Mit Deep Learning zur Echtzeit-Qualitätskontrolle

Fraunhofer-Institute verbessern Defekterkennung bei Schweißnähten.

Das International Center for Networked, Adaptive Production (ICNAP) der drei Aachener Fraunhofer-Institute stellt auf der Fachmesse SPS in Nürnberg vom 12. bis 14. November 2024 ein KI-gestütztes Analysesystem zur visuellen Qualitätskontrolle vor. In Halle 6, Stand 6-357 zeigt ICNAP, wie mithilfe von Deep Learning Schweißnähte an Batteriezellmodulen in Echtzeit auf Defekte überprüft werden können.

Der Anwendungsfall, den die Forschenden auf der SPS-Messe in Nürnberg vorführen, zeigt die automatisierte Fehlererkennung an Schweißnähten von Batteriezellmodulen. Dafür wird das Batteriezellmodul manuell unter eine Kamera gelegt und ein Foto erstellt, das anschließend von einem vorab trainierten Deep-Learning-Modell analysiert wird. Die Künstliche Intelligenz erkennt während der laufenden Produktion selbstständig Fehlerstellen, die sonst im Anschluss durch geschulte Fachkräfte identifiziert werden müssten. Das neue System zeigt hingegen die Fehlererkennung unmittelbar in Echtzeit farblich an – rot für ein fehlerhaftes und grün für ein einwandfreies Produkt. So lassen sich Defekte bereits im Produktionsprozess aufdecken und Ausschuss frühzeitig vermeiden.

Das vorgestellte System prüft speziell Batteriezellmodule, es kann jedoch auch auf zahlreiche andere Produkte übertragen werden, die eine visuelle Oberflächenprüfung erfordern. Das Verfahren steigert die Produktionseffizienz durch eine gleichbleibende und objektive Qualitätssicherung und entlastet Fachkräfte von dieser Routineaufgabe. So können Unternehmen durch die Automatisierung der Kontrolle auch dem künftigen Personalmangel begegnen.

Die Fehlerquote des Systems sinkt im Laufe der Zeit weiter durch eine wachsende Menge an Trainingsdaten. Dabei kann die Datenanalyse entweder direkt vor Ort auf dem Shopfloor oder anhand externer Cloud-Systeme stattfinden. Während der SPS nutzen die Forscherinnen und Forscher ihre neue »FCTRY CLD«, eine lokale echtzeitfähige Cloud des Fraunhofer IPT. Diese erlaubt den Betrieb zeitkritischer Anwendungen für die Produktion, beispielsweise die Steuerung von Maschinen oder die Verarbeitung von Sensordaten. Der Vorteil: Die Daten werden sicher im Produktionsumfeld verarbeitet und verlassen nicht, wie bei Public-Cloud-Anbietern, das Unternehmen.

ICNAP: Ein starkes Netzwerk für die digitale Zukunft

Das Fraunhofer-Institut für Produktionstechnologie IPT vereint langjähriges Wissen und Erfahrung aus allen Gebieten der Produktionstechnik. In den Bereichen Prozesstechnologie, Produktionsmaschinen, Produktionsqualität und Messtechnik sowie Technologiemanagement bietet das Fraunhofer IPT seinen Kunden und Projektpartnern angewandte Forschung und Entwicklung für die vernetzte, adaptive Produktion. Das Leistungsspektrum des Instituts orientiert sich an den individuellen Aufgaben und Herausforderungen innerhalb bestimmter Branchen, Technologien und Produktbereiche, darunter Automobilbau und -zulieferer, Energie, Life Sciences, Luftfahrt, Maschinen- und Anlagenbau, Optik, Präzisions- und Mikrotechnik sowie Werkzeug- und Formenbau.

Das International Center for Networked Adaptive Production, ICNAP, ist ein Zusammenschluss der drei Aachener Fraunhofer-Institute für Produktionstechnologie IPT, für Lasertechnik ILT sowie für Molekularbiologie und Angewandte Oekologie IME mit bereits 24 renommierten Unternehmen weltweit. ICNAP wurde als offene Forschungs-Community gegründet, die als industrielle Testumgebung neue Ansätze zur Digitalisierung in der Produktion entwickelt und erprobt.

Besucherinnen und Besucher sind herzlich eingeladen, den Stand des ICNAP auf der SPS 2024 in Halle 6, Stand 6-357 zu besuchen, um die Potenziale des Deep Learning und die Vorteile der neuen »FCTRY CLD« für ihre Produktion persönlich zu entdecken.

Wissenschaftliche Ansprechpartner:

Dr.-Ing. Mario Pothen
Gruppenleiter »Digitalisierung & Vernetzung«

Fraunhofer-Institut für Produktionstechnologie IPT
Steinbachstr. 17
Telefon +49 241 8904-144
mario.pothen@ipt.fraunhofer.de
www.ipt.fraunhofer.de

Weitere Informationen:

https://www.ipt.fraunhofer.de/de/presse/Pressemitteilungen/241016-mit-deep-learn…