Open Access

Frankie Liu, Benny Drescher, Dahai Yu, Max Wittstamm, Yannick Becerra

• CSOT (China Star Optoelectronics Technology), auch Shenzhen Huaxing Photoelectric Technology genannt, ist der führende LED-Lieferant der TCL Group und der zweitgrößte Produzent von LCD-Displays weltweit. Das Unternehmen nutzt Künstliche Intelligenz (KI) zur Automatisierung von Fehlerprüfungsprozessen, um seinen Wettbewerbsvorteil zu erhalten und auszubauen. Das Labeln (dt. Beschriftung/Etikettierung) von Datensätzen für das Training mit aktuellen KI-basierten Methoden ist jedoch zeit- und arbeitsintensiv und erfordert insgesamt bis zu 1 500 Stunden Trainingszeit für eine typische Produktionsfabrik mit mehreren Produktionslinien. Um dieser Herausforderung zu begegnen, entwickelt das Hong Kong Industrial Artificial Intelligence and Robotics Centre (FLAIR) – gemeinsam initiiert vom RWTH Aachen Campus und dem Hong Kong Productivity Council – neue KI-basierte Segmentierungs- und Klassifizierungstechniken. Mit diesen Ansätzen wird das Data-Labeling von 20 Sekunden auf weniger als eine Sekunde reduziert. So werden mehr als 1 400 Arbeitsstunden pro Fabrik eingespart, was großes Potenzial für Qualitätsverbesserungen im Produktionsmanagement und geschätzte Einsparungen von mehr als 84.000 Euro bedeutet.
• CSOT (China Star Optoelectronics Technology), also called Shenzhen Huaxing Photoelectric Technology, is the leading LED supplier of the TCL Group and the second largest producer of LCD displays worldwide. They use Artificial Intelligence (AI) to automate defect inspection processes to maintain their competitive edge. However, the labeling of datasets for training using current AI based methods is time-consuming and labor-intensive, requiring up to 1,500 hours training time in total for one typical manufacturing factory containing multiple production lines. To address this challenge, the Hong Kong Industrial Artificial Intelligence and Robotics Centre (FLAIR) – jointly initiated by RWTH Aachen Campus and Hong Kong Productivity Council – develops new AI based segmentation and classification techniques. With this approach, image labeling is reduced from 20 seconds to less than 1 second and more than 1 ,400 working hours can be saved per factory, providing great potential quality improvement for production management and estimated savings of more than EUR 84,000.