Quick Check
Ausgangssituation
Das aktuelle System zur Bündelkontrolle ist dafür verantwortlich, Bilder des zylindrischen Teils von einem Dialysator zu erfassen und zu prüfen. Nach der Kameraaufnahme wird jedes Bild mit einem regelbasierten Algorithmus analysiert. Die primäre Aufgabe dieses Algorithmus ist es, mögliche Defekte wie Faserknicke und Faserschlaufen zu identifizieren. Ein kritischer Engpass dieses Systems ist jedoch seine »strenge« Bewertung. Häufig klassifizieren diese Bewertungskriterien fehlerfreie Produkte fälschlicherweise als fehlerhaft, was zu einem hohen Anteil an Pseudoausschüssen führt. Dadurch entsteht ein erheblicher manueller Nachbearbeitungsbedarf, der nicht nur zeitaufwendig, sondern auch kostenintensiv ist.
Lösungsidee
Ein möglicher innovativer Ansatz wäre, ein Bildanalysesystem einzuführen, das das genannte Bildmaterial basierend auf Künstlicher Intelligenz analysiert. Ein großer Vorteil davon wäre, dass weniger manuelle Prüfungen nötig wären, weil Pseudoausschlüsse automatisch erkannt werden. Angesichts der nahezu unendlichen Vielfalt möglicher Pseudoausschlüsse in Bildern bietet maschinelles Lernen eine vielversprechende Alternative zu herkömmlichen regelbasierten Algorithmen.