Schwerpunkte

Industrielle Qualitätskontrolle

Deep Learning sorgt für neue Dynamik

12. April 2021, 09:07 Uhr   |  Von Damian Heimel, COO von Deevio

Deep Learning sorgt für neue Dynamik
© Deevio

Hierzulande hergestellte Produkte versprechen einen hohen Qualitätsstandard bei gleichzeitig immer höherer Spezialisierung und Leistungsfähigkeit der Güter. Um diesem gerecht zu werden, rückt die Qualitätskontrolle in eine Schlüsselrolle der Industrie 4.0.

Nicht zuletzt die schnelle Entwicklung eines Corona-Impfstoffs hat gezeigt, mit welcher Dynamik Innovationen auf hochkomplexen Feldern wie der Pharmazeutik in Deutschland entstehen. Ähnliches gilt auch für andere Bereiche der Industrie. Doch die hochspezialisierte Produktentwicklung zieht unweigerlich die Frage nach sich, wie auch in der Masse ein hohes Niveau der Erzeugnisse sichergestellt werden kann. Je komplexer die Innovationsleistungen werden, desto voraussetzungsvoller ist deren Kontrolle in der Breite. Noch immer sind weite Teile der Qualitätskontrolle von menschlicher Überprüfungsleistung abhängig, obwohl damit signifikante Schwierigkeiten entstehen. Tagesform, Motivation und Qualifikation sind die fluiden Determinanten, die jede Produktionsleitung einkalkulieren muss.

Und trotz unseres Wissens über die menschlichen Effekte stößt die Reduktion der Fehleranfälligkeit an ihre Grenzen. Genau hier setzen maschinelle Lösungen an, die den Wandel in der Produktion über die kommenden Jahre prägen werden. Der Mix aus künstlicher Intelligenz und präziser Vision- und Sensortechnik verspricht für dieses Jahrzehnt reichlich Verbesserungspotenzial.

Aus der Not wird Tugend

Was als Suche für Lösungen gegen einen herannahenden Fachkräftemangel begann, hat 2020 ein Konzept mit enormer Innovationskraft auf den Plan gerufen. Im Gleichlauf mit den Fortschritten der Algorithmik ist mit Deep Learning eine flexible Technologie entstanden und marktreif geworden, die in der Lage ist, individuelle Qualitätskriterien autonom zu erfassen und variabel anzulegen. Vorbei ist damit die Zeit langwieriger Programmierungsprozesse für einfache Standardkontrollen. Die Algorithmen der neuen Generationen erkennen die über industrielle Kameratechnik zugespielten visuellen Muster und strukturieren sie intelligent für jedes neue Produkt. Im Abgleich mit den stetig wachsenden Datenbeständen erkennt das System Auffälligkeiten nicht nur beim Untersuchungsobjekt selbst, sondern kann Mitarbeiter auch bei der problemorientierten Prozessoptimierung unterstützen. Mensch und Maschine arbeiten Hand in Hand.

Deevio
© Deevio

In Antizipation künftiger Bedürfnisse werden viele Hersteller in den kommenden Jahren Deep Learning auch als vorgelagerte Kontrollinstanz zwischen einzelnen Arbeitsschritten zur Geltung bringen.

Das Fundament moderner Qualitätssteuerung

Der für 2021 eingeschlagene Pfad eröffnet neue Räume, um Mitarbeiter mit technischem Know-how dort einzusetzen, wo allen voran Kreativität und Agilität einen Mehrwert für das Unternehmen schaffen. Anstatt repetitiver Kontrollroutinen bleibt mehr Zeit, um an anderer Stelle in der Produktion wertsteigernde Tätigkeiten durchzuführen. Hierfür kann die maschinelle Intelligenz Daten über Produktionsverläufe und Fehlerquellen in großer Skala und damit eine Faktenbasis für Optimierungsentscheidungen liefern. Feinheiten in der Wechselwirkung der einzelnen Produktionsschritte werden sicht- und der Nutzen von Reorganisationen nachprüfbar. So gelingt verlässliche Konsistenz in der Kontrolle und vorausschauende Planung in der Strategie auf einer technischen Grundlage.

Multidimensionale Güteprüfung

Neben den Spezialisierungstendenzen der globalen Produktion sprechen auch die „Hard Facts“ der Ökonomie für einen weiteren Aufwärtstrend von Deep Learning in der Qualitätskontrolle. Durch die Automatisierung steigt die Überprüfungsgeschwindigkeit bei gleichbleibend geringer Fehlerrate. Unrichtigen Fehlermeldungen wird durch die Variabilität des fortlaufenden Datensatzes entgegengewirkt. Manuelle Nachprüfungen werden so zu einem seltenen Ausnahmefall. Freilich ist die Technologie auf die Güte der Hardware angewiesen, aus denen die Daten generiert werden. Je präziser Bildaufzeichnungen und Messwerte abgebildet werden, desto schärfer ist die maschinengesteuerte Produktverifikation. Der aktuelle Stand der Sensorik und moderne Industriekameras geben jedoch wenig Anlass für die Annahme, dass es hier zu Friktionen kommt. Bereits heute können feinste Oberflächenstrukturen, Farbgebungen und Verformungen computergesteuert erkannt werden. Weitere Parameter zur Qualitätsbewertung, beispielsweise aus Sensordaten in vorgelagerten Produktionsschritten, könnten in Zukunft hinzukommen.

Intelligente Evaluation für eine effiziente Produktionskette

Mit dem reduzierten Installationsaufwand sinkt auch die Hemmschwelle zum Einsatz von Deep Learning. Noch wird es bisher verbreitet als Instrument einer Finalüberprüfung am Ende des Produktionsvorgangs eingesetzt. In Antizipation künftiger Bedürfnisse werden viele Hersteller in den kommenden Jahren Deep Learning auch als vorgelagerte Kontrollinstanz zwischen einzelnen Arbeitsschritten zur Geltung bringen. Denn so wird ein bereits im Frühstadium erkennbar fehlerhaftes Produktteil ausgemustert, noch ehe es in die kostenintensive Weiterarbeitung geht. Unter dem Aspekt von Nachhaltigkeit und Energieeffizienz ein nicht zu vernachlässigender Faktor ressourcenschonender Fabrikation.

Kontinuierlich wird die Industrie 4.0 über Deep Learning nicht nur in der Qualitätskontrolle kraftvoll neue Potenziale freisetzen, sondern auch in weiten Teilen der übrigen Wertschöpfungskette. Angesicht der signifikanten Wettbewerbsvorteile, die damit einhergehen, wird es sich im beginnenden Jahr 2021 kaum ein Produzent nehmen lassen über die Integration der neuen Möglichkeiten im Qualitätsmanagement nachzudenken. 

Auf Facebook teilen Auf Twitter teilen Auf Linkedin teilen Via Mail teilen

Verwandte Artikel

WEKA FACHMEDIEN GmbH