Suchen

Machine Learning Intelligent und autonom – das neue Gesicht der visuellen Qualitätssicherung

Autor / Redakteur: Yonatan Hyatt / Vivien Deffner

Der Maschinenbildverarbeitungsmarkt wird auch in den nächsten Jahren unaufhörlich weiterwachsen. Aber auch die Maschinenbildverarbeitungstechnologie hat Grenzen. Wie könnten diese noch erweitert werden?

Firma zum Thema

Maschinenbildverarbeitung erlebt einen regelrechten Aufschwung. In Zukunft kann diese auch gänzlich autonom agieren.
Maschinenbildverarbeitung erlebt einen regelrechten Aufschwung. In Zukunft kann diese auch gänzlich autonom agieren.
(Bild: gemeinfrei / Pixabay )

Laut Schätzungen von MarketsandMarkets wird der gesamte Machinenbildverarbeitungsmarkt zwischen 2019 und 2024 von 9,9 Milliarden US-Dollar auf 14 Milliarden US-Dollar anwachsen, bei einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 7,1 %.

Maschinenbildverarbeitung in der Inspektion

Das Wachstum in diesem Sektor wurde von einem zunehmenden Bedarf an Qualität sowie einer steigenden Nachfrage nach KI-gestützten Systemen bestimmt. Ein autonomes Maschinenbildverarbeitungssystem für die visuelle Teile-Inspektion im Fertigungsbereich kann genau dort ansetzen. Dieses kann ohne Hilfe eines speziellen Systemintegrators installiert werden und ist direkt einsatzbereit – genauso wie ein PC oder Telefon.

Maschinenbildverarbeitung spielt eine entscheidende Rolle bei der Qualitätssicherung (QS), da sie es Herstellern ermöglicht zu ermitteln, welche Produkte gemäß den Vorgaben hergestellt wurden und welche Fehler aufweisen – eine unumgängliche Folge eines jeden Fertigungsprozesses. Konsequenterweise wenden sich Hersteller der visuellen QS zu, um eine schnelle und effiziente Identifikation durchzuführen und mit Produkten entsprechend weiter zu verfahren.

Die Herausforderungen bestehender Lösungen

Bei Installation einer Maschinenbildverarbeitungslösung hoffen Hersteller auf eine schnellere, genauere und kosteneffektivere QS als bei der manuellen, visuellen Inspektion. Die sich daraus ergebenden Vorteile können enorm sein – in Deutschland beispielsweise entspricht der durchschnittliche Wert, den jeder Mitarbeiter bei der Automobiltechnik einbringt, 596.000 Euro. Indem ein Hersteller Mitarbeiter für mühselige Inspektionsaufgaben einsetzt, die keinen Mehrwert bringen, verliert er also 596.000 Euro pro Jahr je Mitarbeiter. Zudem beträgt die Fehlerrate bei manuellen Inspektionen im Durchschnitt 25 Prozent, das heißt, dass einerseits gute Teile ausgesondert und andererseits fehlerhafte Produkte übersehen werden – beides ist problematisch.

Herkömmliche Maschinenbildverarbeitungslösungen sind nicht in der Lage, diese Verluste zu reduzieren, da mit ihnen zahlreiche Nachteile einhergehen. Einer davon ist, dass Werksleiter keine direkte Kontrolle über ihre QS haben, da herkömmliche Lösungen auf externe Systemintegratoren angewiesen sind, die sie entwerfen, entwickeln und implementieren.
Die Kosten sind ein weiteres Hindernis, da herkömmliche Lösungen einen Preis von mindestens 150.000 Euro pro Inspektionspunkt aufweisen. Wenn man dann noch die Wartezeiten für Komponenten und langen Ausfallzeiten während der Installation und Schulung der Benutzer bedenkt, sind die Kosten sogar noch höher. Diese Lösungen sind auch unflexibel, da sie ausschließlich für Inspektionen eines einzigen Produkts an einem festen Standort konzipiert sind.

Das neue Zeitalter der Qualitätssicherung

Herausforderungen bezüglich Kosten, Flexibilität und Komplexität bremsen Hersteller aus und verhindern, dass diese Maschinenbildverarbeitungstechnologien im großen Umfang einsetzen. Ein autonomes Maschinenbildverarbeitungssystem (AMV) für visuelle Qualitätssicherung, Phasenrevision und Sortierung kann diese Herausforderungen überwinden.

