Innerhalb industrieller Produktionsketten herrschen unterschiedliche Qualitätsanforderungen. Durch verschiedene Einflüsse bei der Produktion kommt es zur Herstellung von Produkten, die diesen Ansprüchen nicht gerecht werden und deswegen eine nachträgliche Aussortierung benötigen.

Herkömmliche optische Qualitäts­sicherung

Herkömmlicherweise geschieht das durch eine visuelle Qualitätskontrolle, die von geschulten Mitarbeitern durchgeführt wird. Das Gehirn des Menschen ist in der Lage, sein umfassendes und vollständiges Verständnis der Qualitätsansprüche auf das Produkt zu übertragen und bei entsprechender Abweichung intuitiv korrekt zwischen „fehlerfrei“ und Ausschuss zu entscheiden.

Heutzutage ist es aus Kostengründen jedoch nahezu unmöglich, innerhalb einer Serienproduktion jedes produzierte Teil einzeln durch einen Mitarbeiter der Qualitätssicherung überprüfen zu lassen. Abhängig von seiner Tagesform schwanken die Ergebnisse der Qualitätsprüfung und somit auch die Qualität innerhalb der Produktionskette. Zudem lässt die klassische optische Qualitätssicherung durch einen Menschen nicht zu, dass jeder Teilschritt einer Produktion zuverlässig kontrolliert werden kann.

Automatisierte visuelle Inspektion mit Computer Vision

Darüber hinaus werden im Zuge der Globalisierung vor allem der zunehmende Kostendruck sowie die Erhaltung der Wettbewerbsfähigkeit als maßgebende Faktoren für das fortschreitende Ersetzen von geschultem Personal durch automatisierte Qualitätskontrollen genannt. Vor allem das maschinelle Sehen auf Grundlage von regelbasierten Computer Vision Systemen hat sich dabei als äußerst effektiv erwiesen.

Immer leistungsfähigere Kamerasysteme zur Identifikation von Produktionsfehlern haben dazu geführt, dass die menschlichen Fähigkeiten in Sachen Messgenauigkeit und Geschwindigkeit deutlich überboten werden können. Diese Effizienzsteigerung hilft Firmen zahlreicher Industrien im globalen Wettbewerb Schritt zu halten und die gesteigerten Qualitätsansprüche der Kunden zu bedienen.

Existierende Schwell- und Grenzwerte in der Industrie, wie beispielsweise Normen, führen zudem dazu, dass automatisierte Qualitätssicherungssysteme besser geeignet sind als eine menschliche optische Produktionskontrolle. Außerdem sind Entscheidungen von Kamerasystemen und Sensoren zur industriellen Bilderkennung innerhalb der Produktionskette nachverfolgbar.

Gussfehlererkennung
Gussfehlererkennung durch AI.SEE™

Einschrän­kungen der industriellen Bild­verarbeitung mit Computer Vision

Als größte Herausforderung gilt jedoch die Einbindung dieser Automatisierungstechnik. Beleuchtung, Arbeitsstand, Kameraperspektive, Objekthintergrund usw. müssen dabei genauso homogen sein, wie die zu prüfenden Objekte und ihre Oberflächen. Um diese notwendige Homogenität zu gewährleisten, werden die Kamerasysteme häufig mit entsprechenden Kammern ausgestattet, was zu Kostspieligkeit und Verlust von nutzbarer Produktionsfläche führt. Weiterhin benötigt jedes Produkt einen einzig für die Qualitätssicherung zugeschnittenen, meist komplexen Entscheidungsbaum. Das macht diese Expertensysteme nur bei sehr speziellen Anforderungen zu leistungsfähigen Lösungen. Man spricht hierbei von einer „Inselbegabung“.

Diese führt zu potenziell problematischen Einschränkungen in der automatisierten Qualitätskontrolle.

So könnte beispielsweise eine bestimmte Bedingung zur Mustererkennung in ein regelbasiertes Computer Vision System eingepflegt werden. Dadurch gewährleistet es die Qualitätssicherung unter den bestehenden Voraussetzungen. Verändern sich nun allerdings die Gegebenheiten, wie Lichtverhältnisse, Reflexion und Schatten, kann das System nicht mehr verlässlich urteilen. So können Produktionsfehler unbemerkt bleiben und Produktionskosten in die Höhe schnellen. Eine zuverlässige Beurteilung der Produktqualität kann so nur durch einen geschulten Mitarbeiter erfolgen. Dieser verfügt über ein breites Spektrum an Vorwissen über die natürlichen Rahmenbedingungen, was ihn zur Qualitätssicherung in der Produktion qualifiziert.

