Qualitätsprüfungen durch die KI – automatisiert, präzise und effizient
Die Digitalisierung verändert Arbeits- und Produktionsprozesse in rasantem Tempo. Vor allem kleine und mittlere Unternehmen können davon profitieren, wenn sie gezielt Technologien einsetzen, die ihnen helfen, Qualität zu sichern, Ressourcen einzusparen und Arbeitskräfte zu entlasten. Ein wichtiges Feld ist dabei die Bildanalyse mit Künstlicher Intelligenz (KI). Sie ermöglicht es, visuelle Prüfungen schneller, objektiver und skalierbarer durchzuführen, als es manuell möglich wäre.
Die CCT GmbH in Ostfildern ist spezialisiert auf galvanische Beschichtungen. Dabei werden metallische Bauteile so veredelt, dass sie widerstandsfähiger sind oder bestimmte Funktionen übernehmen. Ein Beispiel ist die Einlagerung von Diamantpartikeln in eine Oberfläche, um den Reibwert zu erhöhen.
Die Qualität der Beschichtungen wird bisher klassisch gesichert: geschultes Personal bewertet unter dem Mikroskop, welcher Anteil der Oberfläche mit den Partikeln bedeckt ist. Die optische Prüfung erfordert langjährige Erfahrung und ist gleichzeitig mit zwei zentralen Herausforderungen verbunden: Zum einen fällt es einem kleinen Unternehmen schwer, ausreichend Fachkräfte für diesen hochspezialisierten Bereich zu gewinnen. Gleichzeitig erwarten die Kunden eine objektive und nachvollziehbare Bewertung der Produktqualität.
Vor diesem Hintergrund startete das KMU gemeinsam mit den Deutschen Instituten für Textil- und Faserforschung in Denkendorf bei Stuttgart (DITF) ein Projekt im Rahmen des Mittelstand-Digital Zentrums Smarte Kreisläufe. Gemeinsam erstellten die Projektpartner ein Konzept, um aus vorhandenen Bilddaten Trainings- und Testdatensätze zu generieren. Dieses basiert auf einem Deep-Learning-Modell, welches anhand von vorhandenen Mikroskopbildern lernt, die Güte der Oberflächen automatisiert und objektiv zu bewerten.
Laden Sie sich den Projektflyer herunter und erhalten Sie das komplette Digitalisierungsprojekt auf einem Blick.
>>> Lesen Sie auch: Bilder automatisiert mit Deep Learning Modell analysieren
Für das Training des Modells wurden die verfügbaren Daten aufbereitet. Dazu wurden nur Bilder eines Mikroskops und Daten mit durchschnittlichen Einlagerungsraten von 25 oder 30 Prozent verwendet. Das ist der Anteil der von Partikeln bedeckten Flächen. Für eine genauere Bewertung der Einlagerungsraten wurden die Bilder in kleinere Ausschnitte unterteilt und manuell nach dem im Unternehmen üblichen Verfahren bewertet. Als Deep-Learning-Modell wurde ein sogenanntes Residual Neural Network (ResNet) verwendet, das besonders gut Muster in Bildern erkennt. Es lernte, die Einlagerungsraten zu unterscheiden und erzielte Ergebnisse, die mit den manuellen Bewertungen vergleichbar waren. Bemerkenswert war, dass die KI in vielen Fällen – trotz der geringen Anzahl an eingesetzten Bildern – sogar stabiler bewertete als Menschen, da sie sich weniger von optischen Effekten ablenken ließ.
Das Unternehmen plant nun, seine Datenbasis zu erweitern. Eine größere Vielfalt an Proben soll erfasst und automatisch klassifiziert werden, da eine manuelle Bewertung aller Teilbilder langfristig zu aufwendig wäre. Parallel dazu soll das erarbeitete Konzept in die eigenen Qualitätsprozesse integriert werden, damit Prüfungen künftig schneller, objektiver und effizienter erfolgen.
Allen Unternehmen und Branchen, die viel Aufwand haben, um die Qualität ihrer Produkte optisch zu überprüfen, bringt das Projekt gleich mehrere Vorteile: weniger Abhängigkeit von knappen Fachkräften, kürzere Prüfzeiten und reproduzierbare Ergebnisse. Auch fehlerhafte Bewertungen werden reduziert, wodurch Ausschuss und damit Kosten reduziert werden. Gleichzeitig leistet das Projekt einen ökologischen Beitrag. Jeder vermiedene Ausschuss spart Material und Energie. Die Produktion wird zudem ressourcenschonender und nachhaltiger, weil Prozessparameter durch die frühe Erkennung von Abweichungen rechtzeitig nachjustiert werden können.
>>> Lesen Sie auch: KI im Mittelstand
Wenn auch Sie das Potenzial von Künstlicher Intelligenz für Ihr Unternehmen entdecken möchten, unterstützt Sie das Mittelstand-Digital Zentrum Smarte Kreisläufe gern. Wir freuen uns auf Ihre E-Mail: kontakt@mdz-sk.de.
