• Home
  • /
  • Magazin
  • /
  • KI-basierte Qualitätssicherung in der Produktion

KI-basierte Qualitätssicherung in der Produktion 

Autor:  Nick Oehme

Über mich:  Ich helfe Produktionsunternehmen dabei, mithilfe von KI-basierter Fehlerprüfung, signifikant Kosten in der QS einzusparen und gleichzeitig die Produktion zu beschleunigen.

KI Qualitätssicherung - internes Profitcenter statt ungeliebter Kostenblock

Zugegeben: Die Qualitätssicherung ist in vielen Betrieben nicht nur das Bottleneck in der gesamten Produktion, weil Qualitätskontrollen zeitintensiv sind und die Produktionsgeschwindigkeit drosseln. Sondern auch oftmals ein nicht zu unterschätzender Kostenblock, durch den erforderlichen Personaleinsatz, was auf die Marge der Produkte drückt.

Die Entwicklungen im Bereich der künstlichen Intelligenz können hier maßgeblich dazu beitragen, Qualitätskontrollen zuverlässig durchzuführen und mit bestehendem Personal effizienter zu wirtschaften und gleichzeitig die Durchlaufgeschwindigkeit zu erhöhen.

Dieser Artikel zeigt Ihnen, wie KI Qualitätssicherung mittels Kamerainspektion funktioniert, welche Vorteile sie gegenüber herkömmlichen Systemen bietet und warum sie für die Zukunft der Produktion unverzichtbar ist.

Keine Zeit, um den Artikel vollständig zu lesen?
Dann schauen Sie sich gerne unsere kurze Zusammenfassung als Video an

Warum KI Qualitätssicherung? Wie menschliche Qualitätskontrollen - nur schneller & günstiger

Die Anforderungen an die Qualitätssicherung in der Produktion haben sich in den letzten Jahren drastisch verändert. Einerseits werden Kunden immer anspruchsvoller, sodass neuerdings Ware reklamiert wird, die vor ein paar Jahren als IO galt. Andererseits gibt es im deutschsprachigen DACH Raum immer weniger Fachpersonal für die tägliche Arbeit in der Produktion, sodass die Qualitätskontrollen durch Menschen zum echten Engpass in der Produktion wird. Hier setzt die Künstliche Intelligenz (KI) an, um auf der einen Seite dem Fachkräftemangel entgegenzuwirken und auf der anderen Seite Fehler viel zuverlässiger zu erkennen, als es bisherige Kamerasysteme oder Menschen schaffen. 

Vier Gründe für KI Qualitätssicherung

Schnellere Durchlaufzeit

Die Automatisierung der Qualitätskontrollen beschleunigen die gesamte Durchlaufzeit, weil Fehler schneller und in Echtzeit erfasst werden.

Genauigkeit

Ein KI System kennt genau die Fehlertypen, die Ihre Produkte haben können und sucht aktiv wie ein Mitarbeiter mit jahrelanger Berufserfahrung.

Ausschuss-Stopp

Oberflächenfehler werden in Echtzeit detektiert und von der KI interpretiert, um vordefinierte Entscheidungen gemäß Fehlertyp und -häufigkeit zu treffen.

Skalierbarkeit

Ein KI System beruht auf einem datenbasierten Anlernprozess, auf dem iterativ aufgebaut werden kann. Diese Daten lassen sich copy & paste auf weitere Anlagen ausrollen.

Die Gründe und Vorteile von KI-basierten Kamerasystemen sind vielfältig. In unserem weiterführenden Beitrag KI in der Qualitätskontrolle vertiefen wir diese Aspekte und zeigen konkrete Vorteile aus bestehenden Kundenprojekten.

Kamerasysteme zur Oberflächenprüfung - alte Welt vs. KI-Systeme

Kamerasysteme für die Warenprüfung und Oberflächenkontrolle ist genau genommen nichts Neues. Es gibt schon seit Jahrzehnten Kameratechnik und Inspektionssysteme, die mittels industrieller Bildverarbeitung manuelle Prüfkontrollen automatisieren sollen. In einigen Branchen ist das auch vollkommen ausreichend und zweckdienlich, doch es gibt auch unzählige Produktionsunternehmen, die mit den "altbekannten" Systemen nicht arbeiten können.

