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

Ausgangssituation

Ein Automobilzulieferer hatte Qualitätsprobleme mit einem Produkt, welche nicht zuverlässig genug erkannt werden konnten
Die Qualitätsmängel entstanden durch kleine Partikel von etwa 150 µm, welche das aktuelle Prüfsystem nicht erkannte
Eine visuelle Kontrolle durch das Bedienpersonal war aufgrund der schieren Produktmenge und der nötigen Effizienz des Kontrollverfahrens nicht möglich
Durch einen Imageschaden drohten Marktanteile verloren zu gehen
Ein neues Inline-Inspektionssystem sollte entwickelt werden

< 0 ppm

Unentdeckte Fehler erzielt

0 Mio. €

Kosteneinsparung durch weniger Produktrückrufe realisiert

Fakten

Für die Ursachenanalyse und Entwicklung identifiziert

Ein bildgebendes Inline-Inspektionssystem auswählen und gemeinsam mit dem Lieferanten installieren
Bilder klassifizieren und indexieren
Ausgewählte KI-Modelle trainieren und in Bezug auf Sensitivität und Spezifität bewerten
Den UMS-KI-Ansatz anwenden, um sich auf die leistungsstärksten Algorithmen zu konzentrieren
Inspektionssystems in Zusammenarbeit mit dem Lieferanten verbessern und dessen Eignung nachweisen

Verbesserung der Montageprozesse durch optimierte Entwicklung in der Automobilbranche

Steigerung der Genauigkeit von Qualitätsprüfungen durch Künstliche Intelligenz in der Automobilbranche

Effizienzsteigerung bei Qualitätsprüfungen durch KI-gestützte Bilderkennung in der Automobilbranche

Alle Projektbeispiele

Weitere Referenzen entdecken.