Neue Herausforderungen durch Produktdiversität
Nachhaltigkeit ist ein wichtiger Wirtschaftsfaktor in der heutigen Zeit. Entscheidend für eine verbesserte Nachhaltigkeit ist eine funktionierende Kreislaufwirtschaft. Ein wichtiger Bestandteil ist dabei die Rücknahme von Gebrauchtteilen um sie entweder ordnungsgemäß zu recyceln, sie wieder als Ganzes aufzubereiten oder zu demontieren und Teile wieder in den Produktkreislauf als bspw. Ersatzteil zurückzuführen. Dabei ist die heutige Produktdiversität so hoch, dass es für einzelne Menschen, vor allem an öffentlichen Annahmestellen (bspw. Wertstoffhof) kaum noch möglich ist alle Objekte zu kennen und im Augenblick der Annahme zu erkennen. Doch ohne zu wissen um was es sich handelt, ist eine Bewertung nicht möglich und eine Demontage aufwendig. Manuelle Suchen sind zeitaufwendig und werden daher oft nicht durchgeführt und das führt dazu, dass viele Objekte fälschlicherweise entsorgt oder nicht richtig gehandhabt werden. Durch Logic.Ident kann die Identifikation der Gebrauchtteile unterstützt werden und somit die Kreislaufwirtschaft gesteigert werden, sowie die Wertschöpfung von Annahmestellen erhöht werden.
Die Prozesse bei der Rücknahme von gebrauchteilen unterschiedet sich zwischen Annahmestellen für alltägliche Geräte (bspw. Elektroaltgeräte) und der Rücknahme von selbst hergestellten Teilen oder branchenspezifischen Teilen (bspw. Automotive). Bei Annahmestellen ist nicht ansatzweise eine definierte Taktung der Anlieferung und auch kein Wissen um was es sich im handelt. Bei der koordinierten Rücknahme sind meist Lieferzeitpunkt und weitere Information (Lieferant, Typ) bekannt. Bei beiden Fällen erfolgt zu einem Zeitpunkt eine Annahme des oder der Objekte durch einen Mitarbeiter. Dieser legt das Objekt auf den Erfassungsplatz des Logic.Ident Systems und macht Aufnahmen des Objektes. Bei großen oder schweren Objekten ist auch ein mobiles Erfassungssystem denkbar. Auch können weitere Information wie bspw. Gewicht erfasst werden. Mithilfe einer Bedienoberfläche werden die Aufnahmen und weiteren Metadaten an die verarbeitende Einheit (Cloud-/Edge Server oder lokaler PC) gesendet. Dort wird das Bild mithilfe spezialisierter, datengetriebener Algorithmen aus dem Maschinellem Lernen verarbeitet. Der Algorithmus generiert basiert auf der Bildanalyse eine nach Wahrscheinlichkeit sortierte Vorschlagsliste um welches Objekt es sich auf den Bildern befindet. Diese Liste wird, zusammen mit aussagekräftigen Beispielbildern dem Mitarbeiter auf der Bedienoberfläche angezeigt. Diese kann nun auswählen welches Objekt das richtige ist. Sollte der Detailgrad der Identifikation nicht ausreichen, da bspw. das Objekt noch recht neu in der Datenbank ist. Kann in einem zweiten Schritt bspw. eine Typenschild Analyse mittels Methoden der Optische Zeichenerkennung (OCR) erfolgen um weitere Information zu dem Objekt zu erhalten.
