• Home
  • /
  • Magazin
  • /
  • Weniger Ausschuss & 100% Kontrollen mit KI-basierter Qualitätskontrolle

Weniger Ausschuss & 100% Kontrollen mit KI-basierter Qualitätskontrolle 

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.

Qualitätskontrolle in der Produktion: KI-basierte vs. menschliche Fehlerprüfungen 

Qualitätskontrolle Produktion: Noch immer finden Qualitätsprüfungen in vielen Fertigungsbetrieben manuell durch Mitarbeiter statt. Beispielsweise durch Stich- oder Laufproben. In diesem Artikel zeigen wir Ihnen, wie Sie zukünftig ohne Mitarbeiter zuverlässige Fehlerprüfungen durchführen.

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

Typische Situation in der Produktion - Qualitätskontrolle Produktion ist teuer & zeitaufwendig

Qualitätsprüfungen durch Mitarbeiter sind aufgrund der Personalkosten ein hoher Kostenblock in der QS. Außerdem sind Qualitätskontrollen durch Mitarbeiter zeitaufwendig und deshalb häufig auch Engpass in der Produktion.
Doch noch viele Verantwortliche in der QS glauben, dass manuelle Prüfungen der einzige Weg seien, um kleinste Fehler zuverlässig zu erkennen. Doch Dank der neuesten Entwicklungen in der KI & Technologie ist das längst überholt.

Warum verändert KI & Technologie alles in der Qualitätssicherung?

Es stimmt: Bisherige technische Lösungen und Messysteme für die Automatisierung in der QS waren bei weitem nicht so zuverlässig, wie menschliche Mitarbeiter.

Kamera Qualitätskontrolle: Es wurden durch bisherige Kamerasysteme "Fehler" erkannt, die gar keine Fehler waren, sodass oftmals Pseudoausschuss generiert wurde.

Doch die Entwicklung der KI hat rasant neue Innovationen für die Qualitätskontrolle in der Produktion in verschiedensten Branchen hervorgebracht. So auch in der Bildverarbeitung von Kamerasystemen der neuesten Generation. Seitdem sich hochentwickelte KI-Algorithmen mit spezieller Kameratechnik verbinden lassen, können maschinelle Mitarbeiter erstellt werden, die Qualitätsprüfungen durchführen wie Menschen. Nur eben non-stop und zuverlässiger.

Videobeispiel aus verschiedenen Branchen:

Wie KI unnötigen Ausschuss und Personalkosten in der QS eliminiert - sichern Sie sich Ihr Branchenbeispiel!

Interessiert daran, wie KI die Qualitätssicherung in Ihrer Branche automatisiert? Dann fordern Sie jetzt Ihr Branchenbeispiel per Videofallstudie kostenfrei an. Jetzt direkt starten und individuelles Videobeispiel kostenfrei erhalten!

Vergleich zwischen Mensch, bisherigen Prüfsystemen und KI-gestützten Kameras

Menschliche Qualitätsprüfungen

Ein Mensch lernt typischer Fehlerbilder aufgrund von Schulungen und Bildbeispielen in der Praxis, die er als Erfahrung abspeichert. Taucht nun ein Fehler in einer bestimmten Variante am zu überprüfenden Objekt auf, kann der Mensch den Fehler erkennen und aufgrund seiner Erfahrung als IO oder NIO bewerten. 

Vorteil
  • Genaue Prüfung
Nachteil
  • Subjektive Fehlerbewertung
  • Langsam
  • Fehleranfällig durch Ermüdung

Bisherige Kamerasysteme

Kamera Qualitätskontrolle: Klassische Kamerasysteme verwenden Hell- / Dunkelvergleiche oder Pixelvergleiche für die Prüfung von Objekten. Ein Mitarbeiter definiert beispielsweise Grenzwerte für den Bildvergleich hinsichtlich IO und NIO Kriterien. Die Kamera macht also Bilder und vergleicht diese mit bestehenden Bildern und den definierten Grenzwerten.

Vorteil
  • Schnelle Prüfung
Nachteil
  • ungenau, weil zu viel als Fehler erkannt wird
  • Grenzwertdefinition ist sehr komplex und zeitintensiv
  • hohe Lichtsensibilität
  • hohe Anschaffungskosten

Automatisierte Qualitätskontrolle

Unterschied zur Qualitätskontrolle Kamera:

Eine KI- basierte Kamera lernt wie ein Mensch aus typischen Fehlerbildern aus der Praxis. Diese Fehlerbilder werden als Erfahrung abspeichert. Taucht nun ein Fehler in einer bestimmten Variante am zu überprüfenden Objekt auf, kann die Kamera den Fehler erkennen und aufgrund der Erfahrung als IO oder NIO bewerten, wie ein Mensch. Der Graubereich zwischen IO und NIO kann hier allerdings auch klar definiert werden, sodass man eine objektive Einschätzung gewährleisten kann. Dadurch wird die automatisierte Qualitätskontrolle robust im Gegensatz zu der Qualitätskontrolle Kamera.

