Erste Revolution: Regelbasierte Bildverarbeitungslösungen.
Durch die industrielle Bildverarbeitung wurden Qualitätsstandards bereits vor Jahren auf ein neues Level gehoben. Mit steigender Massenproduktion und der Automatisierung von Produktionsprozessen wurde auch die effizientere und exaktere Qualitätssicherung notwendig. Alles musste schneller gehen, Qualität musste gleichmäßig werden, Sichtprüfung durch den Menschen war nicht mehr ausreichend.
Mit klassischen bzw. regelbasierten Bildverarbeitungslösungen wurde die Qualitätssicherung an Maschinen übergeben. (Bild)Aufnahmen werden mit Algorithmen kombiniert, die entscheiden, ob Prüflinge in Ordnung sind oder eben nicht. Die Prüfung wird schnell und fehlerfrei und der Qualitätssicherungsprozess kann während des gesamten Fertigungsprozesses laufen. Die Schraube, die im 2. Fertigungsschritt eingedreht wurde, sitzt nicht richtig? Dann kommt das Produkt schon gar nicht mehr bis zum 3. Schritt. Außerdem wird sofort dokumentiert und bei Bedarf kann nachgesteuert werden. Besagte Schraube sitzt diese Woche schon zum wiederholten Mal nicht richtig? Dann sollte an dieser Stelle genauer hingesehen werden.
Nächste Revolution: KI-gestützte Lösungen.
Das ist eine feine Sache und die industrielle Bildverarbeitung in der Qualitätssicherung hat sich nicht ohne Grund in den letzten Jahren durchgesetzt. Dennoch tauchen immer häufiger die Begriffe Künstliche Intelligenz (KI) und Maschinelles Lernen (ML) in diesem Zusammenhang auf. Es scheint, als wären wir in der Qualitätssicherung an einem neuen Kapitel angekommen.
Was bedeutet KI-gestützte Qualitätssicherung?
Eine KI muss nicht mehr von EntwicklerInnen mit allen Fehlerausprägungen gefüttert werden, wie es bei den Algorithmen der klassischen Lösungen der Fall ist. Die KI lernt und beurteilt das selbst. Dieser Lernprozess ist das Maschinelle Lernen oder auch Deep Learning.
Neuen Herausforderungen begegnen.
Individualisierte und komplexe Produkte
Mit einer KI-gestützten Qualitätssicherung werden neuen Anforderungen, wie denen der individualisierten Produktion komplexer Produkte, Rechnung getragen. Die große Anzahl an Abweichungen bei individualisierten Produktvarianten erfordert ein System, das Varianten von Fehlern unterscheiden kann. Um alle möglichen Fehler und Ausnahmen zu berücksichtigen, wären bei einer klassischen Bildverarbeitungslösung unüberschaubare Bibliotheken notwendig – und nicht mehr sinnvoll. Mit einer KI wird trainiert, was ein Fehler ist und was eine Produktvariante. Unvorhersehbare Fehler können mitberücksichtigt werden.
Kleine Stückzahlen zu erschwinglichen Preisen
Ein weiterer Faktor ist die Anzahl der zu fertigenden Produkte. Bei sehr kleinen Stückzahlen bis zu Losgröße Eins wird wichtig, dass kein Ausschuss mehr entsteht und die Produktion so effizient wie möglich abläuft. Das heißt Fehler dürfen nicht mehr vorkommen oder müssen möglichst schnell erkannt werden, sonst würden zu große Lieferverzögerungen und Kosten entstehen. Bei komplexen, kostenintensiven Produkten, die dennoch auch in kleinen Stückzahlen zu einem günstigen Preis angeboten werden sollen (Stichwort: Individuelle Massenproduktion), wird also eine schnelle Fertigung unter der Vermeidung von Fehlern essenziell.
Interpretation von Messergebnissen für die Prozessoptimierung
Um den Produktionsprozess zu optimieren und nachzustellen, ist die Interpretation der Messergebnisse nötig. Gibt es eine Anomalie, also einen Fehler, der vereinzelt vorkommt, zum Beispiel weil eine Komponente von Beginn an beschädigt ist, oder liegt eine Korrelation zwischen Fehlern und anderen Faktoren vor? Wird zum Beispiel ein Werkstoff ab einer bestimmten Temperatur immer brüchig? Oder entsteht durch die Kombination bestimmter Materialien immer eine Verfärbung? Solche Auswertungen bringen enorme Vorteile für das Nachsteuern von Prozessen und die zukünftige Fehlerminimierung und können mithilfe einer KI-Anwendung schnell erkannt und ausgegeben werden.
Wie kann die KI lernen?
Entscheidend ist, dass die KI mit den richtigen Daten trainiert wird, das heißt sie muss in den Maschinenprozess integriert und an die relevanten Daten angebunden werden. Hier kommt neogramm als Systemintegrator ins Spiel. Wir integrieren unsere Bildverarbeitungslösungen in die Produktionsabläufe und binden auf der Qualitätssicherungsseite die KI-Anwendung an. Damit wird Maschinelles Lernen möglich und die KI wird trainiert.
Wie ein solches Training abläuft? Für tiefere Einblicke besuchen Sie unsere Kamera-Partner des Vertrauens COGNEX und STEMMER IMAGING!
Bei STEMMER IMAGING erfahren Sie anschaulich wie eine KI lernt, Dinge, zum Beispiel Autos, zu erkennen und wo genau der Unterschied zwischen Machine Learning und Deep Learning ist. Bei COGNEX können Sie sich die Deep Learning Software VisionPro ViDi für die industrielle Bildanalyse und deren Fähigkeiten genauer anschauen.
Der Nutzen von KI-gestützter Qualitätssicherung scheint enorm. Ist sie aber die Antwort für jede Produktion?
Wie so oft ist die Antwort hier ein klares vielleicht und hängt von der Umgebung und den Zielen einer Fertigung ab. Wir glauben, dass KI-gestützte Qualitätssicherung ein Game-Changer ist und die Bildverarbeitungslösungen dazu werden viele neue Produkte ermöglichen. Dennoch bleiben klassische Lösungen oder auch hybride Lösungen, bei denen messbare Abweichungen regelbasiert bewertet werden und komplexe, unvorhersehbare Defekte mit KI-Anwendungen erlernt werden, gut und wichtig.
Für konkrete Empfehlungen kontaktieren Sie jetzt unsere Bildverarbeitungsprofis.
Erfahren Sie hier mehr zu den Bildverarbeitungsdienstleistungen von neogramm.
Bildquelle | ©Besjunior – Envato
