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