Oberflächeninspektionen mit KI-Unterstützung

Präzise Daten, die durch eine automatisierte und – mittels KI-Einsatz lernfähige – Inspektionslösung erhoben werden, ermöglichen es Automobilherstellern und ihren Zulieferern, die Qualität von Oberflächen effizienter zu prüfen. Schadstellen lassen sich dadurch taktzeitoptimiert und frühzeitig erkennen sowie Lieferketten und Produktionsprozesse besser managen bzw. kontrollieren.

Aufgrund des hohen Wettbewerbs in der Automobilindustrie sowie des dynamischen Verhaltens der Endkunden haben Automobilhersteller ihre Fertigungen inklusive der dafür notwendigen Teilbereiche flexibel und intelligent ausgerüstet. Dies hat zum Ziel, dass mit hochqualitativen Produkten sehr variabel auf die Kundenachfragen reagiert werden kann. Besonders dem Qualitätsmanagement kommt hier eine Schlüsselfunktion zu. Doch in diesem Teilbereich werden immer noch zu einem Großteil herkömmliche, visuelle Sichtprüfungen durchgeführt, die der flexiblen, qualitativ hochwertigen Fertigungsphilosophie nicht gerecht werden können. Eine automatisierte Inspektionen von Oberflächen, Bauteilen und Komponenten, bis hin zum Endprodukt können hier Abhilfe schaffen. Dabei werden verschiedene Ziele verfolgt. So sollen Fehler in der Produktion aufspürt werden, aber auch aus diesen Daten Rückschlüsse gezogen werden, die die Ursachen und Gründe für die Fehlerentstehung benennen. Nur so lassen sich die Fehler langfristig vermeiden und die Qualität und Leistung verbessern.

Da die Systeme zur automatisierten Sichtprüfung immer intelligenter und einfacher zu implementieren sind, bietet die Deep-Learning-Bildanalyse immer neuere Möglichkeiten der effizienten, fehlerfreien Qualitätskontrolle. „Wo heute zwei Qualitätsmitarbeiter das Äußere eines kompletten Fahrzeugs in Augenschein nehmen, kann eine automatische Sichtprüfung dies in Zukunft fehlerfrei und ganzheitlich übernehmen“, erklärt Olaf Römer, Geschäftsführer der Atecare Service GmbH Co.KG.

Römer ist mit seinem Unternehmen Vertriebspartner des Kitov One, eines der modernsten Sichtprüfungssysteme auf dem Markt. Kitov One ist ein vollautomatisches, roboterbasiertes System, das 2D-, 3D- und Deep-Learning-Technologien kombiniert, um industrielle Anwendungen, die bisher als zu komplex für eine automatisierte Inspektion galten, schnell, präzise und zuverlässig zu ermöglichen.

Römer fügt hinzu: „Bei dem Kitov One geht es nicht um ein weiteres robotergeführtes 3D-Meßsystem, wie es z.B. heute schon in der Automobilindustrie zum Vermessen von Spaltmaßen eingesetzt wird. Der Kitov One ist ein reines, visuelles Oberflächeninspektionssystem, das es so in heutigen Fahrzeugfertigungen eben noch nicht in dieser flexiblen Form gibt. Die automatisierte visuelle Oberflächeninspektion kann alle Parameter erkennen und vermessen, die ich über die Software auswähle und einlerne. D.h., dass ich die Inspektion auf jedes Produkt abstimmen kann. Ob Fahrzeug, Baugruppe oder andere Zulieferteile wie Felgen oder Schweinwerfer, alles kann so vor dem Einbau oder der Kundenübergabe kontrolliert werden. In Verbindung mit künstlicher Intelligenz (KI) ermöglicht der Kitov One ein ganzheitlicheres Bild des Prüflings und garantieren dabei einen möglichst effizienten Inspektionsprozess.“ Des Weiteren werden die erfassten Ergebnisse zur Nachverfolgung gespeichert.

Hervorzuheben ist allerdings, dass mittels KI ein System wie der Kitov One trainiert werden kann, Fehler zu klassifizieren und daraus eine Entscheidung abzuleiten. „So kann der Anwender das Softwaresystem trainieren, um den Unterschied zwischen einem guten und einem schlechten Bauteil zu lernen. Die Software analysiert dann die Bilder und unterscheidet in einem Soll-Ist-Vergleich die Beziehungen zwischen den Merkmalen, um daraus abzuleiten, ob der Prüfling gut oder schlecht ist. Aus diesen Merkmalen leitet der Kitov One zukünftige Gut-Schlecht-Entscheidungen ab“, erklärt Römer weiter.

Ein solches Deep-Learning-Verhalten kann zum Beispiel Tausende von Bildern einer Schraube erfassen und weiß nicht nur, wo sie sich befindet, sondern ob sie auch den Ansprüchen der Qualitätsvorgaben genügt. „D.h., dass System weiß nicht nur, wonach es suchen soll, sondern kann auch entscheiden, ob sich das Ergebnis in den vorgegebenen Toleranzen bewegt“, erläutert Römer.

Römer weiß, dass sich dadurch die erheblichen Kosten der Qualitätskontrolle in der Automobilherstellung, sowie bei den vorgelagerten Zulieferunternehmen, reduzieren lassen. „Vollautomatisierte Systeme, die im Laufe der Zeit lernen und sich verbessern sowie an die Umgebung anpassen, können die Kosten massiv senken und den Durchsatz erhöhen, was einen vielversprechenden Return on Investment für sehr viele Unternehmen darstellt. Denn Mithilfe der voreingestellten Algorithmen berechnet und steuert die Software die effektive Bildaufnahme und -verarbeitung“, betont Römer.

Gerade das im Kitov One integrierte 3D-Vision-System erkennt reproduzierbar kritische Defekte, wie beispielsweise verbogene Pins an Steckern und Anschlüssen, Oberflächenbeschädigungen an Metall- und Kunststoffteilen, Unregelmäßigkeiten aufgrund mangelhafter Lackierungen und galvanischer Prozesse sowie fehlende Komponenten oder Sticker mit Sicherheitshinweisen.

Die Firma Atecare hat den Kitov One bereits in der deutschen Automobilindustrie erfolgreich platziert. So werden beispielsweise Metall- und Kunststoffteile im hochpreisigen PKW-Segment mittels der automatisierten Sichtprüfung auf Oberflächendefekte untersucht.