image

Gussfehler erkennen –
automatisiert mit KI-Bildverarbeitung

Lunker, Poren und Risse auf Gussteilen zuverlässig identifizieren. Ohne Schulungsaufwand. Ab Tag 1 produktionsbereit.

Bei der Verarbeitung von Gussstücken treten beim Einformen, Gießen und Erstarren des Werkstoffes verschiedene Produktionsfehler auf. Diese werden allgemein als Gussfehler bezeichnet. Werden diese nicht erkannt, entstehen Schwachstellen im Bauteil, die Qualitätseinbußen oder Sicherheitsmängel im fertigen Produkt verursachen. In den meisten Fällen erfordern diese Produktionsfehler umfangreiche Nachbesserungen. Zudem verursachen Gussfehler Ausschuss. Eine automatisierte Oberflächenprüfung mit KI vermeidet die dadurch entstehenden Kosten.

Warum manuelle Sichtprüfung bei Gussfehlern versagt

Hoher manueller Aufwand in der Qualitätskontrolle

Schwankende Erkennungsqualität je nach Schicht

Steigende Reklamationskosten durch übersehene Defekte

Dokumentationslücken bei Audits und Zertifizierungen

AI.SEE™ erkennt Gussfehler ab 0,01 mm – zuverlässig und inline

90%

weniger Prüfzeit
validiert in über 300 Projekten

99%

Erkennungsrate
für alle Fehlerklassen

<1%

Pseudofehler
Keine Stopps durch Fehlalarme

Trusted By Industry Leaders

Welche Gussfehler erkennt AI.SEE™?

Fehlerart

Beschreibung

Erkennung

Lunker

Hohlräume durch Erstarrungsschwindung

ab 0.01 mm

Poren/Gasblasen

Einschlüsse durch Luft oder Wasserdampf

variabel

Risse

Mikrorisse durch Spannungen

ab 0.05mm

Kaltläufe

Oberflächenfehler durch zu niedrige Gießtemperatur

sichtbar

Einschlüsse

Fremdkörper im Material

ab 0.1 mm

Warum AI.SEE™ statt regelbasierter Bildverarbeitung?

Klassische Systeme zur Gussfehlererkennung arbeiten regelbasiert: Ein Ingenieur definiert vorab, wie ein Lunker, eine Pore oder ein Riss aussieht. Das funktioniert, solange Fehlerbilder klar abgrenzbar sind und Oberflächen wenig variieren.

In der Realität sieht das anders aus. Gussoberflächen reflektieren unterschiedlich, Fehler treten in variierenden Formen auf, und akzeptable Toleranzen verschieben sich je nach Bauteil. Besonders Mikrorisse im Metallguss sind mit regelbasierten Methoden kaum zuverlässig zu detektieren – sie sind zu fein, zu variabel in ihrer Ausprägung und oft nur unter bestimmten Lichtwinkeln sichtbar.

AI.SEE™ hingegen basiert auf Deep-Learning. Das System lernt aus tausenden Fehlerbildern, welche Muster tatsächlich kritisch sind – von großflächigen Lunkern bis zu haarfeinen Mikrorissen. Neue Fehlerklassen werden nicht programmiert, sondern trainiert – direkt durch Ihre QS-Mitarbeiter, ohne KI-Expertise. Komplexe Oberflächenstrukturen, wechselnde Lichtverhältnisse, subtile Defekte: Genau hier spielt AI.SEE™ seine Stärke aus.

Der Unterschied in der Praxis: Während regelbasierte Systeme bei variantenreichen Gussteilen oft wochenlang nachjustiert werden müssen, liefert AI.SEE™ nach dem initialen Training stabile Erkennungsraten – auch wenn sich Produktionsparameter ändern.

In 3 Schritten zur automatisierten Gussfehlererkennung

Eo_circle_blue_number-1.svg

Machbarkeitscheck

Datenanalyse und erste Erkennbarkeit. Unverbindlich.

1 Woche

images

Pilotbetrieb

Prüfstation für Live-Betrieb, erste Fehlerklassen, Mitarbeiterschulung.

3 Monate

Eo_circle_blue_white_number-3.svg

Skalierung

Alle Varianten, generalisiertes KI-Modell, standortübergreifend.

Kontinuierlich

Besonders fatal sind die Einschlüsse von Gasen, wenn sie im Innern des Gussteiles entstehen und erst nach Abfräsen oder Abdrehen der Oberfläche oder gar erst als Mangel beim Endkunden zu Tage treten.

Da eine gänzliche Vermeidung von Gussfehlern in den meisten Gussteilen jedoch nicht möglich ist, müssen Wege gefunden werden, eine zuverlässige Kontrolle in den Produktionsprozess zu integrieren.

Viele Produktionsstätten setzen bei diesem Schritt der Qualitätssicherung noch immer auf geschulte Mitarbeiter. Obwohl diese in der Regel hochqualifiziert sind und umfangreich ausgebildet werden, ist die visuelle Qualitätssicherung durch den Menschen fehleranfällig, teuer und oft zu langsam, um den Produktionsfluss optimal und effizient zu gewährleisten. Zudem führen Schwankungen in der Konzentration und der persönlichen Verfassung der Mitarbeiter dazu, dass sich nur schwer zuverlässige, konstante und objektive Ergebnisse erzielen lassen.

