Aktualisiert Juli 2026 · 7 Min. Lesezeit · Serkan İnkaya · Mechanical Engineer, ODTÜ
Was brauchen Mehrlinien-Manager wirklich aus den Prüfdaten?
Ein Qualitäts- oder Produktionsmanager, der mehrere Linien betreibt, muss nicht jedes Teil sehen. Er braucht die Form des Prozesses: die Ausschleusrate pro Linie, ihren Trend diese Woche gegenüber letzter, wo der Durchsatz einbricht, welche Fehler-Ursachencodes steigen und welche Station auf einen Schwellenwert zudriftet. Das sind alles Zählungen und Aggregate, keine Bilder.
Rohbilder der Teile beantworten eine andere, engere Frage, eine, die an die Linie gehört, nicht in einen Bericht der Zentrale. Ein Bediener oder ein Prozessingenieur schaut auf ein Bild, wenn er eine bestimmte Ausschleusung an einer bestimmten Station diagnostiziert. Ein Manager, der acht Linien vergleicht, liest Raten und Trends. Diese beiden Bedürfnisse zu verwechseln ist es, was Werke dazu treibt, jedes Bild in einen zentralen Speicher zu schicken, den sie eigentlich nicht brauchen.
Die praktische Folge ist, dass sich eine Flottensicht fast vollständig aus Kennzahlen aufbauen lässt. Wenn jede Einheit lokal entscheidet und Zahlen meldet, erhält der Manager das gewünschte Trend-Dashboard ohne eine dahinterliegende Rohbild-Pipeline.
Warum müssen Rohbilder für diese Trends die Linie nicht verlassen?
Ein Fehlertrend ist eine Zeitreihe von Zählungen, und eine Zählung ist winzig neben einem Bild. Um zu wissen, dass die Oberflächen-Ausschleusrate von Linie 3 von einer stabilen Baseline in eine steigende überging, brauchen Sie die Urteile pro Teil und ihre Ursachencodes über die Zeit, nicht die Megapixel hinter jedem Urteil. Die Information, auf die ein Manager reagiert, übersteht die Verdichtung vom Bild zur Kennzahl.
Das ist wichtig, weil ein Rohbild eines Teils sensibel ist. Es kann Geometrie, Werkzeugdetails, Durchsatz und Fehlermuster tragen, die ein OEM-Kunde als geschütztes geistiges Eigentum behandelt. Einen See aus solchen Bildern zu zentralisieren, schafft eine Angriffsfläche für Datenresidenz und Geheimhaltung, die ein Kennzahlen-Feed schlicht nicht hat. Der Trend, den Sie wollen, und das Risiko, das Sie vermeiden wollen, sind trennbar, und Bilder lokal zu halten ist es, was sie trennt.
Es hält zudem die Leitung schlank. Zählungen, Raten und Ursachencodes über ein bestehendes Werksnetz zu senden, ist eine leichte, vorhersehbare Last. Vollauflösende Bilder von jeder Station zu senden, ist eine andere Größenordnung an Bandbreite und Speicher, und eine, die mit jeder hinzugefügten Linie wächst.
Wie funktioniert die Architektur Kennzahlen hoch, Bilder unten?
Jede Einheit führt die vollständige Prüfung an der Linie aus und gibt nur das Ergebnis aus: ein Urteil, eine Konfidenz, einen Ursachencode und die laufenden Zählungen. Adente Vision ist eine Edge-KI-Einheit für die visuelle Inspektion, entwickelt von ADENTE Advanced Engineering Technologies innerhalb der Aden Group und vertrieben über Automatisierungs-Systemintegratoren, und dieses Design der lokalen Entscheidung ist es, das die Flottensicht aus Kennzahlen statt aus Bildern entstehen lässt. Eine Flotte sitzt selten in nur einer Art Umgebung, und das Design gilt in einer Washdown-Zelle in Lebensmittel-, Getränke- oder Pharmabetrieben genauso wie an einer trockenen Montagestation, sodass ein gemischtes Werk weiterhin in ein Dashboard meldet.
Das Rohbild wird auf der Einheit verarbeitet, und die Entscheidung verlässt sie als Signal, das Ihre Steuerung und Ihr Dashboard bereits verstehen. Von dort werden aggregierte Kennzahlen zu einem webbasierten Dashboard hochgerollt, und die Fernüberwachung lässt einen Manager oder Integrator den Linienzustand ohne Vor-Ort-Besuch beobachten. Das Bild, das jedes Urteil erzeugt hat, bleibt an der Linie, wo die diagnostische Arbeit, die es braucht, stattfindet. Das Einsammeln solcher Aggregate aus mehreren Zellen ist ein Thema der Datenschicht, für das die Industrie offene Standards wie OPC UA der OPC Foundation nutzt, während die Gut/Schlecht-Entscheidung selbst an der Linie bleibt.
