Fehlererkennung
in der Lackierung

Hintergrund

Ein Automobilzulieferer prüft Ergebnisse eines Lackierroboters manuell, unter hohem zeitlichen Aufwand und bei großer Fehleranfälligkeit.

Vorgehen

Durchführung eines zweitägigen Workshops beim Kunden Vor-Ort
- Analyse der bekannten Fehlerbilder
- Erarbeitung von relevanten Variablen auf Basis der Log-Daten
- Aufbau eines lernenden Bilderkennungs-Systems unter Anwendung von Amazon SageMaker
Erstellung von Klassifikationsmodellen zur Erkennung der Fehlerbilder
- Trainieren von Machine Learning Algorithmen (Google Tensorflow) anhand von historischen Daten.

Ergebnis

Erkennung von 5 bekannten Fehlerbildern mit 96% Genauigkeit
Erkennung von 2 unbekannten Fehlerbildern mit 87% Genauigkeit
Einsatz der Fehlererkennungs-Komponenten in nächster Produktlinie geplant

Durch künstliche Intelligenz ermöglicht AI.SEE™ Produzenten eine zerstörungsfreie, zuverlässige und automatisierte Inspektion Ihrer Produkte.

Dank Deep-Learning-Algorithmen können bei dauerhaft zuverlässiger Qualität auch kleinste Fehler auf heterogenen oder spiegelnden Oberflächen gefunden werden, die von menschlichen Inspektoren häufig übersehen werden, und leistungsstarke Erkenntnisse geliefert werden, die zur Steigerung der Qualität und der betrieblichen Effizienz beitragen.