WATTx Company builder

WATTx Company builder

Beschreibung
Es ist derzeit keine Kurzbeschreibung verfügbar. Bitte besuchen Sie die Homepage.

Innovationsbereiche

  • Wohnen
  • Mobilität
  • Arbeiten und Industrie

Serviceangebote

  • Nutzerstudien  
  • Geschäftsmodellentwicklung  
  • Stakeholder Networking  
  • Co-Design  
  • Co-Prototyping  
  • User testing und Evaluation  
  • Nachhaltigkeitsassessment  

Zur Homepage: https://wattx.io

Ansprechpartner: Tristan Rouillard

Tempelhofer Ufer 1
D-10963 Berlin

Referenzprojekt

Deevio

Deevio

Beschreibung
Deevio transformiert die industrielle Qualitätskontrolle, indem wir uns auf die Anwendungsfälle fokussieren, die noch von Arbeitern manuell ausgeführt werden und sie in Ihrer Tätigkeit unterstützen.
Die Qualitätskontrolle in industriellen Unternehmen wird auch heute immer noch oft manuell erledigt. Diese Arbeit ist allerdings anstrengend, fehleranfällig und die Arbeiter müssen jede halbe Stunde eine Pause machen, um sich auszuruhen. Deevios Ziel ist es, um die Arbeiter bei der visuellen Inspektion zu unterstützen und die repetitiven Aufgaben zu automatisieren.
Dieses Ziel setzen wir mit unserer AI Box um, einer Computerbasierten Box mit individuellen Deep Learning Modellen für die Bildklassifizierung in der industriellen Qualitätskontrolle und mit vorinstallierter, individualisierter Software für Ihren Produktionsprozess. Die AI Box kann dann mit einer industriellen Kamera verbunden und benutzt werden.
Wir bringen Ihnen bei die Bilder selbst aufzunehmen und die Deep Learning modelle selbstständig zu trainieren, damit Sie bei neuen Spezifikationen Ihrer Produkte schnell und flexibel reagieren können. Sie benötigen nur ca. 150 Bilder pro zu klassifizierender Kategorie (z.B. gut vs. schlecht) und schon können Sie loslegen. Dieser Prozess ist beliebig oft wiederholbar.

Involvierte Stakeholder und Nutzerrolle
In der ersten Phase haben wir verschiedene Stakeholder aus der Machine Vision Industrie herangezogen und befragt, um die Probleme der Branche sowie die Potentiale für unsere Lösung besser zu verstehen. Bei den Stakeholdern handelte es sich um Manager und Ingenieure von Systemintegratoren, und Machine Vision Kamerahersteller genauso wie -Distributoren. Nachdem wir ein klares Problem definiert hatten, weiteten wir unsere Recherche aus und fokussierten uns auf die eigentlichen Nutzer der Lösung: die Arbeiter, die die visuelle Inspektion manuell durchführen (Endnutzer), sowie die entsprechenden Linien- und Fabrikleiter, die an der (Fehler)Auswertung der Ergebnisse interessiert sind (Nutzer der Datenanalyse-Features). Durch diesen kontinuierlichen, benutzerzentrierten Prozess stellen wir sicher, dass wir unser Produkt so nutzerfreundlich wie möglich gestalten.

Angewandte Methodik
Für die erste Phase haben wir ein Proof of Concept der Bilderkennung mit Hilfe von Deep Learning durchgeführt, um das Potential der Technologie abzuschätzen. Danach haben wir die Stakeholder identifiziert und qualitative Interviews mit den involvierten Experten durchgeführt. Im Zuge der Interviews haben wir Problematiken sowie einhergehende Lösungsmöglichkeiten erkannt und später das zugrundeliegende Problem definiert ein Prozess, der jedem unserer Projekte zugrunde liegt. Der Fokus der zweiten Recherchephase lag in der Validierung unser Idee mit weiteren Beteiligten, genauso wie fokussierter Nutzerforschung im Hinblick auf Anforderungen an digitale Instrumente in Fabriken allgemein und schlussendlich bezüglich der Funktionalitäten unserer Produktidee.

Homepage: www.deevio.ai

Laufzeit: 01.02.2018 - ongoing; about to incorporate it as new company