KI-gestütztes Assistenzsystem für die Qualitätssicherung bei ZORGE
Die fehlerfreie Fertigung von anspruchsvollen Mikroverbundteilen erfordert in der Qualitätssicherung absolute Präzision. Bisher erfolgt die Prüfung bei kleinen und mittleren Losgrößen im Nacharbeitsprozess über eine 100 % manuelle und visuelle Inspektion unter einer Kamera. Bei Großserien stößt dieses Verfahren jedoch nicht nur an personelle und wirtschaftliche Grenzen, sondern oftmals auch an die geforderten Prozessfähigkeiten. Um die manuelle Prüfungseffizienz zu steigern, geht ZORGE Rubber Solutions neue Wege. In einer Kooperation mit dem Masterstudiengang “Data Engineering and Consulting“ der Hochschule Albstadt-Sigmaringen wurde ein bildbasiertes Assistenzsystem entwickelt, das direkt an den Prüfplätzen ansetzt.
Das Machine-Learning-Modell agiert wie ein digitales Auge in der Qualitätskontrolle. Im ersten Schritt wurde die bestehende Prüfumgebung einschließlich Kamerasystem, Beleuchtung und Bildqualität exakt analysiert. Darauf aufbauend haben die Studierenden einen produktspezifischen Bilddatensatz aufgebaut und eine lernende KI-Software mit typischen Fehlermustern trainiert. Das MLM-System erkennt Abweichungen an den Mikroverbundteilen vollautomatisch und markiert die betroffene, mangelbehaftete Stelle sofort visuell im Kamerabild.
Diese gezielte Unterstützung ermöglicht dem QS-Personal eine deutlich effizientere und zuverlässigere Identifikation sowie Verifizierung von Produktfehlern. Der gesamte Prüfprozess wird dadurch spürbar beschleunigt und gewinnt an Objektivität.
Dank der modularen Systemarchitektur lässt sich die Lösung zudem künftig auf weitere Produkte sowie zusätzliche Mängel- bzw. Fehlervarianten erweitern. Für ZORGE ist dieses Projekt der Einstieg in die Nutzung von künstlicher Intelligenz für verfahrenstechnische Aufgaben.
Für weiterführende Informationen kontaktieren Sie bitte Herrn Marjan Keber, Head of Quality & Management Systems.