Die häufigsten Gründe, warum bestehende Kamerasysteme - die mittels industrieller Bildverarbeitung arbeiten - scheitern, sind:

  • Externe Faktoren, wie Schattenwürfe, Staub oder Bewegung führen zu falsch detektierten Fehlern. Stichwort: Pseudoausschuss
  • Die Parametrierung der Software ist zu aufwändig, sodass diese Systeme eher für Kopfschmerzen, als für deren Lösung sorgen
  • Das Detektieren der Fehler ist nur die halbe Miete. Genauso wichtig ist die darauffolgende Entscheidung, was anschließend passieren soll

Was ist der Unterschied bei KI-basierter Kamerainspektion?

In der alten Welt ist die kamerabasierte Qualitätskontrolle eher ein passiver SOLL / IST-Vergleich statt aktive Fehlersuche. Die Bildaufnahme ist hier viel empfindlicher, weil das erfasste Bild mit einem hinterlegten Bild in der Software lediglich abgeglichen wird. Dadurch wird auch ein Staubpartikel schnell als Fehler detektiert, weil das aufgenommene Bild vom hinterlegten Gutbild abweicht. Die Parametrierung der Software ist dabei oftmals viel zu aufwendig, um die Funktionsweise der Kamerainspektion zweckdienlich zu gestalten. 

Die Lösung? Ein KI-basiertes Kamerasystem:

KI Bildverarbeitung

Die KI lernt anhand von Beispielbildern Ihre Gutware und typische Fehlerbilder. Stellen Sie sich das so vor, als lernt ein neuer Mitarbeiter Ihren Fehlerkatalog und sucht anschließend aktiv nach den gelernten Fehlern. Auch individuelle Fehlertoleranzbereiche können hier berücksichtig werden.

Maschinelles Lernen

Anstatt über Parametrierung der Software vorzugeben, anhand welcher Merkmale ein Fehlerbild zu erkennen ist, lernt die KI selbstständig die Muster zur Unterscheidung von Fehlerbildern. Dieser Lernprozess muss lediglich überwacht und getestet werden, um zu sehen, wann die KI ein Fehlerbild richtig gelernt hat.

Synthetische Daten

Der Unterschied im Lernprozess zwischen Mensch und KI ist, dass eine KI deutlich mehr Bilddaten benötigt, um Fehlerklassen zu verallgemeinern. Daher müssen Echtdaten mit synthetischen Daten angereichert werden, um den Lernfortschritt der KI zu beschleunigen und die Fehler in einem ausbalancierten Verhältnis zu lernen.

Die drei genannten Punkte sind die Kernaspekte der KI-basierten Kamerainspektion und werden im Artikel Industrielle Bildverarbeitung vs. KI Bildverarbeitung tiefergehend erklärt.

KI Qualitätssicherung - drei Beispiele aus der Praxis für eine KI-basierte Kamerainspektion

Textil: Filzherstellung

  • Situation vorher:
    Keine 100% Kontrollen aufgrund von Fachkräftemangel möglich.
  • Produkt und Fehlerbilder:
    Heller Filzstoff und kleine, helle Fehlerbilder.
  • Mehrwert durch KI-Prüfung:
    Zuverlässige 100% Inline-Kontrolle durch KI-System und Entlastung des bestehenden Personals.

Metall: Schraubkopfprüfung 

  • Situation vorher:
    Nur Stichprobenprüfung aufgrund hohem Produktionsvolumen möglich.
  • Produkt und Fehlerbilder:
    Oberflächenfehler wie Kratzer, abgeplatzte Stellen oder Fehler am Schraubkopf.
  • Mehrwert durch KI-Prüfung:
    Automatische 100% Kontrolle bei einer Taktzeit von 1 Stück pro Sekunde.