AMV-Systeme sind direkt einsatzbereite Systeme, die sich in 30 bis 45 Minuten vom werkseigenen Personal ohne Systemintegrator installieren lassen. Die gesamte erforderliche Software und Hardware ist im Paket vorhanden und es sind keine Vorkenntnisse bezüglich Maschinenbildverarbeitung oder Künstlicher Intelligenz notwendig, um das System einzurichten und in Betrieb zu nehmen. Dies verschafft Werksleitern die komplette Kontrolle über ihre QS-Prozeduren. Sie können sich also umgehend um jedes fehlerhafte Produkt in ihrer Fertigungsstraße kümmern. Dies vermeidet die hohen Installations- und Wartungskosten, die mit herkömmlichen Optionen einhergehen.
Bei der Einrichtung des autonomen Maschinenbildverarbeitungssystems schaltet der Benutzer einfach den Controller an und stellt sicher, dass das Sichtfeld (FOV) den kompletten Inspektionsbereich abdeckt. Er richtet dann ein fehlerfreies Testmuster im Sichtfeld aus und markiert mit einer Maus den Bereich von Interesse, in dem das System Fehler erkennen soll.

Im Gegensatz zu herkömmlichen QS-Lösungen, die Hunderte oder sogar Tausende von guten und mangelhaften Produkten während des Trainings erfordern, benötigen AMV-Systeme durchschnittlich nur 20 bis 30 fehlerfreie Muster – die genaue Anzahl wird autonom vom System bestimmt. Der Benutzer benötigt keinerlei Expertise zu Daten-Annotation oder -kennzeichnung, um das System zu trainieren.

Vom Mensch abgeschaut

AMV-Systeme nutzen die Parameter der herkömmlichen QS umgekehrt. Anstatt sich zu merken, wie ein fehlerhaftes Objekt aussieht, lernen sie – in etwa so wie ein Mensch – wie ein fehlerfreies Objekt aussehen soll. Wenn das System Abweichungen entdeckt, die außerhalb der Parameter des fehlerfreien Musters liegen, wird der Benutzer darüber informiert.

Dies vereinfacht den Trainingsprozess enorm, da Hersteller für gewöhnlich kein Musterobjekt für jeden denkbaren Fehler haben. AMV-Systeme benötigen ausschließlich gute Musterprodukte, die in jeder Fertigungsanlage zur Genüge vorhanden sind.

Sobald das System in Betrieb ist, vergleicht es jedes Bild mit dem Goldstandard und verifiziert sowohl Formtoleranzen als auch Oberflächenvariationen, um Fehler und Mängel zu erkennen. AMV-Systeme können die Position eines Fehlers einem menschlichen Bediener oder einer speicherprogrammierbaren Steuerung (SPS) melden, damit das mangelhafte Produkt so schnell wie möglich aus der Fertigungsstraße entfernt werden kann. Auf diese Weise werden keine Zeit und Ressourcen für die Fertigstellung eines Produkts verschwendet, das bereits einen Defekt aufweist.

AMV-Systeme sind für jede Handling-Methode geeignet, von manuell bis automatisiert, und können über die gebräuchlichen Industrieprotokolle mit den SPS des Herstellers kommunizieren.
Zudem optimieren die Algorithmen von AMV-Systemen während des Untersuchungsvorgangs die Kamera, optischen Bauteile und Beleuchtungseinstellungen für das Objekt und die Umgebungsbedingungen. Auf diese Weise wird die bestmögliche Bildqualität sichergestellt. So kann sich das System an neue Umgebungsbedingungen anpassen und zu jeder Tageszeit effektiv betrieben werden. Veränderungen bei den Lichtbedingungen haben für AMV-Systeme keine Bedeutung.
Deshalb benachrichtigt das System den Bediener ausschließlich über tatsächliche Fehler, da es keine Fehlalarme aufgrund von Bewegungs-, Ausrichtungs- oder Beleuchtungsänderungen gibt. Falls das System auf eine Abweichung hinweist, die der Hersteller jedoch nicht als Fehler ansieht, lernt es daraus und wird zukünftig den gleichen Fehler nicht erneut melden.

Umfassende Qualitätssicherung

Umfassende QS ermöglicht Herstellern, Ausschuss zu reduzieren und beachtliche Produktivitäts- und Gewinnsteigerungen zu erzielen, da fehlerhafte Produkte direkt bei Auftreten eines Defekts aus der Fertigungsstraße entfernt werden, anstatt erst am Ende oder an bestimmten wichtigen Zwischenstationen. Im Laufe der Zeit können Hersteller dank umfassender QS Ursachenanalysen betreiben und dadurch ihre Fertigungsanlage optimieren.

* Yonatan Hyatt ist CTO und Mitbegrunder des Unternehmens Inspekto.

(ID:46669383)