Automatisierten Inspektionssystemen zur Prüfung von Oberflächen auf Schadstellen und Defekte gehört die Zukunft im Qualitätsmanagement. So auch in der Automobilindustrie. Die Nutzung dieser automatisiert erhobenen Daten ermöglicht Automobilherstellern und ihren Zulieferern eine taktzeitoptimierte Qualitätsprüfung. Damit lassen sich Defekte und Fehler frühzeitig erkennen und schlussendlich Lieferketten und Produktionsprozesse besser managen und kontrollieren.
Aufgrund des hohen Wettbewerbs in der Automobilindustrie sowie des dynamischen Verhaltens der Endkunden haben Automobilhersteller ihre Fertigungen inklusive der dafür notwendigen Teilbereiche flexibel und intelligent ausgerüstet. Ziel ist es, mit hochqualitativen Produkten sehr variabel auf Kundenanfragen reagieren zu können. Dem Qualitätsmanagement kommt dabei eine Schlüsselfunktion zu. Dennoch werden in diesem Teilbereich größtenteils nach wie vor herkömmliche visuelle Sichtprüfungen durchgeführt, die der flexiblen, qualitativ hochwertigen Fertigungsphilosophie nicht gerecht werden können. Die automatisierte Inspektion von Oberflächen, Bauteilen und Komponenten bis hin zum Endprodukt kann hier Abhilfe schaffen.
Dabei werden verschiedene Ziele verfolgt. So sollen Fehler in der Produktion aufgespürt werden. Zudem sollen die erfassten Daten Rückschlüsse ermöglichen, anhand derer sich die Ursachen und die Gründe für die entstandenen Fehler ableiten lassen. Nur so ist es möglich, Fehler langfristig zu vermeiden und sowohl die Qualität als auch die Leistung zu verbessern. Da die Systeme zur automatisierten Sichtprüfung vermehrt intelligenter und unkomplizierter zu implementieren sind, bietet die Deep-Learning-Bildanalyse immer neuere Möglichkeiten der effizienten, fehlerfreien Qualitätskontrolle. „Wo heute zwei Qualitätsmitarbeiter das Äußere eines kompletten Fahrzeugs in Augenschein nehmen, kann dies zukünftig durch eine automatische Sichtprüfung fehlerfrei und ganzheitlich erfolgen“, erklärt Olaf Römer, Geschäftsführer der ATEcare Service GmbH Co. KG. Römer ist mit seinem Unternehmen Vertriebspartner des israelischen Softwareentwicklers Kitov. Mit dem vollautomatischen, roboterbasierten System Kitov Core ist eines der modernsten Sichtprüfungssysteme auf dem Markt, das 2D-, 3D- und Deep-Learning-Technologien kombiniert. Damit ermöglicht es schnell, präzise und zuverlässig industrielle Anwendungen, die bisher für eine automatisierte Inspektion als zu komplex eingestuft wurden.
Römer erläutert weiter: „Bei dem Kitov Core handelt es nicht um ein weiteres robotergeführtes 3D-Mess-System, wie es z.B. heute schon in der Automobilindustrie zum Vermessen von Spaltmaßen eingesetzt wird. Der Kitov Core ist vielmehr ein automatisiertes, rein visuelles und äußerst flexibles Oberflächeninspektionssystem. Es kann alle Parameter erkennen und vermessen, die über die Software ausgewählt und eingelernt werden. Damit lässt sich die Inspektion durch den Kitov Core auf jedes Produkt abstimmen. Ob Fahrzeug, Baugruppe oder Zulieferteile wie Felgen oder Scheinwerfer, alles kann vor dem Einbau oder der Kundenübergabe kontrolliert werden. In Verbindung mit künstlicher Intelligenz (KI) zeigt der Kitov Core ein ganzheitliches Bild des Prüflings, was zudem einen möglichst effizienten Inspektionsprozess erlaubt.“ Des Weiteren werden die erfassten Ergebnisse zur Nachverfolgung gespeichert.
Ein System wie der Kitov Core kann außerdem trainiert werden, Fehler zu klassifizieren und daraus eine Entscheidung abzuleiten. „So kann der Anwender das Softwaresystem trainieren, den Unterschied zwischen einem guten und einem schlechten Bauteil zu lernen. Die Software analysiert dann die Bilder, unterscheidet in einem Soll-Ist-Vergleich die Beziehungen zwischen den Merkmalen und leitet daraus ab, ob der Prüfling gut oder schlecht ist. Außerdem leitet der Kitov Core daraus auch zukünftige Gut-Schlecht-Entscheidungen ab“, erklärt Römer weiter. Ein solches Deep-Learning-Verhalten kann somit zum Beispiel Tausende von Bildern einer Schraube erfassen. Das System weiß, wo sich diese befindet und überdies, ob sie auch den Qualitätsvorgaben genügt. „Das System weiß also nicht nur, wonach es suchen soll. Vielmehr kann auch entscheiden, ob sich das Ergebnis in den vorgegebenen Toleranzen bewegt“, erläutert Römer.
Römer weiß, dadurch lassen sich die erheblichen Kosten der Qualitätskontrolle der Automobilherstellung ebenso wie bei den vorgelagerten Zulieferunternehmen reduzieren. „Vollautomatisierte Systeme, die im Laufe der Zeit lernen, sich verbessern und sich an die Umgebung anpassen, können Kosten massiv senken und den Durchsatz erhöhen. Das stellt für sehr viele Unternehmen einen vielversprechenden Return on Investment dar. Denn anhand der voreingestellten Algorithmen berechnet und steuert die Software die effektive Bildaufnahme und -verarbeitung“, betont Römer. So erkennt gerade das im Kitov Core integrierte 3D-Vision-System reproduzierbar kritische Defekte wie beispielsweise verbogene Pins an Steckern und Anschlüssen, Oberflächenbeschädigungen an Metall- und Kunststoffteilen, Unregelmäßigkeiten aufgrund mangelhafter Lackierungen und galvanischer Prozesse sowie fehlende Komponenten oder Sticker mit Sicherheitshinweisen.
ATEcare hat den Kitov Core in der deutschen Automobilindustrie bereits erfolgreich platziert. So werden beispielsweise Metall- und Kunststoffteile im hochpreisigen PKW-Segment mittels der automatisierten Sichtprüfung auf Oberflächendefekte untersucht.