Vorteil
  • sehr schnelle Prüfung
  • sehr genaue Prüfung
  • objektive Prüfung
  • keine Ermüdung, daher nicht fehleranfällig
Nachteil
  • aufwendiges Training
Videofallstudie für Leiter QS / QM und Produktionsleiter:

Ihr Branchenbeispiel wie KI unnötig Ausschuss verhindert und manuelle Qualitätsprüfungen automatisiert

Wie KI unnötigen Ausschuss und Personalkosten in der QS eliminiert - sichern Sie sich Ihr Branchenbeispiel!

FAQ

Wir haben die Antworten auf Ihre Fragen:

Hier finden Sie eine Auflistung der häufigsten Fragen zu unserem Produkt.

Allgemeines

Worin unterscheiden sich klassische Qualitätskontrolle und Qualitätskontrolle auf Basis von maschinellem Lernen?

In traditionellen Systemen legen Programmierer fest, wie Fehler zu erkennen sind. Ein ML-Modell hingegen erlernt anhand von Beispielen, ob ein Teil als IO oder NIO klassifiziert wird. Durch diesen Lernprozess entwickelt das Modell eigene Regeln zur Bestimmung von IO/NIO, ohne dass explizite Programmierung notwendig ist (z.B. „NIO, wenn Kratzer links oben“). Dadurch können auch sehr komplexe Aufgaben, wie die Oberflächenerkennung in der Qualitätskontrolle, 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?

Im Vergleich zu herkömmlichen Qualitätskontrollsystemen ist das uniEDGEvision-System äußerst widerstandsfähig gegenüber großer Fehlervariabilität und wechselnden äußeren Einflüssen. Dadurch lassen sich typische Herausforderungen klassischer Systeme, wie eine überhöhte Pseudoausschussrate, vermeiden.

Kosten

Gibt es eine Möglichkeit, uniEDGEvision kostenlos und ohne Risiko auszuprobieren?

Ja, uniEDGEvision übernimmt das gesamte Investitionsrisiko. Erst nachdem wir Ihnen nachweisen konnten, dass unser Modell die zuvor festgelegten KPIs (Key Performance Indicators) erfüllt, wechseln Sie in ein zahlungspflichtiges Lizenzmodell.

Was kostet uniEDGEvision?

Das hängt vom jeweiligen Anwendungsfall ab. Bevor wir mit einem uniEDGEvision-Projekt starten, werden wir Ihnen transparent darlegen, welche Kosten für die Nutzung von uniEDGEvision anfallen würden. Auf dieser Grundlage können Sie Ihren Geschäftsfall kalkulieren.

Ist uniEDGEvision auch für Unternehmen mit Kleinserienproduktion lohnenswert?

Eine Kleinserie stellt zweifellos eine Herausforderung für ein KI-System dar. Wir sind offen für Gespräche über Ihre potenziellen Anwendungsfälle. Es gibt einige faszinierende Möglichkeiten, wie KI auch bei geringeren Stückzahlen einen Mehrwert für Sie schaffen kann.

Eigenschaften von uniEDGEvision

Auf welche Weise lokalisiert uniEDGEvision genau fehlerhafte Stellen?

uniEDGEvision erfasst Texturen und Eigenschaften von Defekten. Sobald die KI einmal gelernt hat, wie ein Kratzer aussieht, kann sie diesen in sämtlichen Variationen am gesamten Bauteil erkennen.

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 Aufnahmetechnologie (Kamera, Beleuchtung, Anbringung usw.) bei Bedarf vollständig an Ihre spezifischen Anforderungen an. Da unser System herstellerunabhängig arbeitet, können wir stets das optimale Kamera-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, das ist genau einer der Aspekte, die maschinelles Lernen (ML) in der Qualitätskontrolle so wertvoll machen. Ein ML-Modell lernt anhand von Beispielen, ob ein Teil in Ordnung (IO) oder fehlerhaft (NIO) ist. Aufgrund dieses Ansatzes entwickelt das Modell implizite Regeln zur Entscheidung über IO/NIO, die keine explizite Programmierung erfordern (z.B. "NIO, wenn Kratzer links oben"). Ein gut trainiertes Modell ist mit den Eigenschaften eines IO-Teils vertraut und reagiert daher sehr robust auf Variabilität in Fehlern, das Auftreten neuer Fehlerarten oder leicht unterschiedliche Bildaufnahmebedingungen (z.B. unterschiedliche Produktpositionen im Bild).

