Siemens und P&G erweitern den Einsatz von KI-Qualitätsinspektion

Key Takeaways

Siemens + P&G’s Visual Inspection Cockpit (VIC) senkt Ausschuss um 10-20 % über mehrere Produktlinien hinweg.
Neue VIC-Zellen werden 5-10× schneller in Betrieb genommen als ältere Custom-Vision-Systeme.
KI läuft auf Siemens Industrial Edge-Boxen mit Nvidia GPUs (z. B. Tesla T4, RTX A6000) und liefert Latenzzeiten unter 100 ms.
Echtzeit-Warnungen und automatische Ausschussbehandlung halten die Liniengeschwindigkeit bei 100 % der Auslegungskapazität.
Kontinuierliche Datenerfassung ermöglicht Trendanalysen und langfristige Qualitätsverbesserungen.

Overview of the Expanded AI Inspection Program

Siemens und Procter & Gamble führen eine KI-gesteuerte Qualitätsinspektionsplattform in jedem großen P&G-Werk weltweit ein. Das System, bekannt als Visual Inspection Cockpit (VIC), überwacht Produkte in-line mit voller Produktionsgeschwindigkeit und liefert sofortige Defekterkennung, ohne die Linie zu verlangsamen. Erste Einsätze haben bereits 10-20 % geringere Ausschussraten gezeigt, je nach Produktfamilie.

How the Visual Inspection Cockpit Works

Real-time Edge Processing

Hardware: Siemens Industrial Edge-Rechenmodule hosten Industrie-PCs mit Nvidia GPUs (Tesla T4, RTX A6000) und bis zu 64 GB RAM.
Latency: Bildaufnahme bis Entscheidung < 100 ms, wodurch bei Liniengeschwindigkeiten von 150 m/min (typisch für Konsumgüterverpackungen) kein Engpass entsteht.

AI Model Stack

P&G liefert deep-learning models, die auf Millionen gekennzeichneter Defektbilder trainiert wurden.
Modelle sind containerisiert und werden von Siemens’ Edge-Orchestrator orchestriert, was nahtlose Updates über alle Standorte hinweg ermöglicht.

Integration with Production Controls

Inspektionsresultate werden über OPC UA an das Manufacturing Execution System (MES) gestreamt.
Automatische Aktionen umfassen:
- Alarm generation (visuell und akustisch) innerhalb von 0,2 s.
- Reject actuation mittels pneumatischer Ausstoßvorrichtungen.

Benefits Over Traditional Vision Systems

Feature	Traditional Custom Vision	Siemens + P&G VIC (AI)
Setup Time	4–6 weeks per line (hardware + software)	3–5 days (pre-configured Edge box)
Adaptability	Requires re-calibration for material or packaging changes	AI models retrain automatically; < 1 h for new SKU
Inspection Speed	70-80 % of line speed (frame drops)	100 % line speed, no frame loss
Scrap Reduction	2-5 % (baseline)	10-20 % (reported)
Scalability	Limited by on-site PLC resources	Cloud-linked Edge fleet; unlimited nodes
Total Cost of Ownership (5 yr)	$1.2 M (hardware + maintenance)	$0.9 M (edge hardware + SaaS)

Why the Gains Matter

Speed: Schnellere Inbetriebnahme (5-10×) ermöglicht P&G, neue Produktvarianten in Wochen statt Monaten auf den Markt zu bringen.
Quality Consistency: KI hält die Erkennungsgenauigkeit auch bei gedehnten, zerknitterten oder verschobenen Folien – häufig bei empfindlicher Konsumgüterverpackung.
Data-Driven Ops: Kontinuierliche Erfassung von Defektmetriken fließt in P&G’s Six-Sigma-Programme ein und wandelt Rohinspektionsdaten in umsetzbare Prozessverbesserungen um.

Technical Architecture

Capture Layer – Hochauflösende Zeilenscan-Kameras (bis zu 12 MP) über dem Förderband.
Edge Layer – Siemens Industrial Edge-Box (Intel Xeon E-2288G, 3.7 GHz, 64 GB DDR4) mit Nvidia-GPU-Beschleunigung.
AI Inference – TensorRT-optimierte Modelle laufen mit >500 fps pro GPU.
Control Layer – OPC UA-Bridge sendet Pass/Fail-Signale an PLCs und MES.
Analytics Layer – Zeitgestempelte Defekt-Logs werden in Siemens MindSphere für Trendanalysen gespeichert.

Deployment Speed & Scaling

Template-Based Rollout: Eine einzelne VIC-Konfigurationsdatei kann in jedes Werk kopiert werden, wodurch der Engineering-Aufwand von 200 h auf <20 h sinkt.
Edge-Orchestrator: Handhabt Remote-Software-Updates, Gesundheits-Monitoring und Lastverteilung über eine globale Flotte von >150 Edge-Knoten.

Continuous Improvement Loop

Data Capture: Jede inspizierte Einheit erzeugt ein 128-Byte-Metadaten-Paket (Zeitstempel, Defekttyp, Vertrauenswert).
Trend Mining: MindSphere-Dashboards kennzeichnen wiederkehrende Defektmuster und ermöglichen Root-Cause-Analysen innerhalb von 48 h.
Model Retraining: P&G’s Data-Science-Team speist neue Defektbilder in die Trainingspipeline zurück und erzielt ≤5 % Model-Drift pro Quartal.

Bottom Line

The Siemens-P&G Visual Inspection Cockpit demonstrates how industrial AI can replace legacy vision systems with a solution that is faster to deploy, more adaptable, and substantially more effective at reducing waste. By processing high-resolution images on edge hardware powered by Nvidia GPUs, VIC delivers real-time defect detection at full line speed while feeding rich quality data back into P&G’s continuous improvement programs. The result is a measurable 10-20 % scrap reduction and a 5-10× acceleration in rollout time—advantages that translate directly into lower costs, higher product consistency, and