Gummi: Bodenbelag

  • Situation vorher:
    Flächenfehler werden zu spät durch Endkontrolle erkannt.
  • Produkt und Fehlerbilder:
    Punktfehler in dunkelgrünen Gummibodenbelägen.
  • Mehrwert durch KI-Prüfung:
    Echtzeit-Fehlererkennung führt bei kritischen Fehlern zu Maschinenstopp und verhindert Folgeausschuss.

Falls Sie sich für unsere konkreten Use Cases näher interessieren, gelangen Sie über folgenden Link zu einem detaillierteren Anwendungsfall aus dem Textilbereich:
Hier geht's zur KI-basierten Warenschau!

Ausblick: Die Zukunft der KI in der Qualitätssicherung

Die Implementierung von KI in der Produktion und speziell in der Qualitätssicherung, ist ein Transformationsprojekt, dem Sie sich so zügig wie möglich widmen sollten. Nutzen Sie das Erfahrungswissen Ihrer älteren Mitarbeiter, die zukünftig in Rente gehen und digitalisieren Sie deren Wissen in Form einer zuverlässigen Fehlerprüfung. 

Selbstoptimierende Systeme

Stand heute, muss der Lernprozess der KI durch den Menschen abgesichert und individuell auf Ihre Bedürfnisse abgestimmt werden. In Zukunft werden KI-basierte Systeme nicht nur Fehler erkennen, sondern den Lernprozess selbstständig steuern können. Durch kontinuierliches Lernen aus Produktionsdaten können neue Fehlerbilder erkannt und die Algorithmen automatisch verbessert werden.

Integration mit IoT und Industrie 4.0

Die Verknüpfung von KI mit IoT eröffnet zusätzliche Möglichkeiten. Produktionsmaschinen, Sensoren und Qualitätssicherungssysteme könnten nahtlos miteinander kommunizieren, um eine vollständige Transparenz und Optimierung der gesamten Wertschöpfungskette zu gewährleisten. Fehler werden nicht nur erkannt, sondern ihre Ursachen können in Echtzeit analysiert und automatisch behoben werden.

Chancen für Produktionsunternehmen

Die Zukunft gehört denen, die bereit sind, in Innovation zu investieren und neue Wege zu gehen, während noch andere zögern. Wer zu den First-Movern gehört kann durch eine Effizienzsteigerung zu einer besseren Marge Produkte anbieten und verkaufen. Dieser Margeneffekt verschafft Ihnen einen strategischen Vorteil gegenüber Mitbewerbern. Wer heute die Weichen stellt, profitiert morgen von geringeren Kosten und einer stärkeren Marktposition.

Weitere Artikel zum Thema

FAQ

Häufig gestellte Fragen

Allgemeines

Worin unterscheidet sich ein übliches industrielles Kamerasystem von einem KI-basierten Kamerasystem?

Die Software eines üblichen industriellen Kamerasystems arbeitet über einen Bildabgleich, bei dem ein SOLL- / IST-Vergleich durchgeführt wird. Das bedeutet: Die Kamera erfasst ein Bild, welches mit einem in der Software hinterlegten Bild verglichen wird. Abweichungen vom SOLL-Zustand werden mithilfe von Parametern erfasst, bei dem ein Programmierer festlegt, wie Abweichungen definiert werden. Dieses System ist sehr anfällig für "Pseudofehler", weil bereits verändernde Lichtverhältnisse als Fehler detektiert werden. Ein KI-basiertes System lernt Fehlertypen anhand von Gut- und Fehlerbildern. Dadurch wird ein Bild erfasst und die Software sucht aktiv nach den bekannten Fehlern. Es müssen keine Parameter festgelegt werden, um eine Abweichung vom Gutbild zu definieren. Dadurch können auch sehr komplexe Aufgaben, wie die Warenschau & Qualitätsprüfung auf Textilien, automatisiert werden – etwas, das mit herkömmlichen Systemen nicht realisierbar wäre.

Wir haben bereits verschiedene Automatisierungssysteme getestet - weshalb sollte uniEDGEvision besonders geeignet sein, unsere Prüfaufgabe zuverlässig zu automatisieren?

