Visuelle Qualitätssicherung mit Künstlicher Intelligenz

Die Innovatech GmbH, ein mittelständisches Unternehmen aus der Automobilzuliefererbranche, hat sich seit den 1980er Jahren auf die Präzisionsbearbeitung und Oberflächenveredelung spezialisiert. Mit rund 50 Mitarbeitern stellt Innovatech hochwertige Bauteile für Automobilhersteller in Europa her. Die Kundenanforderungen an die veredelten Produkte sind dabei extrem hoch, sowohl in technischer als auch in optischer Hinsicht.

Problem

Lange Zeit wurde der Großteil der visuellen Inspektionen bei Innovatech manuell durchgeführt. Das Erkennen kleinster Materialfehler ist eine anspruchsvolle und zeitaufwendige Aufgabe, selbst für erfahrene Mitarbeiter. Durch die hohe Arbeitsbelastung und die Anforderungen an die menschliche Leistungsfähigkeit wurden jedoch nicht immer alle Fehler zuverlässig entdeckt. Die manuelle Inspektion war nicht nur ineffizient, sondern auch fehleranfällig und kostspielig. Eine maschinelle Auswertung der gesammelten Qualitätsinformationen war zudem meist schwer durchführbar, was eine Optimierung des Prozesses erschwerte.

KI als Problemlöser

Gemeinsam mit einem spezialisierten Softwareunternehmen entwickelte Innovatech GmbH eine KI-basierte Lösung zur Automatisierung der Qualitätskontrolle. Die Verknüpfung von moderner Technologie und traditionellem Handwerk ermöglichte es, die Herausforderungen der manuellen Inspektion zu bewältigen und die Effizienz der Qualitätskontrolle erheblich zu steigern.

Umsetzung

Für die Umsetzung wurde ein halbautomatisiertes, optisches Prüfsystem am Qualitätskontrolltisch in der Werkshalle installiert. Im Fokus steht das KI-basierte System AI.INSPECT™, das bei eingehenden Bildern automatisch Fehlerklassen zuweist und Prozesse steuert. Mithilfe eines selbstlernenden Kernmoduls (AI.INSPECT™ Core) erkennt und klassifiziert das System Fehler wie Oberflächenerhöhungen oder Kratzer in Echtzeit.

Der nächste Schritt ist die Erweiterung des Systems auf weitere Prüftische sowie die Einführung kollaborativer Roboter (Cobots) zur vollständigen Automatisierung des Prozesses. Durch den Einsatz künstlicher neuronaler Netze und Deep Learning wird das Modell kontinuierlich weitertrainiert, um alle Fehlerklassen auf verschiedensten Materialien und Produkten zuverlässig zu erkennen und analysieren zu können.

Ergebnis

Die Implementierung der KI-gestützten Qualitätskontrolle bei Innovatech führte zu einer erheblichen Reduktion von Fehlern und einer Steigerung der betrieblichen Effizienz. Fehler, die zuvor oft übersehen wurden, können jetzt schnell und klar identifiziert werden. Die automatische Zuordnung ermöglicht eine Rückführung der gewonnenen Erkenntnisse in den Produktionsprozess, was zur kontinuierlichen Verbesserung der Produktqualität beiträgt.

‍

Diese Fallstudie basiert auf dem Report KI im Mittelstand