Anwendungen zur optischen Oberflächen­prüfung in der Produktion

In Zeiten in denen Produktqualität zunehmend wichtiger wird, werden von Produzenten einwandfreie Waren erwartet. Verfahren für ein lückenloses Qualitätsmanagement sind deshalb in jeder Industrie essentiell. Automatisierte Prüfsysteme bieten dabei die Möglichkeit, Verfahren der Qualitätsprüfung effizienter zu gestalten. Besonders Oberflächen, wie beispielsweise von Metall- und Kunststoffbauteilen, müssen sowohl ästhetisch als auch funktionell einwandfrei sein. Nur wenn Bauteile fehlerlos produziert werden, kann das Fertigungserzeugnis als qualitativ hochwertig eingestuft werden.

Auch kleinste Fehler, wie Kratzer, Poren, Dellen, Lunker oder Schlagstellen, in der Oberfläche können deshalb zu teuren Reklamationen, Sicherheitsmängeln, Funktionseinbußen und sogar Funktionsausfällen führen. Werden diese erst im späteren Verlauf des Fertigungsprozesses erkannt, können sie hohe Kosten verursachen. Komplexe geometrische oder sicherheits- bzw. funktionskritische Bauteile müssen zudem zuverlässig mit konstant hoher Qualität hergestellt werden, um gewährleisten zu können, dass die Unternehmensreputation keinen Schaden nimmt.

AISEE Oberflächenprüfung

Herkömmliche Verfahren zur optischen Oberflächen­inspektion

Für einen optimierten Produktionsfluss stellen Zuverlässigkeit, Konstanz und Objektivität maßgebliche Faktoren dar, die neben Fehleranfälligkeit, Kosten und Geschwindigkeit die Qualität der Produktion beeinflussen. Einige Produktionsstätten setzen in diesem Qualitätssicherungsschritt weiterhin auf den Einsatz geschulter Mitarbeiter. Die menschliche visuelle Qualitätssicherung ist jedoch fehleranfällig, teuer und oft zu langsam für den Produktionsfluss. Zudem sind Schwankungen in Konzentration und persönlicher Verfassung erhebliche Störfaktoren und sorgen für vermeidbare Qualitätseinbußen bis hin zu Sicherheits– und funktionalen Mängeln der Erzeugnisse.

Auf der anderen Seite stehen regelbasierte Computer Vision Systeme, die wegen der Vielzahl der Oberflächenstrukturen und der Vielfalt der Fehlermuster nicht effizient skalieren können.

Des weiteren stellen sehr geringe Taktzeiten auch für automatisierte optische Systeme zur Oberflächenprüfung eine Herausforderung dar. Eine geeignete Auswertungssoftware ist hier entscheidend, um effizient verwertbare Ergebnisse zu erhalten.

Machine Learning zur automatisierten Prüfung von Oberflächen

Die Anwendung automatisierter Oberflächenprüfung steigert Effizienz und Konstanz in der Industrie erheblich. Durch große vorhandene und weiter ansteigende Datenmengen besteht die Möglichkeit, präzise Defekte mittels Bildverarbeitung zu erfassen. Die Vorteile der automatisierten Oberflächeninspektion liegen in der Verwendung von Machine Learning Algorithmen zur Optimierung der Geschwindigkeit und Genauigkeit. So qualifiziert sich diese Sichtprüfung als In-line Lösung für funktions– und sicherheitskritische Produktionsketten von Bauteilen bis hin zum industriellen Fertigerzeugnis.

Prozess

Die Steigerung der Unternehmensreputation durch eine Qualitätssteigerung der Materialprüfung ist durch eine Anbindung an bestehende Strukturen ohne eine große Neuanlage der Produktionskette möglich. Defekte an der Oberfläche von verschiedenen Materialien wie Metallen, Kunststoffen oder Karbon können auf diese Weise zuverlässig erkannt werden. Zudem kann die Prüfung In-Line innerhalb der Produktionskette stattfinden und beschleunigt so Prüfzeiten bei gleichzeitiger Steigerung der Qualität. Weiterhin kann so eine protokollierte Kontrolle jedes Bauteils gewährleistet werden, um Sicherheitslücken zu vermeiden und sowohl Ausschuss zu reduzieren als auch Ausfallzeiten zu verringern. Anomalien innerhalb der Produktionskette können durch die Echtzeitüberwachung frühzeitig erkannt werden und ersparen so mögliche Fehlproduktionen.

Werkstoffunabhängige Oberflächenprüfung dank KI

Aus diesem Grund stellt eine automatisierte Oberflächenprüfung den Schlüssel zu Funktionalität und Ästhetik dar – völlig unabhängig von den zu prüfenden Werkstoffen. Dennoch stellen unterschiedliche Werkstoffe in der Qualitätskontrolle vor verschiedene Herausforderungen. So unterscheidet sich die automatische Oberflächenprüfung von Holzoberflächen beispielsweise wesentlich von einer automatisierten Qualitätsprüfung von Karbonbauteilen. Trotz differenzierter Anforderungen eignet sich die automatisierte Oberflächenprüfung dank der eingesetzten KI werkstoffunabhängig. Ob Dünnschliff bei einem Kunststoffbauteil, Riss der Karbonfasern, Unebenheiten auf einer Holzoberfläche oder Lunker in einem Metallwerkstück – die Algorithmen der eingesetzten künstlichen Intelligenz ermöglichen es, jeden beliebigen Werkstoff auf die Qualität seiner Oberfläche zu prüfen. So erweist sich die automatisierte Oberflächenprüfung als optimale Lösung für jeden beliebigen Werkstoff in der Produktion.

AI.SEE Logo

Mit AI.SEE™ selbstlernende Systeme zur automatisierten Oberflächen­prüfung nutzen

AI.SEE™ stellt eine Lösung dar, die aktuelle Systeme auf Grundlage von traditionellen, regelbasierten Computer Vision Methoden weit übertrifft. Es ermöglicht eine genaue, schnelle und kosteneffektive Qualitätssicherung für metallische und auf diversen anderen Materialien basierende Oberflächen unter Verwendung von Computer Vision in Kombination mit Machine Learning Algorithmen.

Die angewandten, adaptiv lernfähigen Machine Learning Modelle konnten ihre durchschnittliche Präzision im Verlauf des Projekts um bis zu 250% gegenüber dem herkömmlichen Computer Vision Algorithmus verbessern, was die Effektivität des AI.SEE™-Systems für die optische Qualitätssicherung von metallischen Komponenten weit steigerte.

Darüber hinaus werden die erkannten Schäden und Mängel zur Weiterverarbeitung an die zuständige Abteilung weitergeleitet, um Transparenz im Entscheidungsprozess des Systems zu ermöglichen.

Plug’n’Play

Einfache Integration durch standardisiertes Kamera- und Beleuchtungssystem

Intelligent

Selbstlernende Fehlererkennung durch neuronale Netze

Produktion 4.0

Zentrale Datenvernetzung und Überwachung der gesamten Produktionsqualität

Referenzen

Mehr zum Showcase erfahren.

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.