»Das Projekt hat uns als Firma Ebco Potentziale und allerdings auch Grenzen von KI und Bildverarbeitung aufgezeigt. Aktuell können wir noch nicht alle Fehler in der Produktion beim Tiefziehen durch Bildverarbeitung erkennen. Das Projekt hat uns sehr als Anstoß gedient, damit wir das Thema stärker fokussieren, so dass wir schon mit anderen Firmen zur Bildverarbeitung und 3D-Messung Kontakt aufgenommen haben.«
Fabian Kulbe, Produktionsleitung
Ebco GmbH
Kontakt am KI-Fortschrittszentrum
Andreas Frommknecht
Optische Qualitätskontrolle von Oberflächen
Ausgangssituation
Als innovativer Hersteller von Flugzeug-Esstischen und -armauflagen ist Ebco steigenden Qualitätsansprüchen und einem steigenden Kostendruck ausgesetzt. Die Esstische von Ebco bestehen aus einem geschäumten Füller und zwei tiefgezogenen Kunststoffschalen. Defekte in den Tiefziehfolien sind häufig erst nach dem Tiefziehen sichtbar, daher kann die Qualitätskontrolle erst nach dem Tiefziehen erfolgen. Diese Qualitätskontrolle ist sehr zeitaufwendig, da kleinste Oberflächendefekte wie Farbeinschlüsse, Kratzer oder Glanzgradschwankungen identifiziert werden müssen. Außerdem ist es je nach Farbe der Tischoberfläche eine hohe Belastung für das menschliche Auge. Trotz der bestehenden manuellen Qualitätskontrollen werden viele Fehler erst in der Endmontage der Esstische erkannt. Um den Ausschuss zu reduzieren beziehungsweise die Defekte frühzeitiger zu erkennen und die Wirtschaftlichkeit zu erhöhen, muss die Qualitätskontrolle optimiert werden. Ein möglicher Ansatz hierzu ist eine automatisierte Qualitätskontrolle.
Lösungsidee
Zur Automatisierung sollen die Folienzuschnitte vor dem Tiefziehen oder die tiefgezogenen Schalen mit einer Kamera erfasst werden. Hierzu werden mit einer Industriekamera mehrere Bilder mit verschiedenen Beleuchtungen aufgenommen. Im Rahmen des Projekts wurden weiterhin die Möglichkeiten der automatischen Erkennung von Fehlern mithilfe von Bildverarbeitung und Künstlicher Intelligenz auf Basis der aufgenommenen Bilddaten untersucht.
Nutzen
– Frühzeitige Fehlererkennung durch optische Inspektion und Künstliche Intelligenz
– Erkennung kleiner Defekte, die in 2D-Bildern kaum sichtbar sind
– Klassifizierung verschiedener Arten von Fehlern
– Verringerung des internen Ausschusses und der Reklamationsrate
– Zeit- und Kostenersparnis durch den Einsatz nur einer einzigen 2D-Kamera
– Verbesserung der Umweltverträglichkeit durch frühzeitige Erkennung von Ausschuss
– Potenzial für neue Industriestandards und Einbeziehung von OEMs
Umsetzung der KI-Applikation
Es wurde eine Machbarkeitsstudie durchgeführt, um zu prüfen, ob die Fehler auf dem Flugzeugtisch durch das optische Inspektionssystem sichtbar gemacht werden können. Von Ebco wurden sieben Fehlertypen kategorisiert und entsprechende Testteile zur Verfügung gestellt. Diese Fehler wurden in zwei große Bereiche unterteilt: Form- und Materialfehler.
Aufgrund der begrenzten Anzahl von Bildern wurde ein Aufnahmeverfahren namens Shape From Shading (SFS) für die Erkennung von Formfehlern verwendet. Das optische Inspektionssystem nimmt hier mehrere Bilder mit verschiedenen Beleuchtungsrichtungen auf. Der SFS-Algorithmus analysiert die Form des Objekts anhand der Schattierungen unter verschiedenen Beleuchtungsbedingungen. Es wird hierfür die Oberflächennormale eines Objekts durch Analyse der Lichtmenge geschätzt.
Zur Erkennung von Materialfehlern wurden verschiedene aktive Beleuchtungsvarianten untersuchtet. Je nach Materialfehlerart müssen spezielle Beleuchtungsarten verwendet werden.