Künstliche Intelligenz Retrofit: Einer alten Umformpresse KI spendieren

Anbieter zum Thema

elunic AG

Fsas Technologies GmbH

Insider Research

Bei neuen Produktionsanlagen erfolgt die Qualitätsprüfung immer öfter automatisiert mit KI. Die Vorteile sind so überzeugend, dass sich die Nachrüstung auch bei Bestandsanlagen rentiert. Besonders bei einer großen Vielfalt möglicher Fehler entfaltet die Qualitätsprüfung mittels KI ihre Stärken.

Maschinelles Lernen setzt sich immer stärker bei der automatischen Qualitätsprüfung durch. Diese Form der Künstlichen Intelligenz (KI) ermöglicht den Aufbau automatischer Prüfsysteme, die sich durch sehr gute Fehlererkennung bei minimaler Falsch-Positiv-Rate auszeichnen. Maschinelles Lernen ist besonders bei einer großen Bandbreite möglicher Fehler das Mittel der Wahl. Dazu zählen zum Beispiel Kratzer, Einschnürungen, Flecken, Risse, Lunker, Farb- und Oberflächenfehler. Denn Qualitätsprüfung mit KI reicht über die Möglichkeiten klassischer Bildverarbeitung weit hinaus. Sie erkennt nicht nur einzeln einprogrammierte Fehler, zum Beispiel fehlende Teile oder falsche Bauteilpositionen, sondern die KI lernt aus Gut-/Schlecht-Zuordnungen ständig dazu. Sie erkennt dadurch auch Fehler, die zuvor in der gleichen Ausprägung noch nicht vorkamen, denn sie lernt das Schema eines Fehlers.

Automatische Prüfung mit Qualitäts- und Kostenvorteilen

Aus diesem Grund werden neue Anlagen heute oft von vornherein mit KI geplant. Bei Bestandsanlagen arbeiten jedoch in der Regel noch Menschen als Operatoren. Deren Erkennungserfolg hängt von einigen Variablen ab: Tagesform, Motivation, Konzentrationsfähigkeit, Erfahrung. Zudem ist die visuelle Qualitätskontrolle durch die Personalkosten teuer. Damit ist die Automatisierung der Qualitätskontrolle mittels KI sowohl aus Qualitäts- als auch aus Kostengründen geboten. Diese lässt sich auch in Bestandsanlagen einfach nachrüsten – mit KI-Retrofit.

Bildergalerie

Dafür wird die Anlage, zum Beispiel eine Umformpresse, mit Hardware für die Bilderfassung und einer Software wie Ai-See von Elunic ausgestattet. Die Montage der Kameras und Leuchten erfolgt üblicherweise am Anfang des Auslaufbandes. Die Kameras nehmen Fotos aller zu prüfenden Teile auf. Die Bilder werden an einen Industrie-PC mit der Software Ai-See übertragen. Die Software wertet die Bilder aus, markiert mögliche Fehlerstellen und zeigt die Bilder der mutmaßlich fehlerhaften Teile auf einem Display an. Während der Einlernphase prüft ein Operator die angezeigten Aufnahmen und ordnet sie den Kategorien „gut“ oder „schlecht“ zu. Jede Fehlererkennung wird der Bildsammlung hinzugefügt und trägt zum Training des neuronalen Netzes bei. Dadurch wird die Fehlererkennung ständig besser.

Gute Fehlererkennung oft nach wenigen Wochen

Die Einlernphase beginnt in der Regel mit bereits vortrainierten Modellen. Dafür werden je nach Aufgabe mehrere Tausend Fehlerbilder und synthetische Bilder zum Training der neuronalen Netze genutzt. Das verkürzt die Einlernphase in der Anlage stark. Oft erreicht die Software schon nach wenigen Produktionen eine gute Erkennungsrate. Bei Ai-See wird das Einlernen dadurch verkürzt, dass die verwendeten Modelle auf Fehlererkennung spezialisiert sind. Das Einlernen erfolgt damit schneller als bei generischen Modellen. Eine andere Möglichkeit ist die Verwendung von Modellen, die schon bei ähnlichen Anwendungen trainiert wurden. Schließlich sehen Risse in Stahl, Einschnürungen in Aluminium, fehlende Ausstanzungen oder Dellen unabhängig vom Bauteil immer ähnlich aus. Diese Faktoren helfen, die Einlernzeit zu verkürzen und mit der KI-gestützten Qualitätsprüfung schnell produktiv zu werden.

Hat die Erkennungsrate einen zufriedenstellenden Stand erreicht, können die Anlagenbetreiber die Prüfung automatisch erfolgen lassen. Für hohe Sicherheitsanforderungen ist es möglich, das Einlernen unbegrenzt fortzuführen. In diesem Fall wird ein menschlicher Prüfer immer seltener befragt, was auch remote durchgeführt werden kann. Die Software lernt dadurch, auch Grenzfälle richtig einzuordnen.

Die Ausstattung einer Produktionslinie mit KI-gestützter Qualitätsprüfung dauert insgesamt ungefähr sechs Wochen. Danach werden im Vergleich zur visuellen Prüfung mehrere Kostenvorteile wirksam: geringere Personalkosten, weniger Ausschuss durch seltenere falsch-positive Bewertungen und die Vermeidung von Rückläufern. Die Kostenersparnis kann das vollständige Entfallen der visuellen Qualitätsprüfung bedeuten. Erfolgt die Beurteilung der restlichen Zweifelsfälle weiterhin durch eine Aufsichtsperson, so kann dieser Mitarbeiter leicht mehrere Anlagen gleichzeitig beaufsichtigen.

Neben dem Kostenaspekt spricht auch der Megatrend zur Digitalisierung für automatische Qualitätsprüfung. Im Zeichen von Industrie 4.0 sollen Betriebe zukünftig vermehrt individualisierte Produkte produzieren. Diese verlangen einen Fertigungsprozess, der in allen Phasen digital gesteuert und überwacht wird. Dazu gehören Design, Konfiguration, Bestellung, Produktion – und eben auch die Qualitätsprüfung.

Dieser Artikel stammt von unserem Partnerportal MaschinenMarkt. Verantwortliche Redakteurin: Frauke Finus

(ID:47547181)