Diese Trennung ist beabsichtigt. Das Dashboard wird von denselben Zahlen gespeist, die die Linie ohnehin für ihre eigene Gut/Schlecht-Steuerung erzeugt, sodass die Flottenebene eine Aggregation bestehender Signale ist, kein zweiter, schwererer Datenpfad obendrauf. Das genaue Volumen an Teilen und Ereignissen, das Sie zentralisieren, hängt von Ihrer Linienzahl und -rate ab; behandeln Sie jede Zahl pro Werk als etwas, das Sie an Ihrer eigenen Flotte dimensionieren, nicht als feste Zahl.
Was verlässt die Linie und was bleibt auf ihr?
Die klare Regel ist: Urteile und Aggregate reisen, Pixel nicht. Die folgende Tabelle zeigt, wie ein Flottenaufbau die beiden trennt.
| Datenelement | Wo es liegt | Warum |
|---|---|---|
| Rohbild des Teils | Auf der Einheit, an der Linie | Sensibles geistiges Eigentum; nur zur lokalen Diagnose einer bestimmten Ausschleusung nötig |
| Urteil und Ursachencode pro Teil | Lokal ausgegeben, nach oben aggregiert | Die Einheit eines Trends; klein und unsensibel |
| Ausschleus- und Durchsatzzählungen | Zum Dashboard hochgerollt | Was ein Mehrlinien-Manager liest |
| Drift- und Schwellenwertsignale | Zum Dashboard hochgerollt | Frühwarnung über die Flotte |
| Bewusst behaltene Musterbilder | An der Linie, bei Bedarf abgerufen | Nachtraining oder Audit, gesteuert und beabsichtigt |
Welche Governance-Entscheidungen erfordert das Zentralisieren von Kennzahlen?
Auch ein reiner Kennzahlen-Feed ist eine Governance-Entscheidung, denn Sie wählen, was sicher von der Linie fortbewegt werden darf und wer es sehen kann. Die vorab zu klärenden Fragen sind, welche Aggregate eine Station verlassen, in welchem Intervall, zu welchem Dashboard und wer Zugriff auf die Fernüberwachung hat. Diese zu beantworten macht die Flottenebene prüfbar statt zu einer unverwalteten Kopie der Hallendaten.
Der Vorteil des Kennzahlen-hoch-Modells hier ist, dass das sensible Gut nie ins Gespräch kommt. Weil Rohbilder lokal bleiben, verengt sich die Frage der Datenresidenz auf Zählungen und Raten, die weit einfacher unter eine Richtlinie zu bringen sind, die ein OEM-Kunde oder ein Werks-IT-Team akzeptiert. Sie steuern Zahlen, keine Bibliothek von Teilefotos. Zur grundlegenden Begründung, warum das Bild selbst an Ort und Stelle bleiben sollte, führt der Schwesterbeitrag zu Edge versus Cloud bei der visuellen Inspektion das Argument der Datenhoheit vollständig aus.
Wann sollten Sie bewusst ein paar Musterbilder abrufen?
Es gibt eine ehrliche Ausnahme von Bilder-unten: Manchmal wollen Sie einen kleinen, gewählten Satz von Bildern die Linie verlassen lassen, um ein Modell nachzutrainieren oder für einen Prüfpfad bei einer strittigen Ausschleusung. Der Sinn der Architektur ist, dass dies ein bewusster, gesteuerter Abruf einer Handvoll Muster ist, kein ständiger Strahl aus jedem Bild.
Das ist der Unterschied zwischen einer Richtlinie und einem Zufall. Ein Nachtrainingssatz ist eine kuratierte Aufnahme bestimmter Teile, auf die Aufgabe zugeschnitten und freigegeben, und er nutzt dieselben Modi auf der Einheit, die die Linie ohnehin über Anomalie- & Defekterkennung, Montage & fehlende Teile, Code-Lesung, Messung und Teile-Identifikation fährt. Er bleibt die Ausnahme, weil der Standard, Kennzahlen hoch und Bilder unten, bereits beantwortet, was ein Manager über die Flotte braucht. Dieser Beitrag ist eine Speiche des Leitfadens zur KI-Sichtprüfung; um die Flottensicht neben den anderen Linienaufgaben zu sehen, die die Einheit ausführt, durchstöbern Sie die realen Anwendungen.