IntelliOptCPQS
Intelligentes und vernetztes Inline-System zur optischen Überwachung und Qualitätssicherung von Oberflächenmerkmalen am Beispiel der Filterherstellung
Qualitätsgarantie durch Vernetzte Inline-Kontrollen
Ziel des Verbundvorhabens IntelliOptCPQS ist die Realisierung eines inline-fähigen, optischen Qualitätssicherungssystems, das über die gesamte Wertschöpfungskette hinweg einheitliche Qualitätsdaten erfasst und bereitstellt. Heutzutage erfolgen in Herstellungsprozessen meist individuelle Qualitätskontrollen, die sich bei den an der Wertschöpfungskette beteiligten Unternehmen stark unterscheiden können. Dies führt zu redundanten Ein- und Ausgangs-kontrollen und so zu einer Verlangsamung der Gesamtproduktion. Die Qualitätskontrollen sind zudem weitestgehend unabhängig voneinander, so dass Qualitätsmerkmale nicht in anderen Instanzen der Wertschöpfungskette mit einbezogen werden können. Ebenso fehlt häufig ein Feedbackmechanismus, welcher vorherigen Instanzen die Möglichkeit gäbe, Prozesse genauer an spezifische Anforderungen anzupassen.
Am Beispiel der Wertschöpfungskette der Herstellung von Keramikschaumfiltern soll demonstriert werden, wie die Teilprozesse aller beteiligten Instanzen durch eine vernetzte und inline-fähige Qualitätssicherung vollständig aufeinander abstimmt werden können: von der Schaumproduktion über die Weiterverarbeitung, die Konfektionierung und bis zur finalen Filterproduktion. Alle ermittelten Qualitätsdaten – in diesem Fall beispielsweise die mittlere Zellgröße und die Zellverteilung innerhalb des Schaums – sollen dabei bidirektional in vorherigen und nachfolgenden Verarbeitungsschritten mit einbezogen werden.
Drei-Augen-Prinzip: Selbstlernende Bildverarbeitung ergänzt durch Mitarbeiterwissen
Zur Realisierung des angestrebten Systems werden an allen beteiligten Produktionsstätten Kamerasysteme eingesetzt. Hierbei liegt der Fokus auf der Verwendung von Standardkomponenten mit vereinheitlichten Schnittstellen und guter Bildqualität bei kompakter Bauweise. Zusätzlich wird eine adaptive Beleuchtung entwickelt, die für ausreichenden Bildkontrast sorgt. Ein zentraler Bestandteil des Projekts ist die Entwicklung selbstlernender Bildverarbeitungsalgorithmen, die in der Lage sind, den vorliegenden Prozess kontinuierlich zu überwachen und dessen Qualität selbständig zu beurteilen. Hierfür werden Prozess- und Erfahrungsdatenbanken erstellt, die neben Qualitätsmerkmalen auch Prozessdaten erfassen und mit dem Wissen erfahrender Mitarbeitern vervollständigt werden. Dies ermöglicht ein gezieltes Training der Algorithmen auf den jeweils vorliegenden Prozess. Alle Qualitätsdaten sollen über die gesamte Wertschöpfungskette erfasst und verwendet werden. Vorgesehen ist zudem ein Nachverfolgungssystem und eine Ergebnisplattform, welche eine konsistente Zuordnung der Qualitätsdaten ermöglichen. Die finalen Ergebnisse werden auf Zusammenhänge zwischen Qualitäts- und Prozessdaten untersucht, um so eine verbesserte Schaumherstellung bei ganz gezielten Anforderungen zu ermöglichen.
Im Erfolgsfall schafft die Entwicklung eines derart vernetzten Qualitätssystems die Grundlage für die Erteilung einer Qualitätsgarantie des Endproduktes. Die Verwendung von selbstlernenden Algorithmen erlaubt darüber hinaus den Einsatz eines solchen Systems in nahezu beliebigen anderen Anwendungsbereichen. Auch können zusätzliche Sensoren (z. B. Ultraschall) hinzugefügt werden. Innerhalb der Wertschöpfungskette erlaubt das angestrebte System perspektivisch eine komplette Substitution der zurzeit verwendeten, manuellen Offline-Qualitätskontrollen und einen Verzicht auf Ein- und Ausgangskontrollen. Dadurch sollen Prozesse beschleunigt und vermeidbarere Ausschuss reduziert werden.
