Qualitätsprüfung war schon immer eine Kernaufgabe der Fertigung. Klassische Verfahren stoßen jedoch an Grenzen, sobald Taktzeiten kurz und Bauteile variantenreich werden. Lernende Verfahren ändern das, weil sie Prüfaufgaben übernehmen, die sich mit festen Regeln nicht abbilden lassen.
Wo klassische Prüfung an Grenzen stößt
Sichtprüfung durch Personal unterliegt Ermüdung und Tagesform und ist im Durchsatz begrenzt. Statistische Prozessregelung arbeitet systematischer, prüft aber Stichproben statt jedes Teil. Beide Wege lassen Fehler durch, die später teuer werden.
Lernende Verfahren gehen anders vor: Anhand vieler Beispiele für gute und fehlerhafte Teile erkennt das Modell Muster, die einer festen Regel entgehen.
Welche Verfahren eingesetzt werden
Überwachte Klassifikation
Der häufigste Fall. Ein Modell wird mit gekennzeichneten Aufnahmen guter und fehlerhafter Teile trainiert. Faltende neuronale Netze eignen sich dafür besonders und erreichen in der Praxis sehr hohe Trefferquoten.
Anomalieerkennung
Wenn Fehler selten oder in ihrer Erscheinungsform nicht vorhersehbar sind, lernt das Modell den Normalzustand und meldet Abweichungen. Das ist dann sinnvoll, wenn kaum Fehlerbeispiele vorliegen, was in gut eingefahrenen Prozessen die Regel ist.
Auswertung von Zeitreihen
Für die prozessbegleitende Überwachung werden Sensordatenströme ausgewertet, um Abweichungen von den Sollparametern zu erkennen, bevor Ausschuss entsteht.
Worauf es bei der Einführung ankommt
Zuerst die Datengrundlage
Ohne saubere Aufnahmen kein brauchbares Modell. Investieren Sie zuerst in Beleuchtung, Kameraposition und ein geordnetes Verfahren zur Kennzeichnung der Bilder. Als Anhaltswert gelten mindestens einige hundert bis tausend Aufnahmen je Fehlerklasse.
Auswertung nahe an der Anlage
Die Prüfung läuft im Takt der Linie. Die Modelle gehören deshalb auf Rechner in der Nähe der Maschine, damit die Auswertung schnell genug erfolgt und nicht von einer Netzverbindung abhängt.
Nachtrainieren einplanen
Werkzeuge verschleißen, Materialchargen schwanken, Parameter werden nachgestellt. Ein Modell, das einmal trainiert und nie wieder angefasst wird, verliert an Treffsicherheit. Planen Sie den Ablauf für das Nachtrainieren von Anfang an mit ein.
Was sich damit erreichen lässt
Betriebe berichten von deutlich weniger durchgelassenen Fehlteilen und spürbar geringerem Ausschuss. Wie groß der Effekt ausfällt, hängt stark vom Ausgangszustand und von der Prüfaufgabe ab; belastbare Aussagen liefert nur ein Versuch am eigenen Bauteil.
Einstieg
ED WARTENS Deutschland behandelt in den Kursen den vollständigen Weg: Datenerfassung, Training, Auswertung nahe an der Anlage und die Anbindung an vorhandene Steuerungs- und Leitsysteme.