Machine Learning Operations
Im Gegensatz zu klassischen Ansätzen der Computer Vision, müssen KI-Modelle nicht statisch über ihre Einsatzdauer sein. Wenn neue Daten verfügbar sind, können die Modelle nachtrainiert und weiter verbessert werden. Auch das Anpassen eines Modelles auf einen ähnlichen Use Case ist ohne nochmaligen Programmieraufwand möglich. Dies ist nützlich, wenn z.B. eine neue Baumsorte zur Qualitätskontrolle geliefert wird, welche andere Kriterien erfüllen muss. Da es sich bei KI-Modellen um statistische Modelle handelt, können Insights und Metriken des zu kontrollierenden Holzes eingesehen und über einen längeren Zeitraum nachverfolgt werden.
Ist ein Modell gut genug für den Einsatz kann mit einem Klick das Deployment angeschoben werden und das fertig trainierte Modell wird von der Cloud Umgebung auf das ausgewählte Edge Gerät geladen. Von dort aus können Steuerungen und Co angesprochen werden und je nach Vorhersage des Modelles bedient werden. Die Erfahrung zeigt, dass ein Modell oftmals schon vorhanden ist, die in Inbetriebnahme des Algorithmus allerdings zu Kopfschmerzen bei Kunden führt. Mit der Abstraktion der Inbetriebnahme mit Hilfe von Container Technologien ist dieses Problem gelöst und die Experten können sich ganz auf ihre Kerntätigkeiten konzentrieren. Der beschriebene holistische Einsatz von Maschinellem Lernen wird unter dem Stichwort ML Ops (Machine Learning Operations) zusammengefasst.
Repetitive Arbeiten abgeben
Für die Benutzung der Lösung steht ein intuitives Front End als Webanwendung zur Verfügung, welches von dem Personal des Sägewerkes bedient werden kann. Hier kann das Modell jederzeit angepasst und konfiguriert werden, ohne den Code zu verändern. Auch das Labeln neuer Daten passiert hier. Gerade im Falle von Pixelklassifikation kann das Einzeichnen diffiziler Segmente gemütlich auf einem Tablet Gerät getätigt werden. Als Edge Geräte werden robusten und Industrie gehärtete Simatic Industrie PCs verbaut, welche für eine feuchte und staubige Umgebung wie sie im Sägewerk herrscht, ausgelegt sind. Dabei kann, je nach Hardwareanforderungen, aus einem breiten Portfolio gewählt werden. So gibt es mittlerweile auch Edge Boxen, in welchen leistungsstarke Graphikkarten verbaut sind. Die Automatisierung von Prozessschritten kann somit End-zu-End mit KI angereichert werden und jederzeit angepasst werden. Algorithmen übernehmen repetitive Arbeiten, während sich das Sägewerkpersonal auf andere Aufgaben konzentrieren kann.