Eine automatische Gussfehlererkennung bringt deshalb deutliche Effizienzgewinne und führt zu einer messbaren Qualitätssteigerung in der Produktion.
Um Schwankungen in der Qualität des Endproduktes zu vermeiden, muss jedes produzierte Gussteil in der Produktionskette analysiert und kritische Gussfehler hierbei äußerst zuverlässig und schnell erkannt werden. Zudem sind eine deutliche Kennzeichnung und eine umfangreiche Dokumentation dieser Fehler unumgänglich. Als Grundlage für Maßnahmen dienen die Dokumentationen der Anwendung, um bestehende Lunker oder Blasen zu speisen und der Entstehung neuer Gussfehler vorzubeugen. Damit eine vollautomatisierte Lösung auf Softwarebasis jedoch eine Verbesserung des bestehenden Produktionsprozesses darstellt, sollte die Anwendung in das vorhandene System implementierbar sein. AI.SEE™ entwickelt deshalb individuelle Lösungen, die eine Erkennung von Gussfehlern kosteneffizient und frei von Schwankungen als automatisierten Schritt in die Produktion einbindet. Auf diese Weise soll ein hoher Zeitaufwand in der Mitarbeiterschulung vermieden und Schwankungen der menschlichen Kondition reduziert werden.

AI.SEE™ – die effiziente Lösung zur Gussfehlererkennung

Mit der automatisierten Qualitätskontrolle AI.SEE™ bietet elunic eine speziell auf die jeweilige Produktion programmierte Anwendung, die jedes Teil vollautomatisiert analysieren und auf alle Arten von nach außen tretenden Gussfehlern prüfen kann. Mit ihrer einfachen und äußerst intuitiven Handhabung für jeden Qualitätssicherungsmitarbeiter stellt AI.SEE™ die optimale Lösung zur visuellen Qualitätsprüfung aller Metall- oder sonstiger Gussbauteile dar, die Fehler zuverlässig erkennt und dokumentiert. Eine umfangreiche Fütterung mit unmissverständlichen Trainingsdaten ermöglicht es, anhand verschiedener Fehlerbilder und Ausschusskriterien ein adaptiv lernfähiges Modell zu erschaffen, das sich ständig weiterentwickelt und so in der Lage ist, auch sehr kleine oder sich ändernde Gussfehler zuverlässig zu erkennen. Neue Fehlerbilder in der laufenden Produktion oder auch ganze Produktreihen können dabei in wenigen Schritten in das System integriert werden. Eine einfache und intuitive Bedienbarkeit der Anwendung stellt sicher, dass jeder Mitarbeiter in der Qualitätssicherung die Anwendung mit Trainingsdaten füttern kann. Das offene System eröffnet zudem Möglichkeiten für weitere Abteilungen des Unternehmens. Auch diese sind so in der Lage, Modelle oder Pipelines zu entwickeln und in das System zu integrieren.
Eine umfangreiche Datensammlung und –analyse der cloudbasierten Software ermöglicht eine umfassende Rückverfolgung fehleranfälliger Bauteile und deren Überarbeitung. Neben den Maßnahmen zur Optimierung zukünftiger Produktionschargen kann die Implementierung einer Echtzeit-Überwachung außerdem zahlreiche Möglichkeiten bieten, Ausschusszahlen durch Gussfehler in der laufenden Charge zu verringern.

Interesse geweckt? Dann informieren Sie sich jetzt über die zahlreichen Möglichkeiten zur optimalen Erkennung von Gussfehlern durch AI.SEE!

Häufig gestellte Fragen

  • AI.SEE™ nutzt Deep-Learning-Algorithmen, die anhand tausender Fehlerbilder trainiert werden. Das System analysiert jedes Bauteil in Echtzeit und erkennt Lunker, Poren und Risse zuverlässig – auch bei variierenden Oberflächen und Lichtverhältnissen.

  • AI.SEE™ lässt sich als Retrofit in bestehende Kamerasysteme integrieren oder als Standalone-Lösung mit individuell gewählter Hardware einsetzen. Wir unterstützen gängige Industriekameras und arbeiten auch mit vorhandenen Mikroskopsystemen.

  • Die Pilotphase dauert typischerweise 3-4 Monate. Erste Erkennungsraten liegen bereits nach 2-3 Wochen vor. Danach erfolgt die schrittweise Skalierung auf weitere Fehlerklassen und Bauteile.

  • Der Machbarkeitscheck ist kostenlos und unverbindlich. Die Kosten für eine Prüfstation hängen von der Art der Integration (Inline, Stand Alone oder Retrofit) sowie der Bauteil- und Fehlervarianz ab. Der ROI wird typischerweise innerhalb von 12-18 Monaten erreicht. Details zu den Kostenfaktoren finden Sie in diesem Artikel zur Kosten-Nutzen-Analyse von KI-Systemen.

Entdecken Sie weitere Use Cases

Gussfehler erkennen - mit der kostenlosen Erstanalyse.

Munich Map

elunic AG

Erika-Mann-Str. 23

80636 München

Deutschland

Jetzt anmelden

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

    Demo anfordern

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

      Demo anfordern

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

        📩 Bleiben Sie informiert – KI-Insights direkt in Ihr Postfach!

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

          Demo anfordern

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

            Jetzt für Demo registrieren

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

              Jetzt für Demo registrieren

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

                Jetzt für Demo registrieren

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

                  shopfloor.io Logo

                  Jetzt für Demo registrieren

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

                    shopfloor.io Logo

                    Jetzt für Demo registrieren

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

                      shopfloor.io Logo

                      Jetzt für Demo registrieren

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

                        shopfloor.io Logo

                        Jetzt für Demo registrieren

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

                          shopfloor.io Logo

                          Jetzt für Demo registrieren

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

                            shopfloor.io Logo

                            Jetzt für Demo registrieren

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

                              Mit dem shopfloor.io-Asset Ping können Sie Bestandsmaschinen im Feld anbinden, erfassen und Maschinendaten visualisieren, digitale Services vertreiben und Ihren After-Sales erhöhen.

                              shopfloor.io Logo

                              Jetzt für Demo registrieren

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

                                shopfloor.io Logo

                                Jetzt für Demo registrieren

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