Projekterfahrung

Projektbeispiele

1. 01

   Virtueller Sensor für Produktqualität und chemische Zusammensetzung

   AusgangslageQualitätsmerkmale und chemische Zusammensetzung des Endprodukts wurden über manuelle Probenahme und Laboranalyse bestimmt. Die Ergebnisse lagen damit nur punktuell und zeitversetzt vor. Zwischen zwei Proben blieb der Verlauf unbekannt, und Abweichungen fielen erst auf, wenn das betroffene Material bereits produziert war.

   LösungModellbasierte Schätzung der Qualitätsgrößen aus laufenden Prozess- und Anlagendaten. Auswahl der Eingangsgrößen anhand der Prozesszusammenhänge, Modellbildung auf historischen Betriebsdaten und Kalibrierung gegen die vorhandenen Laborwerte. Die Schätzung schließt die Lücken zwischen den Probenahmen und läuft kontinuierlich mit. Auf derselben Grundlage entstand ein Vorhersagemodell, das die zu erwartende Qualität aus den aktuell eingestellten Steuerparametern berechnet.

   ErgebnisDer Qualitätsverlauf ist durchgehend sichtbar statt nur an einzelnen Stützstellen. Abweichungen werden erkannt, während sie entstehen, nicht erst nach der Laboranalyse. Die Vorhersage erlaubt es, Auswirkungen von Parameteränderungen vor dem Eingriff abzuschätzen, statt sie im Nachhinein an der Probe abzulesen.

   Mein BeitragMerkmalsauswahl auf Basis der Prozesszusammenhänge, Modellbildung und Validierung gegen Laborwerte sowie Auslegung des Vorhersagemodells für den Einsatz in der Prozessführung.

2. 02

   Kamerabasierte Prozessüberwachung an Blasformen

   AusgangslageDie Überwachung der Blasformen in der Roheisenerzeugung erfolgte manuell in festen Zeitabständen. Das Personal musste dafür den Gefahrenbereich betreten, und zwischen den Kontrollgängen blieben Prozessstörungen unentdeckt, bis sie sich im Betriebsverhalten zeigten.

   LösungKontinuierliche optische Überwachung: Auswahl von Kamera und Optik für die thermischen und optischen Randbedingungen an der Blasform, Aufbau der Datenerfassung, Aufbereitung und Annotation der Bilddaten sowie Training und Validierung des Modells. Für den Betrieb auf Embedded-Hardware wurde das Modell quantisiert. Nachgeschaltete klassische Bildverarbeitung und Regellogik übersetzen die Modellausgaben in Zustandsmeldungen und Warnungen im Leitstand.

   ErgebnisKritische Prozesszustände werden erkannt, solange sie noch beherrschbar sind. Das reduziert ungeplante Stillstände und schützt die Anlage vor Schäden, die entstehen, wenn Störungen erst über ihre Folgen auffallen. Die Prozessführer erhalten zugleich eine durchgehende statistische Sicht auf den Anlagenzustand, und der Gefahrenbereich muss für die Routineüberwachung nicht mehr betreten werden.

   Mein BeitragAuswahl der Optik, Aufbereitung und Annotationssteuerung der Daten, Modellauswahl, Training und Validierung, Quantisierung für die Embedded-Inferenz sowie Auslegung der nachgelagerten Bildverarbeitung und Prozesslogik.

3. 03

   Automatisierte Oberflächenprüfung an Schmiedeteilen

   AusgangslageAuf einer Linie mit hoher Stückzahl wurden Oberflächenfehler manuell durch Sichtkontrolle erkannt. Die Prüfung war stark von Person, Tagesform und Beleuchtung abhängig, und feine Fehlerbilder wurden unterschiedlich bewertet. Für ein klassisches überwachtes Verfahren fehlte die Datengrundlage: Fehler traten selten auf, das Fehlerspektrum war nicht vollständig bekannt, und jedes neue Fehlerbild hätte erneut Daten und Training erfordert. Gutteile lagen dagegen in großer Zahl vor.

