Ziel der Entwicklung
Das Projekt wurde initiiert, um die Qualitätskontrolle in der Serienfertigung effizienter, präziser und zerstörungsfrei zu gestalten. Herkömmliche Prüfmethoden sind oft zeitintensiv und erfordern spezielles Fachwissen, was die Produktionskosten erhöht und die Fehlererkennungsrate einschränkt. Ziel des Projekts war es, mithilfe von Künstlicher Intelligenz (KI) in Kombination mit einer Hochgeschwindigkeitskamera (HS-Kamera) und einem Messmikrofon eine genauere und effizientere Klangprüfung von Bauteilen zu ermöglichen.
Die HS-Kamera erfasst die Deformationen der Bauteile in Echtzeit und liefert hochauflösende visuelle Daten. Dadurch lassen sich Schwingungen und Oberflächenbewegungen detailliert analysieren, wodurch selbst kleinste Materialfehler und Mikrorisse sichtbar werden, die akustische Anomalien verursachen können. Das Messmikrofon erfasst den Luftschall über einen breiten Frequenzbereich und ermöglicht so die präzise Identifikation von Schwingungen, die durch verschiedene Materialprobleme entstehen.
Die Kombination beider Technologien sorgt für eine doppelte Validierung, wodurch die Genauigkeit der Fehlererkennung erhöht wird. Dies verbessert die Zuverlässigkeit der Qualitätsprüfung erheblich. Die breite Frequenzabdeckung beider Messgeräte ermöglicht zudem eine umfassendere Erkennung von Fehlern. Durch den Einsatz von KI-Algorithmen zur Analyse der kombinierten Daten wird eine präzise und effiziente Qualitätskontrolle in Echtzeit gewährleistet – und das mit weniger Expertenwissen.
Vorteile und Lösungen
Um die Qualitätskontrolle in der Serienfertigung effizienter und präziser zu gestalten, wurde eine Lösung entwickelt, die visuelle und akustische Daten kombiniert und mithilfe von Künstlicher Intelligenz (KI) auswertet. Der Ansatz bestand darin, eine Hochgeschwindigkeitskamera (HS-Kamera) und ein Messmikrofon parallel einzusetzen, um die äußeren Bewegungen von Bauteilen und die dazugehörigen akustischen Signale zu erfassen. Die HS-Kamera nimmt die Schwingungen und Deformationen der Bauteile flächig auf. Im Gegensatz zu punktuellen Sensoren ermöglicht diese flächige Erfassung die gleichzeitige Analyse zahlreicher Messpunkte, was eine detaillierte Erkennung selbst kleinster Bewegungen und Materialfehler erlaubt. Das Messmikrofon erfasst den Luftschall über einen breiten Frequenzbereich und erkennt akustische Anomalien, die auf Materialprobleme oder strukturelle Defekte hindeuten. Die visuell erfassten Bewegungen und die akustischen Signale werden zeitlich exakt aufeinander abgestimmt, um eine genaue Zuordnung von optischen Veränderungen und den dazugehörigen Schallereignissen zu ermöglichen.
Die kombinierten Daten werden anschließend in einem gemeinsamen Convolutional Neural Network (CNN) verarbeitet. Das CNN lernt, Muster in den visuellen und akustischen Signalen zu erkennen, die auf Defekte hindeuten. Durch die gleichzeitige Analyse von Bild- und Tondaten können Fehler identifiziert werden, die nur durch die Kombination beider Datenquellen sichtbar werden. Die doppelte Validierung durch die beiden Messmethoden führt zu einer höheren Genauigkeit und Zuverlässigkeit der Fehlererkennung. Zudem erfordert die KI-gestützte Analyse kein spezielles Fachwissen, was die Bedienung für das Produktionspersonal erleichtert. Die Kombination von flächigen visuellen Daten, akustischen Signalen und KI-basierter Auswertung ermöglicht eine präzise und effiziente Qualitätskontrolle mit einer verbesserten Fehlererkennungsrate.
Zielgruppe und Zielmarkt
Die Zielgruppen der entwickelten Lösung umfassen Unternehmen aus verschiedenen Industrien, insbesondere der Automobil-, Luftfahrt-, Elektronik- und Maschinenbauindustrie. Diese Branchen benötigen präzise, effiziente und automatisierte Qualitätskontrollen in der Serienfertigung, um Produktionsfehler frühzeitig zu erkennen und die Produktqualität zu sichern. Besonders Hersteller von sicherheitskritischen Bauteilen, wie Bremsen, Turbinen oder Motoren, profitieren von der Lösung. Internationale Märkte, insbesondere in Europa, Nordamerika und Asien, bieten großes Potenzial, da der Trend zur Digitalisierung und Automatisierung in der Fertigung weltweit wächst.
Anwender profitieren von einer erheblich verbesserten Fehlererkennungsrate, die durch die Kombination von flächigem visuellem Monitoring und akustischer Analyse ermöglicht wird. Die Hochgeschwindigkeitskamera liefert hochauflösende Bilddaten, die eine flächige Erfassung von Schwingungen und Deformationen der Bauteile erlaubt. Gleichzeitig erfasst das Messmikrofon akustische Anomalien, die auf Materialfehler hinweisen. Durch die KI-basierte Auswertung der gesammelten Daten werden Fehler schneller und präziser identifiziert, sodass die Fehlererkennung nicht mehr auf Expertenwissen angewiesen ist. Der Transfer der FuE-Ergebnisse in Anwenderunternehmen erfolgt durch eine einfache Integration der Lösung in bestehende Produktionsprozesse.
Wirtschaftlich gesehen erwarten wir, dass die Lösung die Wettbewerbsfähigkeit unserer Einrichtung stärkt, indem sie uns ermöglicht, neue Kunden in der Fertigungs- und Prüfbranche zu gewinnen. Die Skalierbarkeit der Lösung auf unterschiedliche Industrien und Anwendungen bietet zusätzliches Umsatzpotenzial und stärkt unsere Marktstellung als Anbieter innovativer, auf KI-basierter Qualitätssicherungstechnologien.
