TechStories made by stoba: Lückenloses Qualitäts­management mit zukunfts­weisender KI-basierter Qualitätsprüfung

Hersteller und Käufer erwarten einwandfreie Produkte. Verfahren für ein lückenloses Qualitätsmanagement sind deshalb in jeder Industrie essenziell. Auch kleinste Fehler, wie Kratzer, Poren, Dellen, Lunker oder Schlagstellen, in der Oberfläche können deshalb zu teuren Reklamationen, Sicherheitsmängeln, Funktionseinbußen und sogar Funktions-ausfällen führen. Werden diese erst im späteren Verlauf des Fertigungsprozesses erkannt, verursachen sie hohe Kosten. Komplexe geometrische oder sicherheits- bzw. funktionskritische Bauteile müssen zudem zuverlässig mit konstant hoher Qualität hergestellt werden, um gewährleisten zu können, dass die Unternehmensreputation keinen Schaden nimmt.

 

Höhere Qualität dank automatischer optischer Prüfung

Die Inspektion von Kleinstbauteilen mit unterschiedlichen Oberflächenmerkmalen stellt hohe Anforderungen an das eingesetzte Prüfverfahren: Sie sollen bei maximaler Qualität hochproduktiv und flexibel sein sowie kosteneffizient und störungsfrei prüfen.

Komplexe Objektgeometrien und verschiedenste Materialeigenschaften setzen herkömmlichen optischen Prüfverfahren jedoch zunehmend Grenzen: Ist beispielsweise die Oberflächenstruktur eines Prüfstücks unregelmäßig oder sind seine Reflexionsmerkmale stark schwankend, so lassen sich Fehler oft nicht mehr verlässlich erfassen und auswerten.

Damit steigt einerseits das Mängelrisiko, andererseits erhöht sich der Pseudoausschuss-Anteil in der Qualitätsprüfung. Für den Hersteller entstehen durch nachgelagerte manuelle Zusatzkontrollen Mehrkosten, die man mit optimierten Systemen vermeiden könnte.

Weiterentwickelte Vision-Systeme arbeiten schnell, präzise und objektiv: Sie liefern auf Grundlage optimierter Technologien exakte Informationen unabhängig von der Oberflächenbeschaffenheit des Prüfgegenstands – auch bei hohem Prüfdurchsatz und kurzer Durchlaufzeit.

Automatisierte optische Qualitätsprüfung mit künstlicher Intelligenz von stoba

stoba Customized Machinery stellt mit der InspectorONE eine selbstlernende Maschine zum visuellen Prüfen von Bauteilen und Produkten jeglicher Art bereit. Ausgestattet mit Kameras und einer Deep Learning Software überprüft die Einrichtung schnell und automatisch Bauteile und Produkte. Mit Deep-Learning-Algorithmen können bei dauerhaft zuverlässiger Qualität auch kleinste Fehler auf heterogenen oder spiegelnden Oberflächen gefunden werden, die menschliche Inspektoren häufig übersehen. Zusätzlich werden leistungsstarke Erkenntnisse geliefert, die zur Steigerung der Qualität und der betrieblichen Effizienz beitragen. Nach der Einlernphase, in der gleichzeitig reale Daten und synthetische Daten gesammelt werden, kann InspectorONE zur visuellen Prüfung eingesetzt werden und selbständig Entscheidungen treffen.

„Für unsere Kunden besteht der Nutzen darin, dass InspectorOne die Produktzuverlässigkeit und Qualität durch modernste Methoden sichergestellt. Gerade in Anwendungen wie im Automotivebereich spielt dies eine entscheidende Rolle. Neben der Qualitätssicherung sind auch wirtschaftliche Aspekte von zentraler Bedeutung“, sagt Muhammer Kör, Head of Sales bei stoba Customized Machinery.

 

Qualifizierte Fehler-Detektion senkt Ausschussmenge

So lassen sich Ausschussmengen niedrig halten, indem die systemimmanente Toleranzgrenze für die Ausschleusung von abweichenden Bauteilen den spezifischen Erfordernissen angepasst und dabei nach Möglichkeit nicht zu eng definiert wird. Ganz gleich ob es sich um Oberflächenfehler wie Kratzern, Verunreinigungen wie Spänen auf Dichtflächen, Partikel in Flüssigkeiten, Luftblasen im Material oder um die Vollständigkeit von Baugruppen, z.B. Platinen handelt. Dabei wird auch die gleichzeitige Prüfung unterschiedlicher Bauteile auf einer Maschine unterstützt, ebenso Einsätze im Reinraum.

„InspectorONE geht einen Schritt weiter und erkennt Abweichungen aller Art, kann nachvollziehen, woher die Fehler kommen und durch KI eventuelle zukünftige Fehler vorhersagen“, stellt Michael Berkner, Sales Expert, fest.

Kategorien:
Kontakt Zurück zur Übersicht