Autonomer Prozess Inspektion von Schweißverbindungen mit KI

Anbieter zum Thema

Linde Material Handling GmbH

Beckhoff Automation GmbH & Co. KG

SCIO Automation GmbH

Eine Technologie mit industrieller Bildverarbeitung in Verbindung mit KI prüft automatisiert Schweißverbindungen bei Rohkarossieren und identifiziert Anomalien. Die Anwendung verbessert die Konsistenz, Geschwindigkeit, Zuverlässigkeit und Genauigkeit des gesamten Inspektionsprozesses – und zwar vollständig autonom.

In der Automobilproduktion gelten hohe Qualitätsstandards. Dies trifft natürlich auch auf Schweißprozesse an der Rohkarosserie (Body in White) zu. Die Bedeutung der Stabilität der Karosserie ist selbsterklärend. Spannender ist die Frage, wie die hohe Qualität bei Schweißverbindungen sichergestellt werden kann – und zwar automatisiert und lückenlos. Die Herausforderung liegt nämlich darin, dass viele verschiedene Defekte auftreten können, welche die Qualität der Karosserie beeinträchtigen. So müssen beispielsweise Risse, unvollständige Schweißnähte und unregelmäßige Schweißmuster präzise identifiziert werden. Genau diese Herausforderung ging die DGH Group an. Das spanische Unternehmen, das seinen Hauptsitz in Valladolid hat und kürzlich in die Groupe ADF integriert wurde, unterstützt eine Vielzahl von Industriesegmenten mit innovativen Produkten. Herausgekommen ist eine Inspektionsanlage, innerhalb derer automatisiert Bilder von Schweißverbindungen aufgenommen werden. Diese werden dann sofort von den KI-basierten Algorithmen von MV Tec Halcon und der DGH-Bildverarbeitungssoftware überprüft. Die Software übermittelt die Ergebnisse – OK oder NOK – an die SPS. Diese steuert, wie dann entsprechend mit der Karosserie weiterverfahren wird. Halcon ist die Standardsoftware für die industrielle Bildverarbeitung (Machine Vision) aus dem Hause MV Tec. Das Familienunternehmen mit Sitz in München entwickelt seit der Gründung im Jahr 1996 hardwareunabhängige Bildverarbeitungssoftware für industrielle Anwendungen und zählt zu Technologieführern in diesem Bereich – auch weil das Unternehmen verschiedene leistungsstarke Deep-Learning-Algorithmen bietet.

Deep Learning in der Produktion: Optische Inspektion von Schweißverbindungen

Deep Learning ist eine Spielart der Künstlichen Intelligenz. In der industriellen Bildverarbeitung ermöglicht Deep Learning die Umsetzung von immer mehr Anwendungen, auch solchen, die bislang nicht möglich waren. Darüber hinaus kann die Leistung bestehender Applikationen erheblich verbessert werden. Diese Entwicklungen machte sich auch die DGH Group zunutze. Im Auftrag eines großen französischen Automobilkonzerns entwickelte das Experten-Team der DGH Group die automatisierte Anlage zur Inspektion von Schweißverbindungen durch Metall-Inertgas-Schweißens (MIG-Schweißen). „Bislang wurde die Prüfung immer von langjährigen Mitarbeitern durchgeführt. Denn es ist nicht immer einfach zu erkennen, ob die Qualität der Schweißverbindung der unterschiedlichen Verfahren OK ist. Bei der Umsetzung der neuen Anlage haben wir daher die Erfahrung der Mitarbeiter einfließen lassen. Und zwar haben wir mit ihrem Wissen der zugrunde liegenden Deep-Learning-Netze trainiert. Die geforderten robusten Erkennungsraten sind nur durch den Einsatz von Deep Learning möglich“, erklärt Guillermo Martín, Innovation & Technology Director bei DGH. Das primäre Ziel bei der Umsetzung war es, einen sehr hohen Qualitätsstandard aller Schweißnähte zu erreichen. Daneben sollten durch die neue, autonome Qualitätsinspektion die grundsätzlichen Vorteile der Automatisierung zum Tragen kommen. Nämlich eine höhere Geschwindigkeit, Zuverlässigkeit, Genauigkeit sowie klare Konsistenz bei der Entscheidung – im Gegenteil zur Subjektivität der Entscheidung bei Menschen.