Maschinelles Lernen
Was ist maschinelles Lernen?
Maschinelles Lernen (ML) umfasst Algorithmen, die Daten analysieren, Muster erkennen und Entscheidungen mit minimalem menschlichen Eingriff treffen. Im Gegensatz zu regelbasierten Systemen passen sich ML-Modelle an neue Informationen an und verbessern die Genauigkeit im Laufe der Zeit. NYRIS setzt Deep Learning ein - eine spezielle ML-Technik, die neuronale Netze verwendet - um visuelle Daten von Industrieanlagen, Einzelhandelsregalen und E-Commerce-Plattformen zu verarbeiten.
Analysieren Sie Ihren Anwendungsfall
NYRIS trainiert ML-Modelle auf synthetischen Datensätzen, die aus CAD-Dateien generiert werden, und ermöglicht so die präzise Identifizierung von Maschinenteilen und Einzelhandelsprodukten. Dieser Ansatz reduziert die Abhängigkeit von der Erfassung realer Daten und verkürzt die Bereitstellungszeiten für Partner wie Daimler und METRO um 70 %.
Wie maschinelles Lernen funktioniert
Das ML-Framework von NYRIS arbeitet mit einem dreiphasigen Workflow, der für industrielle Anwendungen optimiert ist:
- Datenaufbereitung und Synthetikgenerierung: Das System nimmt CAD-Modelle, technische Handbücher und Produktbilder auf und erzeugt dann mithilfe von GANs (Generative Adversarial Networks) fotorealistische synthetische Daten. Für den Automobilpartner Renault wurden mit diesem Verfahren 5 Millionen Trainingsbilder aus 500 CAD-Dateien erstellt, die unterschiedliche Beleuchtungs- und Abnutzungsbedingungen simulieren.
- Modelltraining und Validierung: Convolutional Neural Networks (CNNs) analysieren visuelle Merkmale wie Kanten, Texturen und Formen. Die proprietären Algorithmen von NYRIS erreichen eine Genauigkeit von 99,3 % bei der Klassifizierung von Industriekomponenten, die anhand realer Datensätze aus den Produktionslinien von DMG Mori validiert wurden.
- Einsatz und kontinuierliches Lernen: Trainierte Modelle lassen sich über APIs in SAP-ERP-Systeme integrieren und ermöglichen Echtzeit-Updates von Bestandsdatenbanken. Nach der Bereitstellung ermöglichen föderierte Lerntechniken eine Verbesserung der Modelle über Client-Netzwerke hinweg, ohne dass sensible Daten ausgetauscht werden müssen - ein entscheidender Faktor für die globalen Einzelhandelsaktivitäten von IKEA.
Industrielle Anwendungen
Automatisierung der Fertigung
Die ML-Modelle von NYRIS reduzieren die Maschinenstillstandszeiten bei DMG Mori durch vorausschauende Wartung um 72 %. Vibrations- und Thermodaten von CNC-Maschinen werden analysiert, um Lagerausfälle 48 Stunden im Voraus zu prognostizieren und einen proaktiven Austausch zu ermöglichen.
Personalisierung des elektronischen Geschäftsverkehrs
Die visuelle Suchplattform von IKEA, die von NYRIS betrieben wird, verwendet ML, um Produkte auf der Grundlage von Stil und räumlicher Kompatibilität zu empfehlen. Die Konversionsraten der Kunden stiegen um 35 %, da das System aus 2,8 Millionen monatlichen Benutzerinteraktionen lernte.
Bestandsmanagement im Einzelhandel
METROs Regal-Scanning-Roboter nutzen ML, um 50.000 Artikel mit einer Genauigkeit von 98 % zu erfassen. Das System erkennt Fehlbestände und verlegte Artikel, aktualisiert automatisch die Bestandsaufzeichnungen und reduziert manuelle Prüfungen um 85 %.
Vorteile für Ihr Unternehmen
Eliminieren Sie manuelle Inspektionen:
Automatisieren Sie die Qualitätskontrolle mit ML-Modellen, die Fehler mit 60 Bildern pro Sekunde erkennen und Six Sigma-Fehlerraten von unter 3,4 pro Million erreichen.
Beschleunigen Sie die Markteinführungszeit:
Trainieren Sie Modelle auf synthetischen CAD-Daten, um Lösungen 10-mal schneller als Industrie-Benchmarks bereitzustellen, wie das Fehlererkennungssystem für Laserschneider von Trumpf zeigt.
Sichere globale Skalierung:
Föderiertes Lernen ermöglicht es multinationalen Kunden wie Renault, Modelle mit lokalisierten Daten zu verbessern, ohne den Datenschutz zu gefährden.
FAQ
Kann ML mit begrenzten Trainingsdaten arbeiten?
Ja. Die synthetische Datengenerierung von NYRIS erzeugt fotorealistische Bilder aus CAD-Dateien, wodurch der Bedarf an physischen Fotos reduziert wird. Der Partner Windmöller & Hölscher trainierte einen Verpackungsfehlerdetektor mit nur 100 realen Bildern, die durch 10.000 synthetische Variationen ergänzt wurden.
Wie unterscheidet sich NYRIS's ML von Open-Source-Frameworks?
NYRIS passt ML-Pipelines für industrielle Herausforderungen an, wie z. B. die Erkennung von teilweise verdeckten Maschinenteilen. Die Modelle werden anhand synthetischer CAD-Daten trainiert und mit kundenspezifischen Bildern feinabgestimmt, wodurch eine dreimal höhere Genauigkeit als bei allgemeinen Lösungen erreicht wird.
Wie wird der Datenschutz gewährleistet?
NYRIS verarbeitet sensible Daten vor Ort oder über verschlüsseltes föderiertes Lernen. Der Einzelhändler METRO behält die volle Kontrolle über die Regalbilder und trägt gleichzeitig zu globalen Modellverbesserungen bei.
Über NYRIS
NYRIS wurde 2015 gegründet und hat seinen Hauptsitz in Berlin. Das Unternehmen ist führend im Bereich industrieller maschineller Lernlösungen. Mit einer Finanzierung in Höhe von 10 Millionen Euro durch Investoren wie Trumpf Venture und IKEA hat das Unternehmen über 500 Millionen Produkte über seine KI-Plattform verarbeitet. Die patentierte synthetische Datenpipeline von NYRIS wandelt CAD-Modelle in ML-fähige Datensätze um und ermöglicht es Herstellern wie Daimler und Einzelhändlern wie METRO, Vision-Systeme mit einer Genauigkeit von 99,7 % in weniger als sechs Wochen einzusetzen.