Fallstudie Automotive - Inspektion von Drehteilen

„Durch die Zusammenarbeit mit deevio konnten wir einen bisher manuell durchgeführten Prozess von Anfang bis Ende automatisieren."

- Geschäftsführer, Parts Control

Das Projekt

Deevio arbeitet mit dem Unternehmen Parts Control aus Bayern zusammen. Vor der Zusammenarbeit fand ausschließlich eine manuelle Prüfung von den auf der Abbildung sichtbaren Drehteilen statt. Die Herausforderung war dabei, dass die Drehteile in verschiedenen Variationen existieren, von allen Seiten geprüft werden und auch kleinste Defekte auf den ca. 15 mm langen Drehteilen gefunden werden müssen.

Drei Arten von Drehteilen

Neben der Vermessung des Bauteiles müssen unter anderem folgende Oberflächenfehler als Defekt erkannt werden:

Druckstellen
Fase zu groß oder zu klein
Schmutz in der Bohrung
Späne in der Bohrung
Materialfehler

Das Ziel bei diesem Projekt war nicht nur, ein passendes KI-Modell für die Defekterkennung zu entwickeln, sondern auch ein komplettes und maßgeschneidertes Vision-System zu entwerfen und in den Prüfprozess zu integrieren.

Herangehensweise Inspektionssystem

Deevio hat ein Inspektionssystem entwickelt, mit dem man die Drehteile von allen Seiten prüfen und auch die Oberflächendefekte erkennen kann. Dafür werden die Drehteile auf einem Förderband zuerst durch eine Kamera vermessen und dann in die Inspektionszelle transportiert. Hier werden Bilder von allen sichtbaren Seiten (von der Seite und oben) aufgenommen. Wird in diesem Schritt ein Fehler erkannt, wird das Teil sofort mechanisch ausgeschleust. Dann wird das Bauteil mechanisch gedreht und von der noch nicht abgelichteten Seite ein Bild aufgenommen und, falls fehlerhaft, dann aussortiert.

Inspektionssystem von Innen

Drehteil von oben

Herangehensweise KI-Modell

Im Vergleich zur herkömmlichen Bildverarbeitung, bei der man anhand von Bildern starre Regeln definiert und Teilbereiche der Bilder kontrolliert, läuft die Erstellung der Software mit KI anders. Die KI nutzt Beispielbilder echter Produkte und lernt daran eigenständig, was ein gutes und was ein defektes Bauteil ausmacht. Dabei lernt die KI auch mit der Variabilität der Produkte umzugehen und garantiert so hohe Genauigkeit bei der Erkennung bei gleichzeitig niedrigen Pseudoausschuss. Damit ist es besonders für komplexe und ganzheitliche Prüfungen geeignet und erweitert somit das Spektrum der Bildverarbeitung.

Für den Trainingsprozess wurden von einem Bauteil mehrere 100 Musterteile pro Defekttyp - d. h. Jeweils mit Druckstellen, Teilen mit Spänen in der Bohrung usw. - gesammelt.

Davon werden Bilder aufgenommen, die Defekte auf dem Bild markiert und dadurch der KI gezeigt, welcher Fehlertyp vorliegt. Anhand dieser Daten wird ein KI-Modell erstellt. Danach ist das KI-Modell fertig und kann mit neuen, vorher nicht gesehenen Bildern getestet werden. Der Prozess geht deutlich schneller als bei herkömmlicher Bildverarbeitung, wodurch man auch schneller auf Veränderungen reagieren kann, da keine aufwändige Programmierung nötig ist.

Darüber hinaus kann durch die KI auch festgestellt werden, wo auf dem Bauteil der Defekt ist. Dies ermöglicht dem Kunden, eine Statistik über die aufgetretenen Fehler zu führen und den Produktionsprozess zu verbessern.

Erkennung einer Druckstelle

Wie können Sie profitieren?

Wenn Sie manuelle Qualitätskontrollen durchführen oder ein Kamerasystem haben, mit dem Sie nicht zufrieden sind, können Sie sich gerne an uns wenden. Wir finden eine individuelle Lösung für Ihre Anwendung und liefern das auf Ihre Bedürfnisse zugeschnittene Komplettsystem.

Nehmen Sie hier Kontakt mit uns auf.