Projekt­beschreibung – Hintergrund, Problemstellung und Ziele

Die C. Jentner GmbH ist Spezialist für das komplette Spektrum der Galvanotechnik (= elektrochemische Abschneidung metallischer Überzüge) und Oberflächenveredelung. Das mittelständische Unternehmen wurde in den 1970er Jahren gegründet und beschichtet heute im Kundenauftrag komplexe Werkstücke aus der Medizintechnik, der Luft- und Raumfahrt und der Elektrotechnik. Das Angebot des Pforzheimer Traditionsunternehmens umfasst viele galvanische Beschichtungen, vom Vernickeln über Verkupfern und Versilbern bis hin zum Rhodinieren. Die Kunden haben dabei höchste Qualitätsanforderungen an die von ihnen veredelten Produkte – dies betrifft funktionale Elemente genauso wie sichtbare Oberflächen.

Lange Zeit wurde der Großteil der optischen Inspektion innerhalb der Galvanisierungsindustrie manuell durchgeführt. Diese Tätigkeit ist auch für geschulte Fachkräfte anspruchsvoll, zeit- und ressourcenintensiv, da schwer identifizierbare kleinste Materialfehler und repetitive Aufgaben große Anforderungen an die menschliche Leistungsfähigkeit stellen. Die maschinelle Auswertung der gesammelten Qualitätsmetriken war zudem oftmals nur schwer möglich. Eine Rückführung der gewonnenen Erkenntnisse für die Optimierung des Galvanisierungsprozesses war meist unwirtschaftlich. Aus diesen Gründen widmete sich die C. Jentner GmbH der Suche und Einführung automatisierter, KI-gestützter Inspektionssysteme, was mit elunics KI-gestütztem Qualitätssicherungssystem, AI.SEE™ zum Erfolg führte.

Vorgehen und Lösungskonzept

Für die Umsetzung des Lösungskonzeptes wurde ein semi-automatisiertes, optisches Prüfsystem mit Hilfe des KI-basierten Qualitätskontrollsystems AI.SEE™ an einem Prüftisch im Werk realisiert. Teil des visuellen Qualitätskontrollen- und Fehlererkennungssystems ist zudem ein selbstlernendes KI-System (AI.SEE™ Core), das die eingehenden Bilder direkt auswertet, Fehlerklassen zuordnet und weitere Prozesse steuert. Fehler und Schäden, etwa Erhöhungen oder Kratzer in den Oberflächen, können so automatisch erkannt werden. Das KI-System sollte der manuellen Qualitätserkennung mindestens entsprechen und sie idealerweise übertreffen. Im nächsten Schritt soll der Prozess auf weitere Prüftische erweitert und durch Inbetriebnahme von Cobots voll automatisiert werden. Mit Hilfe künstlicher neuronaler Netze und Deep Learning wird das Modell weitertrainiert, um alle Fehlerklassen auf allen Materialien und Produkten erkennen und bei neu hochgeladenen Bildern direkt anzeigen und analysieren zu können.

Durch die Automatisierung der Qualitätskontrolle können fehleranfällige Prozesse minimiert und häufig auftretende Fehlerquellen, aber auch kleinste Fehler schnell und eindeutig gefunden und zugeordnet werden, die menschliche Inspektoren häufig übersehen. Die leistungsstarken Erkenntnisse steigern die Qualität und die betriebliche Effizienz.

“elunic hat unsere Hardware- und Prozessexpertise durch ihre Erfahrung in der Entwicklung von IIoT-Software und -Architekturen erweitert. Durch das Zusammenführen dieser verschiedenen Komponenten und Fachwissen konnte eine Plattform geschaffen werden, die als Grundlage für weitere intelligente Produkte und digitale Dienstleistungen von Schunk genutzt wird.”

Dr. Martin May

Director Innovation Center – Schunk

Weitere Referenzen

Mehr zum Referenzprojekt.

    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.

     

    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.