Die Anforderungen der Automobilindustrie verlangen nach einem sorgfältig orchestrierten Produktionsprozess. Das gilt auch für die TAS GmbH aus dem bayerischen Kreuzwertheim. Der Spezialist für Oberflächentechnologien hat sich der präzisen Metallveredelung von Komponenten für den Automobilbau verschrieben. In der wettbewerbsintensiven Branche mit ihren hohen Anforderungen an die Sicherheit der Produkte und den Verbraucher- und Umweltschutz spielt das Unternehmen bei der kathodischen Tauchlackierung von Abdeckungen für Batteriefächer von Elektrofahrzeugen eine Schlüsselrolle. Der Schutz der Hochvoltbatterien gegen Außeneinwirkung ist essenziell. Eindringende Feuchtigkeit könnte dazu führen, dass die Batterien durch Korrosion in Flammen aufgehen. Daher müssen die Abdeckungen perfekt mit den Batteriefächern abschließen.
Deep Learning optimiert Fehlersuche
Um ein präzises Finish jedes einzelnen Bauteils zu gewährleisten und den Anforderungen der Automobilindustrie gerecht zu werden, setzt TAS auf die Integration modernster Technologien, darunter eine Deep-Learning-Bildverarbeitungslösung von Zebra Technologies zur Fehlerdetektion. Ein maßgeschneidertes Kamerasystem, das von ID Engineering entwickelt wurde, erfüllt den Bedarf an Präzision und Zuverlässigkeit bei der Erkennung selbst kleinster Oberflächendefekte an den Batterieabdeckungen. Die Batteriedeckel werden zunächst von einem Roboterarm dem Inspektionssystem zugeführt. Die visuelle Inspektion erfolgt durch das speziell angefertigte System aus zehn Kameras. Die Linsen sind strategisch positioniert, um jedes Bauteil in seiner Gesamtheit auf mögliche Defekte zu überprüfen. Die Lösung erfüllt die Anforderungen einer erweiterten Oberflächeninspektion wie Klassifizierung, Segmentierung und Anomalie-Erkennung, den Elektrobatterie-Anwendungsfälle erfordern. Zu Anomalien gehören beispielsweise Unregelmäßigkeiten in der Batteriedeckel-Beschichtung, Kratzer auf der Oberfläche oder Probleme bei der Lasermarkierung.
Kontinuierliche Verbesserung
Das System unterscheidet sich von anderen auf dem Markt durch das Deep-Learning-Add-On von Zebra Aurora Vision Studio, einer integrierten Entwicklungsumgebung für industrielle Bildverarbeitung. Die No-Code-Lösung ermöglicht nicht nur eine schnelle Entwicklung, sondern eine kontinuierliche Verbesserung der Fehlerdetektion. Nach dem anfänglichen Training mit einem umfangreichen Datensatz kann das System auf neue Prüfkriterien nachtrainiert werden und ein Finetuning für dem System bereits bekannte Fehler bekommen. So wird das Modell immer besser darin, Fehler mit hoher Genauigkeit zu erkennen und zu klassifizieren, sodass das System auch bei neuen Herausforderungen in der Produktion präzise reagiert.
Kurze Verarbeitungszeit
Ein weiterer entscheidender Faktor für den Erfolg ist die Schnelligkeit des Inspektionssystems. Die Bildverarbeitungslösung bewältigt die enormen Datenmengen des Kamerasystems in wenigen Sekunden und schneller als andere getestete Technologien. Das Deep-Learning-Framework ist im Hintergrund mit effizientem C++Code für extrem schnelle Verarbeitungszeiten programmiert – in einer hochvolumigen Produktionsumgebung unerlässlich. Zusätzlich zu seiner technischen Effizienz bietet das System eine benutzerfreundliche Oberfläche, die es Mitarbeitenden ermöglicht, die Ergebnisse der Fehlerdetektion schnell und einfach auszuwerten. Dank der Visualisierungen erkennen Produktionsleiter und Ingenieure sofort, welche Bauteile fehlerhaft sind und welche Korrekturmaßnahmen erforderlich sind. Diese Benutzerfreundlichkeit steigert nicht nur die Effizienz, sondern fördert auch die Akzeptanz und Integration der neuen Technologien in den Arbeitsalltag.
