Automatisierte Erkennung von Lunkern in der Produktion

Bei der Verarbeitung von Metallen, Legierungen, Beton und Kunststoffen, vor allem beim Gießen und der darauffolgenden Erstarrung der Teile, entstehen durch Werkstoffschwindung oft Hohlräume, genannt Lunker. Wenn Lunker nicht erkannt werden, können Schwachstellen in Bauteilen entstehen. Bei Nichterkennung kann es zu Fehlern im fertigen Produkt kommen, was z.B. im Automotive-Bereich Qualitätseinbußen, Sicherheitsmängel und somit hohe Kosten oder Schlimmeres verursacht.

Lösung

  • Erstellung einer Anwendung, die jedes Teil analysiert.
  • Fütterung mit unmissverständlichen Trainingsdaten, anhand derer die Ausschusskriterien erlernt werden.
  • Ein adaptiv lernfähiges Modell, das sich ständig weiterentwickelt.
  • Umfangreiche Datensammlung und -analyse, damit eine Rückverfolgung möglich ist und Maßnahmen ergriffen werden können (es werden z.B. “lunker-anfällige” Stellen gefunden und beseitigt).
  • Implementierung einer Echtzeit-Überwachung in das bestehende System, das von jedem Endgerät durch Datensammlung in der Cloudplattform, genutzt werden kann.

 

Mehr zum Showcase

 

Hintergrund

Die Feststellung von Gussfehlern durch den Menschen bringt hohe Personalkosten mit sich und ist somit nur bedingt effizient. Durch die menschliche Kondition gibt es zudem Schwankungen in der Fehlererkennung und somit in der Qualität. Es entsteht ein hoher Zeitaufwand, um die Mitarbeiter auf einzelne Teile/Fehlermerkmale zu schulen.
Durch undokumentierte Aussortierung ist eine Nachverfolgbarkeit unmöglich und Ursachen können nicht beseitigt werden.

 

Ziele

  • Jedes produzierte Metallbauteil muss analysiert werden.
  • Kritische Lunker müssen zuverlässig und schnell erkannt und gekennzeichnet werden.
  • Es müssen Maßnahmen ergriffen werden, um bestehende Lunker zu speisen und der Entstehung neuer Lunker vorzubeugen.
  • Weniger Ausfallzeiten, weil Lunker früher erkannt werden können.
  • Reduzierung von Ausschuss und effizientere Abläufe.
  • Bessere Qualität und höhere Robustheit.
  • Die Anwendung muss in das vorhandene System implementierbar sein.

Mehr zum Showcase erfahren:

Geben Sie bitte die unten stehenden Informationen an, um mehr zu unserem Showcase zu erfahren.

Sie sind:* MaschinenbauerMaschinenbetreiberAnderes
 

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

 

Nutzen

  • Zuverlässige Fehlererkennung und -vermeidung durch künstliche Intelligenz.

 

Daten

  • Bilderkennung
  • Positionsverifikation
  • Datenabgleich

 

Technologien

  • AI.SEE
  • Azure Blob Storage
  • TensorFlow

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.