Anzeige
Anzeige
Anzeige
Anzeige
Beitrag drucken

Machine Learning

Qualitätsprüfung mit künstlicher Intelligenz

Als einer der ersten Automobilhersteller weltweit will Audi Machine Learning (ML) künftig in der Serienproduktion einsetzen. Die selbst entwickelte Software ist in der Lage, feinste Risse in Blechteilen zu erkennen und zu markieren – schnell und automatisiert.

 (Bild: Audi AG)

(Bild: Audi AG)

Aufgrund des immer anspruchsvolleren Designs der Autos und der hohen Qualitätsstandards überprüft der Automobilhersteller Audi alle Bauteile direkt nach der Herstellung im Presswerk. Neben der Sichtprüfung durch Mitarbeiter sind dazu mehrere kleine Kameras direkt in den Pressen verbaut. Diese werten die aufgenommenen Bilder mit Hilfe einer Bilderkennungssoftware aus. Diesen Vorgang will Audi zukünftig durch ein Machine-Learning-Verfahren ablösen. Im Hintergrund dieses Verfahrens arbeitet eine Software, auf Basis eines künstlichen neuronalen Netzes. Die Software erkennt feinste Risse in Blechen und markiert die entsprechende Stelle. „Unsere automatisierte Bauteilprüfung erproben wir derzeit in unserem Ingolstädter Presswerk für den Serieneinsatz. Die Methode unterstützt unsere Mitarbeiter und ist für Audi ein weiterer wichtiger Schritt beim Wandel der Produktion zur modernen Smart Factory“, sagt Jörg Spindler, Leiter des Kompetenzcenters Anlagen- und Umformtechnik.

Deep-Learning-basiert

Die Lösung basiert auf Deep Learning, einer Sonderform des Machine Learning, die mit sehr unstrukturierten und hochdimensionalen Datenmengen wie beispielsweise bei Bildern arbeiten kann. Mit mehreren Millionen Prüfbildern hat das Team über Monate das künstliche neuronale Netz trainiert. Die größten Herausforderungen waren zum einen das Aufbauen einer ausreichend großen Datenbasis und zum anderen das sogenannte Labeln der Bilder. Dabei markierte das Team pixelgenau Risse in den Beispielbildern. Der Aufwand hat sich gelohnt, denn anhand der Beispiele lernt das neuronale Netz nun selbstständig und erkennt Risse auch bei neuen, bislang unbekannten Bildern. Mehrere Terabyte an Prüfbildern aus sieben Pressen am Audi-Standort Ingolstadt und von mehreren Volkswagen-Standorten bilden die Datenbasis.

Entwicklung in-house

Die Software entstand überwiegend in-house, von der Idee bis hin zum fertigen Prototyp. So arbeitet die Innovationsabteilung der Audi IT seit Mitte 2016 Hand in Hand mit dem Bereich Produktionstechnologie aus dem Kompetenzcenter für Anlagen- und Umformtechnik. Der ML-Ansatz lässt sich künftig auch bei anderen optischen Qualitätsprüfungen einsetzen. Liegt eine ausreichend große Zahl gelabelter Datensätze vor, kann die Lösung beispielsweise auch in Lackiererei oder Montage unterstützen.


Das könnte Sie auch interessieren:

Mit dem VPN-Serviceportal Digicluster von Lucom können komplette Anlagen, Maschinen und Netzwerke miteinander verbunden werden. Eine Festlegung der Zugriffsrechte und die Verschlüsselung der VPN-Verbindungen dienen als Schutz. Das Berechtigungsmanagement kann zudem schnell und für jedes Device einzeln eingerichtet werden.‣ weiterlesen

Im verarbeitenden Gewerbe dürften rund 95 Prozent der Firmen eine mehr oder weniger ausgefeilte ERP-Anwendung betreiben. Bei CRM-Systemen geht dieser Prozentsatz bereits rapide zurück, obwohl diese Werkzeuge rund um die Kundenbeziehungspflege kritisch für das Geschäft sein können. Der Grund für die Zurückhaltung ist oft der Aufwand, der mit der Pflege mehrerer mächtiger Systeme einhergeht. Mit einer Komplettlösung für ERP und CRM samt einheitlichem Datenmodell lässt sich dieses Problem auf ein überschaubares Maß einhegen.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige