Im Projekt „KI basierte optische Qualitätssicherung in der Konfektion von Hitzeschutztextilien“ sollte ein Qualitätssystem mit einfachen Mitteln realisiert werden. Protagonist ist dabei der Druckknopf. Mittels KI-Bildanalyse wurden Bilder von einer großen Anzahl Druckknöpfe manuell klassifiziert und angelernt. So kann das System am Projektende nun anhand von Detailfotos eines Druckknopfes mit einem neuronalen Netz erkennen, welche Druckknöpfe fotografiert wurden und kleinste Veränderungen am Produkt erkennen und unterscheiden.

Wir haben mit Michael Volker Thomas, Geschäftsführer der Delta T GmbH, über das Projekt und seine Anwendung im Firmenalltag gesprochen, den eigenen Erkenntnisgewinn sowie Herausforderungen, denen im Projekt begegnet wurde.

Wie finden die Erkenntnisse aus dem Projekt Anwendung in der Praxis?

Die aus dem Projekt gewonnenen Erkenntnisse wurden zur Grundlage für ein Lastenheft genommen, welches verschiedenen Industriepartnern aus der Automatisierungsbranche zur Verfügung gestellt wurde. Gegenwärtig sind wir noch in der Auswertung der verschiedenen Angebote mit dem Ziel, einen entsprechenden Prüfplatz fertigen zu lassen. Dadurch sollen, voraussichtlich in 2023, die Projekterkenntnisse in einer Serienanwendung Fuß fassen. Ich denke, vielen ist durch das Projekt viel klarer geworden, dass es zwingend notwendig ist, eine funktionsfähige 100 % Prüfung bei den Produkten zu haben.

Konnten Sie durch das Projekt Ihr eigenes Wissen im Bereich „Künstliche Intelligenz“ erweitern?

Definitiv. Wir hatten zuvor in diesem Bereich kaum Wissen und keine wirkliche reale Vorstellung, was KI leisten kann. Auch wo man KI einsetzen kann und wo, zumindest zum heutigen Zeitpunkt, auch die Grenzen liegen. Interessant dabei ist, dass sich das rasend schnell weiterentwickelt. Wir schauen also gespannt nach vorne.

Welche Herausforderungen gab es im Projekt und wie sind Sie diesen begegnet?

Zum Anlernen der KI benötigt man viele Musterteile. In unserem Falle sind das viele Fehlteile mit den unterschiedlichen Fehlern und Ausprägungen. Dafür musste zunächst ein Fehlerkatalog bzw. eine Fehlermatrix erstellt und dann quasi „Artefakte“ geschaffen werden. Dabei hat sich herausgestellt, dass manche Fehler, z. B. Toleranzfehler, auch vom Prüfer abhängig sind. Die KI braucht aber harte Entscheidungsgrenzen. Mit Hunderten von Fehlteilen konnte die KI dann gut gefüllt werden, sodass eine stabile Basis an Daten vorhanden war.

Und um noch ein konkretes Beispiel zu nennen: Insbesondere das Fehlerbild „Doppelschuss“ war eine Herausforderung. Als Hintergrund für unsere Aufnahmen nutzen wir Aluminiumfolie. Im Falle von edelstahlfarbigen Druckknöpfen ist der Kontrast jedoch recht gering und die Verformung der Kugel auch nur gering. Trotzdem konnte dies von der KI später gut als Fehler detektiert werden.

 

Erfahren Sie mehr zum Projekt: Kl-basierte optische Qualitätssicherung in der Konfektion von Hitzeschutztextilien.