Final Inspection 4.0

Quick Check

Ausgangssituation

Die Digitalisierung schreitet im industriellen Bereich voran, zudem werden immer mehr (Teil-) Automatisierungslösungen in diversen Produktionssystemen eingeführt. Dies gilt jedoch nicht für die Endprüfung. Weil Prüfstände nicht alle kundenrelevanten Merkmale absichern können, ist die Endprüfung immer noch Aufgabe des Personals. Das resultiert in einer individuellen Zuverlässigkeit bei den Endprüfungen. Vor allem besteht die Gefahr, dass Mitarbeitende in Stresssituationen oder aufgrund der sich wiederholenden Schritte einzelne Prüfschritte weglassen. Dabei legen die Kunden sowohl aus dem professionellen als auch im Consumer-Bereich viel Wert auf die Qualitätsversprechen. Ansätze zur Verbesserung wie das ständige Bestätigen von einzelnen Prüfschritten unterbrechen den Arbeitsfluss und sind somit höchst ungeeignet. Daher wären moderne KI-Lösungen rund um die Endprüfung passender.

 

Vorgehen 

Der Einsatz von KI-Systemen als Unterstützung kann vor allem bei komplexen und langen Qualitätsprüfzyklen sinnvoll sein. Inwiefern sich diese Idee in einem Montagesystem mit Endprüferinnen und -prüfern nutzen lässt, muss jedoch zunächst in einer Voranalyse untersucht werden. Eye Tracking wird eingesetzt, um Prozesse an einem komplexen Endprodukt mit einer Vielzahl an Prüfschritten und umfangreichen Inhalten in ihrem eigentlichen Prüfablauf zu analysieren und damit den Rahmen für den Einsatz des KI-Systems zu definieren.

Nutzen 

Indem ein KI-System bei abweichendem Verhalten im Prüfprozess unterstützende Hinweise gibt, können die Endprüfenden die Abweichung hinterfragen und ggf. frühzeitig korrigierend eingreifen. Dies macht die Prüfung zuverlässiger und sichert die Prüfmerkmale ab. Die Kosten für ein unterstützendes System werden im Vergleich zu einer Vollautomatisierung der Endprüfung mit allen Anforderungen deutlich geringer erwartet.

 

Umsetzung der KI-Applikation

Im Eye-Tracking-Experiment verfolgte eine Eye-Tracking-Brille das Prüfen mehrerer Maschinen des gleichen Bautyps. Diese Daten wurden verwendet, um die vorhandenen Prüfmuster bezüglich ihrer realen Durchführung zu hinterfragen. In dem besagten Prüfmuster ist der Arbeitsinhalt in einer bestimmten Reihenfolge hinterlegt. Interessante Größen sind der Abweichungsgrad, der sich auf nicht durchgeführte Schritte bezieht, die Reihenfolgevarianz, die sich auf das Vertauschen der Reihenfolge konzentriert, und der Individualisierungsgrad, der zusätzliche, nicht definierte Inhalte abdeckt. Die Größen wurden während der Analyse aus den Daten extrahiert und waren unter anderem die Grundlage dafür, ein Grobkonzept für ein KI-Unterstützungssystem zu erstellen.

 

Partnerunternehmen