Qualitätssicherung durch Deep Learning in der Solarindustrie

 

Herausforderung

Inspektionen um Fehler in der Photovoltaik-Panel-Produktion zu finden werden heute noch manuell von einem Arbeiter vor Ort durchgeführt.

Um diesen Prozess zu vereinfachen und die Fehlerquote zu reduzieren wurde elunic beauftragt ein auf künstlicher Intelligenz basierendes System zu entwickeln, das selbstständig Fehler erkennt.

 

Ziele

  • Erhöhung der Qualität und Reduktion des Ausschusses in der Produktion.
  • Labeln und Klassifizieren von Fehlern.
  • MES-Integration und Qualitätsmanagementintegration).

 

Lösung

  • Einsatz von Deep Learning Algorithmen zur Fehlererkennung.
  • Erhöhung der Qualitätssicherung.
  • Reduktion des Produktionsausschusses.

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

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

 

Nutzen

  • Automatisierte Inspektion und Fehlererkennung in der Solarproduktion.

 

Daten

  • Bilderkennung
  • Positionsverifikation
  • Datenabgleich

 

Technologien

  • AI.SEE
  • AWS IoT Core
  • AWS Kinesis
  • TensorFlow