Durch die nun vorhandene Objektbeschreibung weiß der Mitarbeiter um was er vor sich hat. Zudem können auch weitere Dienste ausgelöst werden, die auf der nun bekannten ID beruhen. So kann eine Abfrage von Bewertungen für dieses Objekt aus verknüpften Datenbanken erfolgen um weitere Handlungsempfehlungen (recyceln, demontieren oder verkaufen) abzuleiten. Zudem können Demontageanleitung abgerufen werden oder Schadstoffinformationen. Auch denkbar ist eine nachgelagerte, bzw. integrierte Befundung durch Logic.Inspect. So kann der vorliegende Zustand mit in die Bewertung einfließen. Zudem werden die erfassten Bilder samt ihrer Information (Annotation, Bewertung usw.) auf dem System hinterlegt. Somit wächst durch die Verwendung stetig der Datensatz und das System kann seine Wiedererkennungsleistung durch kontinuierliches Lernen verbessern.Nachhaltigkeit ist ein wichtiger Wirtschaftsfaktor in der heutigen Zeit. Entscheidend für eine verbesserte Nachhaltigkeit ist eine funktionierende Kreislaufwirtschaft. Ein wichtiger Bestandteil ist dabei die Rücknahme von Gebrauchtteilen um sie entweder ordnungsgemäß zu recyceln, sie wieder als Ganzes aufzubereiten oder zu demontieren und Teile wieder in den Produktkreislauf als bspw. Ersatzteil zurückzuführen. Dabei ist die heutige Produktdiversität so hoch, dass es für einzelne Menschen, vor allem an öffentlichen Annahmestellen (bspw. Wertstoffhof) kaum noch möglich ist alle Objekte zu kennen und im Augenblick der Annahme zu erkennen. Doch ohne zu wissen um was es sich handelt, ist eine Bewertung nicht möglich und eine Demontage aufwendig. Manuelle Suchen sind zeitaufwendig und werden daher oft nicht durchgeführt und das führt dazu, dass viele Objekte fälschlicherweise entsorgt oder nicht richtig gehandhabt werden. Durch Logic.Ident kann die Identifikation der Gebrauchtteile unterstützt werden und somit die Kreislaufwirtschaft gesteigert werden, sowie die Wertschöpfung von Annahmestellen erhöht werden.
Die Prozesse bei der Rücknahme von gebrauchteilen unterschiedet sich zwischen Annahmestellen für alltägliche Geräte (bspw. Elektroaltgeräte) und der Rücknahme von selbst hergestellten Teilen oder branchenspezifischen Teilen (bspw. Automotive). Bei Annahmestellen ist nicht ansatzweise eine definierte Taktung der Anlieferung und auch kein Wissen um was es sich im handelt. Bei der koordinierten Rücknahme sind meist Lieferzeitpunkt und weitere Information (Lieferant, Typ) bekannt. Bei beiden Fällen erfolgt zu einem Zeitpunkt eine Annahme des oder der Objekte durch einen Mitarbeiter. Dieser legt das Objekt auf den Erfassungsplatz des Logic.Ident Systems und macht Aufnahmen des Objektes. Bei großen oder schweren Objekten ist auch ein mobiles Erfassungssystem denkbar. Auch können weitere Information wie bspw. Gewicht erfasst werden. Mithilfe einer Bedienoberfläche werden die Aufnahmen und weiteren Metadaten an die verarbeitende Einheit (Cloud-/Edge Server oder lokaler PC) gesendet. Dort wird das Bild mithilfe spezialisierter, datengetriebener Algorithmen aus dem Maschinellem Lernen verarbeitet. Der Algorithmus generiert basiert auf der Bildanalyse eine nach Wahrscheinlichkeit sortierte Vorschlagsliste um welches Objekt es sich auf den Bildern befindet. Diese Liste wird, zusammen mit aussagekräftigen Beispielbildern dem Mitarbeiter auf der Bedienoberfläche angezeigt. Diese kann nun auswählen welches Objekt das richtige ist. Sollte der Detailgrad der Identifikation nicht ausreichen, da bspw. das Objekt noch recht neu in der Datenbank ist. Kann in einem zweiten Schritt bspw. eine Typenschild Analyse mittels Methoden der Optische Zeichenerkennung (OCR) erfolgen um weitere Information zu dem Objekt zu erhalten.
Durch die nun vorhandene Objektbeschreibung weiß der Mitarbeiter um was er vor sich hat. Zudem können auch weitere Dienste ausgelöst werden, die auf der nun bekannten ID beruhen. So kann eine Abfrage von Bewertungen für dieses Objekt aus verknüpften Datenbanken erfolgen um weitere Handlungsempfehlungen (recyceln, demontieren oder verkaufen) abzuleiten. Zudem können Demontageanleitung abgerufen werden oder Schadstoffinformationen. Auch denkbar ist eine nachgelagerte, bzw. integrierte Befundung durch Logic.Inspect. So kann der vorliegende Zustand mit in die Bewertung einfließen. Zudem werden die erfassten Bilder samt ihrer Information (Annotation, Bewertung usw.) auf dem System hinterlegt. Somit wächst durch die Verwendung stetig der Datensatz und das System kann seine Wiedererkennungsleistung durch kontinuierliches Lernen verbessern.