Falls Sie bisher kein KI-System, sondern ein übliches industrielles Kamerasystem getestet haben, dann schauen Sie sich bitte die Antwort auf die erste Frage in der FAQ Sektion an. Falls Sie bereits erfolglos KI-Systeme getestet haben, dann liegt das vermutlich daran, dass der Teachingprozess zu lang dauert, bis die Fehlerbilder zuverlässig antrainiert sind. Dieser Umstand liegt an der zu geringen Datenmenge, die der KI zugeführt wurde. Das uniEDGEvision System arbeitet hier mit synthetisch erzeugten Daten, um den Teachingprozess zu beschleunigen und ausreichend Daten für die KI zur Verfügung zu stellen.

Kosten

Können wir das uniEDGEvision System risikofrei testen?

Wenn wir in einem Erstgespräch feststellen, dass wir Ihnen weiterhelfen können und Sie bereit sind, in eine KI-basierte Lösung zu investieren, dann bieten wir Ihnen ein Pilotprojekt mit uns an. Im Pilotprojekt werden feste Ziele und ein zukünftiger Rollout definiert. Sollten wir die vereinbarten Ziele im Pilotprojekt nicht erfüllen, entstehen für Sie keine Kosten. Ist das Pilotprojekt erfolgreich, rechnen wir das Projekt normal ab und gehen gemeinsam mit Ihnen in den Rollout. So haben Sie einen risikofreien Test und wir die Gewissheit, dass Sie ernsthaftes Interesse an unsere Lösung haben. Klingt doch fair, oder?

Was kostet ein uniEDGEvision System?

Hier eine pauschale Antwort zu geben, wäre unseriös, denn das hängt immer vom jeweiligen Anwendungsfall unserer Kunden ab. In einem Erstgespräch ermitteln wir Ihren genauen Bedarf und das notwendige Set Up für ein mögliches Projekt. Anschließend können wir Ihnen transparent darlegen, welche Kosten für die Nutzung von uniEDGEvision anfallen würden. Prinzipiell erhalten Sie bei uns die Möglichkeit ein einmaliges Gesamtprojekt zu realisieren oder ein flexibles Modell auf monatlicher Basis (Retainer) mit uns wählen, bei dem wir in kurzen Sprints gemeinsame Etappenziele erreichen.

Ist uniEDGEvision auch für Unternehmen mit Kleinserienproduktion lohnenswert?

Es kommt eher darauf an, wie hoch die verbundenen Kosten bei Ihren Kleinserien sind. Sind Ihre jährlichen Kosten für Reklamationen, Ausschuss und Personalbedarf zur Qualitätsprüfung in einem mittleren 5-stelligen Bereich, dann lohnt sich der Aufwand mit einem KI-Ansatz relativ schnell. Wenn Sie stattdessen niedrige 5-stellige Kosten pro Produktlinie haben, wird eine Amortisierung zu lang dauern. Aber um Ihnen hier genau Auskunft zu geben, macht ein Erstgespräch Sinn, bei dem wir Ihren spezifischen Use Case besprechen.

Eigenschaften von uniEDGEvision

Auf welche Weise lokalisiert uniEDGEvision genau fehlerhafte Stellen?

Die KI erfasst Bilder über gelernte Texturen und Muster und erkennt diese im aufgezeichneten Bild wieder. Einmal antrainiert, weiß die KI genau zwischen Produktarten, Fehlertypen und externen Faktoren (Licht, Staub, etc.) zu unterscheiden.

Ist uniEDGEvision in der Lage, auch bei sehr hoher Produktionsgeschwindigkeit (z.B. mehrere Teile pro Sekunde) eine zuverlässige Prüfung durchzuführen?

In den meisten Fällen ist eine hohe Produktionsgeschwindigkeit unproblematisch. Unser Modell läuft auf einem mitgelieferten Industrie-PC direkt bei Ihnen vor Ort, was bedeutet, dass das KI-Modell Bilder in Millisekunden analysiert. Unsere Erfahrung zeigt, dass eher das Teile-Handling als die KI-Auswertung ein potenzieller Engpass für die Automatisierung darstellt.