Im Zuge der angestrebten Effizienzsteigerung und Kostenreduktion durch automatische Bildverarbeitung muss das Qualitätssicherungssystem deshalb mit vergleichbaren Fähigkeiten ausgestattet werden.

Visuelle industrielle Bild­verarbeitung 2.0

Eine KI-basierte industrielle Bildverarbeitung kann dies gewährleisten.

Das Prinzip des maschinellen Lernens anhand von Beispielen, Automatisierungen und hierarchischer Merkmalsextraktion, zusammengefasst als Deep Learning bezeichnet, bildet hierbei die Grundlage.

Inspiriert vom Lernen des menschlichen Gehirns können Systeme zur automatischen Bildauswertung durch Deep Learning Algorithmen zusätzliche und sich verändernde Fehlerbilder erlernen und diese erkennen. Hierfür werden, anhand vieler auf die jeweilige Qualitätskontrolle und ihre individuellen Spezifikationen zugeschnittenen Beispielbilder, komplexe künstliche neuronale Netze trainiert, um den jeweiligen Produktionsstandards gerecht zu werden.

Speziell auf die jeweilige Industrie „vortrainierte“ neuronale Netze senken hierbei die nötige Menge an Beispielbildern erheblich und erleichtern den Einstieg in eine automatisierte Qualitätssicherung. Die Identifikation von Produktionsfehlern durch automatisierte industrielle Bildverarbeitungssysteme erreicht so während der Implikation ein Level der menschlichen Genauigkeit und Zuverlässigkeit bei gleichzeitigem Erhalt industrieller Geschwindigkeitsstandards.

So können eingesetzte Kamerasysteme und Sensoren kosteneffizient in die Produktionskette eingebunden werden und ermöglichen platzsparende und effiziente Qualitätskontrollen mittels industrieller Bilderkennung und automatisierter Bildverarbeitung.

Die Kombination der automatisierten Bilderkennung und des Deep Learnings nutzt elunic schon sehr erfolgreich in vielen Anwendungen. AI.SEE™ vereint die intuitiven Konzepte des menschlichen Verständnisses mit den Vorteilen der Automatisierungstechnik der fortgeschrittenen Industrie.

Showcases.

Mehr Machine Learning Dienstleistungen von elunic

Consulting

Beratung

Beratung zu Geschäftsfeldern, Vorgehen und technischen Herausforderungen.

Entwicklung

Architektur, Programmierung und Wartung passgenauer Softwarelösungen.

Integration

Integration der wichtigsten Plattformen und On-Premises Lösungen.

Jetzt anfragen.

Sie haben eine Projektanfrage? Zögern Sie nicht, Kontakt mit uns aufzunehmen – wir antworten Ihnen gerne und umgehend.

Sie sind:* MaschinenbauerMaschinenbetreiberAnderes
 

*Mit der Nutzung dieses Formulars erklären Sie sich mit der Speicherung und Verarbeitung Ihrer Daten durch diese Website einverstanden.

 

Munich Map

elunic AG

Erika-Mann-Str. 23

80636 München

Deutschland

089 / 4161737 - 30

info@elunic.com

Diese Webseite verwendet Cookies

Wir verwenden Cookies, um Inhalte und Anzeigen zu personalisieren, Funktionen für soziale Medien anbieten zu können und Zugriffe auf unsere Website zu analysieren.

Cookie-Einstellungen

Wir verwenden Cookies, um Inhalte und Anzeigen zu personalisieren, Funktionen für soziale Medien anbieten zu können und die Zugriffe auf unsere Website zu analysieren.

FunctionalOur website uses functional cookies. These cookies are necessary to let our website work.

AnalyticalOur website uses analytical cookies to make it possible to analyze our website and optimize for the purpose of a.o. the usability.

Social mediaOur website places social media cookies to show you 3rd party content like YouTube and FaceBook. These cookies may track your personal data.

AdvertisingOur website places advertising cookies to show you 3rd party advertisements based on your interests. These cookies may track your personal data.

OtherOur website places 3rd party cookies from other 3rd party services which aren't Analytical, Social media or Advertising.