umfangs der Bilddatensätze
Erstens müssen die Fotos, die zum Trainieren der Algorithmen verwendet werden, eine Vielzahl von Situationen und Umgebungen abdecken, denen die Teams vor Ort begegnen. Die Projektteams müssen daher definieren:
● Welche Elemente der Infrastruktur von der automatischen Qualitätskontrolle betroffen sind.
● Die verschiedenen Anlagenmodelle, da die Konstruktionen in ein und demselben Netz unterschiedlich sein können.
● Die von den Außendienstmitarbeitern anzufordernden Fotos, die sich jeweils auf einen Arbeitsschritt beziehen.
● Kontrollpunkte: die Regeln und Aktionen, die auf den Fotos zu überprüfen sind. Außerdem muss festgelegt werden, wann jeder Kontrollpunkt validiert (OK) und wann er für ungültig erklärt (KO) wird.
● Arbeitsumgebungen, unter Berücksichtigung der unterschiedlichen Lichtverhältnisse in Innenräumen und im Freien.
Es ist zwar möglich, vorhandene Datensätze zu verwenden, aber ihre Qualität ist oft nicht gewährleistet. Wenn Sie Ihre Standards nicht definiert und Ihre Außendienstmitarbeiter nicht darin geschult haben, Fotos gemäß diesen Standards zu machen, ist es wahrscheinlich, dass eine große Anzahl von ihnen nicht verwendbar ist. Darüber hinaus entsprechen sie nicht den neuen Standards, die bei der Einrichtung des Projekts mit Deepomatic festgelegt wurden. Wir empfehlen daher, Daten aus dem Außendienst zu sammeln, um Ihre Datensätze zu erstellen, da maschinelles Lernen qualitative Daten benötigt, die es Ihnen auch ermöglichen, den Technikern die richtige Vorgehensweise bei der Aufnahme von Fotos zu vermitteln.
Schulung von Außendienstteams zur Aufnahme verwendbarer Fotos
Außendienstmitarbeiter spielen eine wesentliche Rolle bei der Erstellung von Datensätzen, da ihre Fotos zum Trainieren der Algorithmen verwendet werden. Daher ist es wichtig, sie darin zu schulen, gut gerahmte, verwendungsfähige Fotos aufzunehmen. Hierfür gibt es verschiedene Methoden, wie z. B. die Bereitstellung eines Beispiels für ein gutes Foto in ihrer mobilen Anwendung mit einer Beschreibung der erwarteten Gesture. In dieser Phase der Datenerfassung werden die Teams vor Ort auch an den Einsatz von KI und die ordnungsgemäße Dokumentation der Vorgänge gewöhnt. Dadurch werden sie für die Elemente und Gestures sensibilisiert, die das Unternehmen in seinem Qualitätskontrollprozess überprüfen möchte.
Unsere Erfahrung bei Deepomatic hat uns gezeigt, dass es nicht ausreicht, den Außendienstmitarbeitern ein Automatisierungstool vorzuschreiben, um sie zu engagieren. Betriebsleiter müssen daher die Ziele des Einsatzes eines neuen Tools vermitteln.
Nachdem die mobile Anwendung von Deepomatic konfiguriert, der Umfang des Projekts definiert und die Richtlinien für die Fotoaufnahmen an die Außendienstteams kommuniziert worden waren, wurde das System vor Ort implementiert. In nur 30 Tagen ist es bereits möglich, die erste Phase eines Computer Vision-Projekts in Betrieb zu nehmen.
Automatische Qualitätskontrolle von Außendienst-Bilddatensätzen
Die Kontrolle der Datenkonformität, d. h. der Qualität der Fotos, ist von wesentlicher Bedeutung, um zu vermeiden, dass das System mit schlechten Daten gespeist wird. Es ist daher notwendig, Kontrollen durchzuführen, um die Lesbarkeit und Konformität der Fotos zu gewährleisten:
● Erkennung von unscharfen Fotos
● Validierung der Auflösung und des Formats der Fotos (horizontal oder vertikal)
● Überprüfung von Helligkeit und Kontrast.
Darüber hinaus prüft die Lösung, ob die Vorher- und Nachher-Fotos der Anlagen für denselben Vorgang unterschiedlich sind. Auf diese Weise können die Modelle, die zur Überprüfung der vom Außendienstmitarbeiter durchgeführten Arbeiten verwendet werden, kontrollieren, ob die Arbeiten korrekt ausgeführt wurden.
Die Bildqualitätskontrolle erfordert keine Modellschulung und kann daher sofort eingesetzt werden.
Überprüfung der ursprünglich festgelegten Perimeter, um die Zuverlässigkeit im Außendienst zu gewährleisten
Wir sind der Meinung, dass der Zeitraum, in dem die Lösung den Technikern zur Verfügung gestellt wird, als eine Gelegenheit gesehen werden sollte, den Umfang des Projekts zu hinterfragen und zu validieren. Die im Büro aufgestellten Grundsätze und Normen können manchmal weit von der Realität im Außendienst entfernt sein. In der Phase der Datenerfassung können neue oder nicht-beachtete Anforderungen festgestellt werden, wie zum Beispiel:
● die Nichtberücksichtigung bestimmter Arbeitsbedingungen im Außendienst:
* schlechte Beleuchtung an bestimmten Orten oder zu bestimmten Tageszeiten, was die Aufnahme eines guten Fotos verhindert
* schlechte Netzabdeckung
● redundante Fotos, die Informationen liefern, die bereits aus anderen Fotos entnommen werden können
● Bildausschnitte, die es schwierig machen, die Informationen mit bloßem Auge zu erkennen.
Die Plattformkomponenten von Deepomatic sammeln Bilder aus dem Außendienst und geben Aufschluss über die Fotoqualität und die Akzeptanz der Lösung durch die Außendienstteams. Projektmanager können so die Bedingungen für die Datenerfassung vor Ort anpassen und die Effizienz ihrer Algorithmen maximieren.
Wie wir gesehen haben, handelt es sich dabei um einen iterativen Prozess, der es den Projektteams ermöglicht, sich kontinuierlich an die Gegebenheiten vor Ort anzupassen.
In unserem nächsten Artikel erfahren Sie, wie Sie Algorithmen trainieren und schrittweise benutzerdefinierte KI erstellen können, um die Qualitätskontrolle der Arbeit von Außendienstteams zu automatisieren.