Ist uniEDGEvision auch in der Lage, äußerst kleine Fehler (zum Beispiel im Bereich von 1-3 mm) zu erkennen?

In den meisten Fällen stellt das keine Schwierigkeit dar. Wir passen die verwendete Hardware zur Aufnahme (Kamera, Beleuchtung, Anbringung usw.) bei Bedarf vollständig an Ihre spezifischen Anforderungen an. Da unser System herstellerunabhängig arbeitet, können wir stets das optimale Hardware Setup für Ihre Prüfanforderungen bereitstellen.

Ist uniEDGEvision in der Lage, Fehler zuverlässig zu erkennen, unabhängig davon, wo sie auftreten oder in welcher Ausprägung sie sind?

Ja, ein KI-Ansatz arbeitet anders als ein klassischer Bildvergleich. Die KI sucht aktiv nach den gelernten Fehlertypen im Bild. Dadurch spielt die Lage des Fehlers keine Rolle. Die KI kennt den Gut-Zustand Ihres Produktes und kennt die Fehlerarten durch eine selbst gelernte Mustererkennung. Selbst wenn ein völlig neuer Fehler im Prozess auftauchen würde, wird diese Abweichung vom Gut-Zustand als Anomalie erkannt und kann im zweiten Schritt einer Fehlerart zugewiesen werden. Interessant? Dann vereinbaren Sie doch ein Erstgespräch mit uns.

Implementierung

Welcher Zeitrahmen ist für die Implementierung des uniEDGEvision-Prüfsystems vorgesehen?

Anders als andere KI-Systeme arbeiten wir mit einem digitalen Zwilling Ihres Produktes und Ihrer Fehlertypen (synthetische Daten). Dadurch können wir Ihre echten Produktionsdaten mit synthetisch erzeugten Daten anreichern und den Teachingprozess im virtuellen Raum beschleunigen. Innerhalb weniger Stunden können dadurch neue Produkte und Fehler antrainiert werden und ausreichend Trainingsdaten zur Verfügung gestellt werden.

Welcher Umfang an Daten (annotierte Bilder) wird von uniEDGEvision benötigt?

Wir benötigen nur wenige Echtdaten, weil wir daraus synthetische Daten (digitaler Zwilling) erzeugen, um die KI anzuteachen. Erfahrungsgemäß zeichnen wir im ersten Monat der Zusammenarbeit Echtdaten im Prozess auf, die uns ausreichen, um Ihren kompletten Fehlerkatalog digital nachzubilden und die KI anzutrainieren.

Funktioniert uniEDGEvision mit bereits vorhandenen Kamerasystemen?

In der Regel stellt uniEDGEvision eigene Kameras bereit, aber es gibt auch die Möglichkeit, bereits vorhandene Kameras zu nutzen. In diesem Fall prüfen wir die aufgezeichnete Bildqualität zur Verarbeitung für die KI-Auswertung. Sind die bestehenden Komponenten mit unseren Anforderungen kompatibel, steht dem nichts im Weg. 

Fortlaufende Betreuung

Wird das System regelmäßig mit neuen Softwareupdates versorgt?

Ja, uniEDGEvision ist eine SaaS-Lösung (Software as a Service). Sie erhalten regelmäßig Updates und bleiben auf dem neuesten Stand.

Sind Softwareupdates, Wartung und anschließende Betreuung im Preis inbegriffen?

Softwareupdate ja. Eine dedizierte Wartung und Betreuung lässt sich flexibel bei unseren Paketen dazu buchen. Mehr dazu gerne im persönlichen Gespräch.

Was geschieht, wenn nach der erfolgreichen Implementierung eine neue Fehlerkategorie auftritt?

Eine neue Fehlerklasse wird in einem laufenden Retainer-Vertrag selbstverständlich nachgeteacht. Tritt eine neue Fehlerklasse außerhalb eines gemeinsamen Projektrahmens auf, können Sie flexibel das neue Teaching buchen. Die Konditionen dafür erfahren Sie in einem persönlichen Gespräch und sind abhängig von der Fehler und- Produktart.