Qualitätskontrolle mit Computer-Vision
Bandbreiten- und Kostenprobleme lösen
Industrieunternehmen können ihre Umsätze deutlich steigern, indem sie Qualitätsmängel beseitigen. Hierfür bietet sich Videoanalytik auf KI-Basis an: Sie verbessert und vereinfacht die Qualitätskontrolle.
Wie erreicht ein Industrieunternehmen einen Umsatzsprung von 5 Prozent oder mehr? Indem es Qualitätsmängel beseitigt, sagt die französische Normungsorganisation AFNOR in einer Studie. Laut der Befragung von 800 Industrieunternehmen bewirken Qualitätsmängel Umsatzverluste zwischen 5 und 10 Prozent. Zudem haben einige Unternehmen Schwierigkeiten bei der Erkennung und Meldung von Qualitätsmängeln. Der Grund ist häufig der menschliche Faktor: Fehlerhafte Produkte werden gar nicht oder zu spät erkannt, weil die Prüfer ermüden oder abgelenkt sind. Sie übersehen offensichtliche Defekte oder vergessen, sie zu melden – vor allem, wenn das manuell und in größeren Abständen geschieht.
Eine Möglichkeit, diese Schwächen zu beseitigen, ist die Automatisierung von Prüfverfahren mit moderner, KI-gestützter Videoanalytik. Solche Verfahren werden oft als Computer-Vision bezeichnet, allgemein für den Einsatz moderner Computer zur Erkennung von Objekten in Einzelbildern und Videostreams. Solche Systeme erkennen Qualitätsmängel sicherer als menschliche Prüfer und ermüden nicht. Außerdem ist eine automatische Alarmierung und Meldung an das Management möglich.
Kameras erkennen Fehler in Produkten
Optische Qualitätsprüfung setzt auf moderne Kamerasysteme. Sie haben in den letzten zwei Jahrzehnten erhebliche Entwicklungssprünge bei gleichzeitiger Miniaturisierung und Kostensenkung gemacht. Die gegenwärtige Kameratechnik bietet ein umfangreiches Spektrum an Fähigkeiten für die Erfassung von Oberflächen und Strukturen. Sie ist in der Lage, Farbvariationen mit einer Präzision zu erkennen, die weit über die menschlichen Fähigkeiten hinausgeht. Infrarot-Kameras erfassen Oberflächentemperaturen bis auf 0,1 °C genau. Mikroskopie-Kameras haben die Fähigkeit, winzige Mängel mit einer Größe unter 1 µm zu identifizieren. Durch Verfahren wie Röntgenstrahlen oder Ultraschall können die Systeme sogar Defekte innerhalb eines Bauteils aufspüren.
Diese Fähigkeiten machen sie besonders für die Verwendung mit KI-Analysewerkzeugen geeignet. Solche Tools erkennen bestimmte Strukturen in den visuellen Daten, die auf Schäden oder Defekte hinweisen. Sie sind in der Lage, den Unterschied zwischen hochwertigen und defekten Komponenten, Oberflächen oder Anordnungen zu entdecken. Darauf müssen die KI-Algorithmen allerdings zunächst vorbereitet werden, und zwar mit großen Mengen von Trainingsdaten. Sie vermitteln der KI-Anwendung fehlerfreie Datenpunkte und solche, die auf Mängel hindeuten. Auf diese Weise werden die Systeme auf bestimmte Qualitätsmängel ausgerichtet, etwa auf das Erkennen von Lackläufern, Mikrorissen in Komponenten oder fehlenden Bauteilen.
Das Ergebnis ist ein KI-Modell, mit dem Fertigungsunternehmen Echtzeitdaten aus ihren Produktionsstätten analysieren können. Einsatzgebiete für die KI-gestützte Qualitätsprüfung gibt es in allen Branchen. So erkennen sie in der Automobilindustrie fehlende oder falsch eingebaute Teile, Lackdefekte wie Kratzer, Dellen oder Risse sowie mangelnde Qualität von Schweißnähten. In der IT- und Elektronikindustrie prüfen kamerabasierte Qualitätskontrollsysteme beispielsweise die korrekte Montage von Bauteilen und die Qualität der Leiterbahnen oder Lötstellen auf einer Platine. In der Lebensmittelindustrie finden Kameras Farbabweichungen und Fremdkörper in Fertiggerichten und prüfen Etiketten auf Übereinstimmung mit den Gesetzen, etwa bei der Kennzeichnung von Allergenen.
- Bandbreiten- und Kostenprobleme lösen
- Edge-Computing spart Bandbreite und Kosten
Lesen Sie mehr zum Thema