Kann uniEDGEvision eine vollständige Automatisierung der Qualitätskontrolle ermöglichen, einschließlich der Integration von Robotern oder ähnlichen Systemen?

Ja, das ist durchaus machbar. Die Daten, die unser System sammelt (zum Beispiel Bilder zusammen mit der Entscheidung IO/NIO), können über eine Schnittstelle an alle gängigen Roboter (und auch ERP-Systeme) übertragen werden. Wir können unsere Daten über verschiedenste Systeme bereitstellen. Falls Sie spezifische oder alternative Anforderungen an die Kommunikation haben, können wir diese gerne in einem Gespräch genauer besprechen.

Ist es möglich, uniEDGEvision teilweise zu automatisieren, indem es in ein kooperatives System mit einem Facharbeiter integriert wird?

Teilautomatisierung ist jederzeit machbar. Neben einem leistungsfähigen ML-basierten Inspektionssystem erhalten Sie mit uniEDGEvision stets auch einen Industrie-PC und einen Industrie-Touchscreen-Monitor. Diese Konfiguration zeigt Ihnen in Echtzeit direkt am Inspektionspunkt, ob ein Teil als IO/NIO bewertet wurde, und unterstützt Fachkräfte, die lediglich die nachfolgenden Arbeitsschritte ausführen müssen (sortieren, verpacken usw.).

Implementierung

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

Der Zeitrahmen hängt stark davon ab, wie schnell wir genügend Daten (Bilder von IO/NIO-Teilen) erhalten. Da uniEDGEvision ein KI-System ist, sind Daten als Grundlage von großer Bedeutung. Daher bitten wir unsere Kunden, bereits im Vorfeld Schlechtteile zu sammeln. Diese können wir dann am Installationstag der Hardware direkt aufnehmen, und idealerweise haben wir bereits die erforderliche Datenmenge. In diesem Fall dauert die Implementierung nur wenige Tage. Wenn wir mehr Daten sammeln oder erstellen müssen, kann das System auch einige Wochen laufen, bevor die Implementierung abgeschlossen ist.

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

Es ist nicht nur die Datenmenge, sondern vielmehr ihre Vielfalt, die von Bedeutung ist. Das bedeutet, dass verschiedene Erscheinungsbilder von Fehlerarten relevant sind, um eine gute und repräsentative Stichprobe für das Lernen des uniEDGEvision-Systems zu haben. Wir benötigen nicht unbedingt viele Bilder von fehlerfreien Teilen, da die Vielfalt dort geringer ist als bei fehlerhaften Teilen. Daher liegt unser Fokus auf Bildern mit Fehlern. Eine allgemeine Faustregel lautet wie folgt: In 90 % der Fälle sind 50 Bilder pro Fehlerklasse ausreichend. In 10 % der Fälle werden zusätzliche 50 Bilder benötigt, um das uniEDGEvision-System zuverlässig an Ihren Anwendungsfall anzupassen (insgesamt also 100 Bilder).

Funktioniert uniEDGEvision mit bereits vorhandenen Kamerasystemen?

In der Regel stellt uniEDGEvision eigene Kameras bereit, aber es gibt auch andere Möglichkeiten, Bilder bereitzustellen. Abhängig von der vorhandenen Ausstattung und den Taktzeitanforderungen kann die Kamera direkt mit unserem Industrie-PC verbunden werden oder Bilder können über gemeinsam genutzte Laufwerke oder File-Transfer-Protokolle übertragen werden.

Ist es möglich, uniEDGEvision in meine vorhandenen Systeme zu integrieren?

Ja, das ist möglich. uniEDGEvision liefert die Ergebnisse der KI über verschiedene in der Industrie übliche Protokolle. Welche Systeme möglich sind, erfahren Sie im Erstgespräch.

Fortlaufende Betreuung

Wird das System regelmäßig mit neuen Softwareupdates versorgt?

Ja, uniEDGEvision ist eine typische SaaS-Lösung (Software as a Service). Das bedeutet, dass Sie regelmäßig und kostenfrei Softwareupdates erhalten.

Sind Softwareupdates, Wartung und andere After-Sales-Services im Preis inbegriffen?

Nein, die Lizenzgebühr beinhaltet Softwareupdates, Wartung und andere After-Sales-Services.

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

Natürlich, wir trainieren das uniEDGEvision-System gerne kostenfrei für neue Fehlerklassen.