Steigerung der Genauigkeit von Qualitätsprüfungen durch Künstliche Intelligenz in der Automobilbranche

Ausgangssituation

Ein deutsches Automobilunternehmen führte die Überwachung von Schweißnähten mithilfe einer Werkerselbstkontrolle durch
Das Unternehmen befand sich in einem stark regulierten Marktumfeld mit strengen Anforderungen an die Güte der Qualitätssicherung
Die mangelnde Genauigkeit des visuellen Prüfsystems sorgte für hohe Nacharbeitsquoten und Reklamationen von Kunden
Das Unternehmen musste daher dringend die Genauigkeit seines Prüfsystems verbessern, um drohende finanzielle Verluste abzuwenden

0 %

Zeitaufwand in der Inspektion reduziert

99,5 %

Genauigkeit des Systems erreicht

Ursachen

Für mangelnde Genauigkeit identifiziert

Ein bildgebendes Prüfungsverfahren mit KI-gestützter Auswertung einführen
- Mittels Computertomographie (CT) Bilder der (verdeckten) Schweißstellen generieren
- Referenz-Trainings- und Testdatensätze entsprechend den Defekten und den Spezifikationen erstellen
- Leistung verschiedener Systeme gemäß dem Stand der Technik bewerten und das beste Modell auswählen
Hochqualitative Trainings- und Testdatensätze mit UMS Know-how zusammenstellen und verwenden

Verbesserung der Montageprozesse durch optimierte Entwicklung in der Automobilbranche

In-line Fehlererkennung durch Einführung von KI-gestützten Inspektionssystemen in der Automobilbranche

Effizienzsteigerung bei Qualitätsprüfungen durch KI-gestützte Bilderkennung in der Automobilbranche

Alle Projektbeispiele

Weitere Referenzen entdecken.