Vision-System nutzt Künstliche Intelligenz zur Inspektion

Die Qualitätssicherung von Kunststoffteilen erfolgt mit dem hybriden Roboter-Vision-System Kitov One sehr flexibel. Foto: Kitov Systems

Das flexible Roboter-Vision-System Kitov One von Kitov Systems erlaubt mit Künstlicher Intelligenz eine schnelle 100-Prozent-Kontrolle von Kunststoffteilen.

Das hybride 2D-/3D-Roboter-Vision-System des israelischen Unternehmens macht sich Künstliche Intelligenz zunutze, um die Nachteile einer manuellen Inspektion zu umgehen: Hier entstehen oft inkonsistenten Prüfergebnisse, da die je nach Tagesform und Stimmungslage, durch Müdigkeit und nachlassende Konzentration aufgrund der monotonen Tätigkeit bei vergleichbarer Qualität unterschiedliche und auch subjektiv beeinflusste Bewertungen abgeben können. Kitov One ist in der Lage, typische Fehler bei Kunststoffteilen wie zum Beispiel nicht eingerastete Kunststoffzungen, plastische Verformungen und Überspritzungen, fehlende oder beschädigte Metall-Inlays, -Clips oder andere Befestigungselemente, fehlerhaft bedruckte oder angebrachte Etiketten, fehlende Gummibauteile oder Kratzer auf der Oberfläche aufzudecken.

Kombination aus Kamera, Beleuchtungstechnik, Roboter und Drehtisch

Um eine effektive Inspektion zu gewährleisten, kombiniert Kitov One Kamera- und Beleuchtungstechnik mit der Flexibilität eines Roboters sowie mit einem Drehtisch, der bestimmte Prüfmerkmale zur Kamera hindrehen und somit die Taktzeit zusätzlich verringern kann.

Mit dem Roboter-Vision-System des israelischen Unternehmens, an dem auch die Hahn Group beteiligt ist, können Kunststoffverarbeiter innerhalb von wenigen Stunden einen Inspektionsplan zur automatischen optischen Inspektion ihrer Produkte erstellen. Eventuell notwendige Änderungen oder Anpassungen des Inspektionsplanes können innerhalb kurzer Zeit durchgeführt werden. Atecare, deutscher Vertriebspartner von Kitov Systems, hilft bei der Schulung der Mitarbeiter und unterstützt Kunden bei der Umsetzung der ersten Anwendungen.

Vision-System lässt sich auf jedes Produkt individuell zuschneiden

Kitov One hat in diesem Fall die Überspritzung eines Bauteils erkannt. Dabei hilft auch der Einsatz von Künstlicher Intelligenz. Foto: Atecare

Olaf Römer, Geschäftsführer von Atecare mit Sitz in Bergkirchen: „Bei Kitov One geht es nicht um ein weiteres robotergeführtes 3D-Messsystem. Der Kitov One ist ein rein visuelles Inspektionssystem, das es so in der heutigen Industriefertigung noch nicht in dieser flexiblen Form gibt. Die automatisierte visuelle Inspektion kann alle Parameter erkennen und messen, die über die Software ausgewählt beziehungsweise angelernt werden.“ Das heißt, die Inspektion wird auf jedes Produkt individuell zugeschnitten. Sowohl Baugruppe oder fertiges Endprodukt können so vor dem Einbau oder der Kundenübergabe kontrolliert werden.

Das System unterstützt den Anlernvorgang mit vielen automatischen Funktionen und lernt auch mithilfe von „Deep Learning“ ständig hinzu, sodass die Prüfroutinen automatisch stetig optimiert werden. Auf diese Weise wird die Pseudofehlerrate sukzessive auf ein vernachlässigbares Minimum reduziert. Alle Prüfergebnisse werden durchgängig dokumentiert und abgespeichert, so dass das System eine nachvollziehbare, einheitliche und personenunabhängige Qualitätskontrolle ermöglicht.

Künstliche Intelligenz trainiert das Robot-System

Mit Künstlicher Intelligenz lässt sich Kitov One trainieren, Fehler zu klassifizieren und daraus eine Entscheidung abzuleiten. „So kann der Anwender das Softwaresystem trainieren, um den Unterschied zwischen einem guten und einem schlechten Prüfling zu lernen. Die Software analysiert dann die Bilder und unterscheidet in einem Soll-Ist-Vergleich die Beziehungen zwischen den Merkmalen, um daraus abzuleiten, ob der Prüfling gut oder schlecht ist. Aus diesen Merkmalen leitet Kitov One auch künftige Gut-Schlecht-Entscheidungen ab“, erklärt Römer.

Ein solches Deep-Learning-Verhalten kann zum Beispiel Tausende von Bildern einer Schraube erfassen und weiß nicht nur, wo sie sich befindet, sondern ob sie auch den Ansprüchen der Qualitätsvorgaben genügt. „Das heißt, das System weiß nicht nur, wonach es suchen soll, sondern kann auch entscheiden, ob sich das Ergebnis in den vorgegebenen Toleranzen bewegt“, so Römer.

sk