   LösungUmkehr des Ansatzes. Statt Fehler zu lernen, lernt das Modell den Normalzustand aus Gutteilaufnahmen und meldet Abweichungen davon. Umgesetzt mit einem Few-Shot-Verfahren auf Basis vortrainierter Feature-Extraktoren, das ohne annotierte Fehlerbilder auskommt. Die Aufnahme erfolgt mit hochauflösenden Kameras bei definierter Beleuchtung; die Auswertung läuft patchweise über die Bauteiloberfläche, um auch feine Merkmale zu erfassen, die bei einer Betrachtung des Gesamtbilds untergehen würden.

   ErgebnisOberflächenfehler werden mit gleichbleibender Empfindlichkeit erkannt, unabhängig von Prüfer und Schicht. Das System ergänzt die manuelle Kontrolle, indem es auffällige Teile zur Nachprüfung markiert, statt die Entscheidung vollständig zu übernehmen. Neue Fehlerbilder werden erkannt, ohne dass sie vorher gelernt werden mussten, und die Inbetriebnahme weiterer Varianten verkürzt sich, weil nur Gutteile aufgenommen werden müssen.

   Mein BeitragVerfahrensauswahl, Auslegung von Kamera und Beleuchtung, Aufbau der patchbasierten Auswertung, Validierung sowie Festlegung der Entscheidungsschwellen im Abgleich mit der Qualitätssicherung.

4. 04

   Digitaler Fingerabdruck zur Materialflussverfolgung

   AusgangslageGusszwischenprodukte mit rauer Gussoberfläche wurden in der internen Logistik unsortiert geführt. Eine eindeutige Zuordnung einzelner Stücke über die Prozesskette war nicht möglich, sodass sich Qualitätsbefunde am Ende nicht auf die Produktionsparameter am Anfang zurückführen ließen.

   LösungMarkierungsfreie Identifikation über die Oberflächentextur selbst: Aus den Gussstrukturen wird mit SIFT und verwandten Feature-Deskriptoren ein digitaler Fingerabdruck erzeugt und mit vorhandenen Prozessnummern verknüpft. Einzelne Stücke lassen sich damit ohne physische Kennzeichnung wiedererkennen, auch wenn sie die Reihenfolge verlassen haben.

   ErgebnisDer Materialfluss ist auch bei unsortierter Logistik nachvollziehbar. Qualitätsbewertungen lassen sich mit den zugehörigen Produktionsparametern zusammenführen, was die statistische Ursachenanalyse von Ausschuss erst möglich macht.

   Mein BeitragKonzeptidee, Auswahl und Abstimmung der Feature-Deskriptoren sowie Auslegung des Matching-Verfahrens auf die Bedingungen der Gussoberfläche.

5. 05

   Automatisierte Erfassung von Barcodes und Produktdaten

   AusgangslageIn der Intralogistik mussten Barcodes und Produktinformationen in wechselnden Formaten und Positionen erfasst werden. Feste Leseeinrichtungen stoßen dabei an Grenzen, weil Lage und Ausführung der Kennzeichnung variieren.

   LösungZweistufiges Verfahren: Eine Objekterkennung lokalisiert die Kennzeichnung im Bild und schneidet den relevanten Bereich zu, ein nachgelagertes Open-Source-Barcode-Modell wurde auf die vorliegenden Codetypen und Aufnahmebedingungen nachtrainiert.

   ErgebnisKennzeichnungen werden unabhängig von Position und Ausführung zuverlässig gelesen. Die Produktdaten stehen dadurch automatisiert im Materialfluss zur Verfügung.

   Mein BeitragAuswahl von Kamera und Objektiv, Modellauswahl und Finetuning sowie Auslegung der Verarbeitungskette.

Branchen und Anwendungsfelder