Prozessoptimierung bei Schüller Küchen

Automatisierte Porenerkennung zur Identifikation von Bauteilen

Höchste Präzision im Produktions- und Qualitätssicherungsprozess durch DENKnet

Rund 60 Jahre Erfahrung und Erfolg

DENKnet als Teil der Erfolgsgeschichte

„Schüller. Küchen fürs Leben“ heißt der Slogan des Unternehmens aus Mittelfranken, Deutschland. Seit 1966 werden dort Küchen „höchster Qualität, Individualität und Alltagstauglichkeit“ gebaut. 700 bis 800 Küchen werden pro Tag produziert, über 35 Länder weltweilt beliefert, die Mitarbeiterzahl wächst stetig. Damit das auch weiterhin so bleibt, optimiert das Unternehmen seine Produktionsprozesse stetig. Daher wurde nun die Anlage, in der Bauteile identifiziert werden, mit Bildauswertungs-KI ausgestattet.

Identifizierung von Bauteilen

Ziel: Fehlerquote reduzieren

Jedes Bauteil ist einem Kunden zugeordnet und wird, z.B. zum Lackieren, kurzzeitig ausgelagert. Danach muss das Bauteil wieder korrekt identifiziert und zugeordnet werden. Diese Aufgabe wurde früher durch aufwändiges, manuelles Vermessen des einzelnen Bauteils realisiert. Dieser Schritt sollte nun effizienter, nämlich automatisiert, von statten gehen.

KI-gestützte Porenerkennung

Die Identifikation eines Bauteils muss anhand farbunabhängiger Kriterien erfolgen. Ein weiteres Kriterium ist die Maserung, welche auch nach einer Lackierung erkennbar ist. Das Unternehmen versuchte zunächst, die Aufgabe mittels klassischer Algorithmen und anderer Anbieter zu lösen. Die Versuche waren jedoch mit Fehlerquoten zwischen 7 und 1 Prozent sehr unbefriedigend. Schließlich wandte sich das Unternehmen an DENKweit. Bereits erste Testbilder zeigten, dass sich das Unternehmen weder mit einer Fehlerquote von 7% noch mit 1% zufriedengeben muss. Die Porenerkennung durch DENKnet wurde direkt während des regulären Produktionsprozesses mit einer Fehlerquote von nur 0,1% realisiert.

Porenstruktur oder glatte Front?

Herausforderung: Kontraste tiefschwarzer Oberflächen

Bild links: Porenstruktur.

Bild rechts: Front ohne Pore.

Eine Unterscheidung, ob es sich um eine glatte Struktur oder eine Porenstruktur handelt, muss bei sämtlichen Farben (auch Schwarz) zuverlässig erfolgen.

Ein entsprechendes KI-Training über alle Farben und Fronten war dem zufolge notwendig. Schüller setzte nach einem Training mit nur ca. 720 Bildern bereits eine zuverlässige KI ein. Zum Einsatz kommt die Technologie der „Classification“, da für das Unternehmen die Position der Poren unerheblich sind.

Integration in die vorhandene Anlage

Die DENK Vision AI konnte problemlos in die bestehende Anlage integriert werden, ohne bauliche Veränderungen oder Ausbauten an Lichttechnik etc. vorzunehmen. Lediglich eine Grafikkarte musste eingesetzt werden, um die volle KI-Leistung und Auswertung im Sekundentakt nutzen zu können.

Vorher - Nachher

Vor dem Einsatz des DENKnets: Nutzung externer KI: In 3 Tagen wurden von 12000 Bauteilen ca. 150 falsch zugeordnet, die daraufhin manuell umsortiert werden mussten. Fehlerquote > 1%. Mit dem Einsatz eines DENKnets: In 3 Tagen wurden von 12000 Bauteilen nur 13 falsch zugeordnet. Fehlerquote 0,1 %.

Porenerkennung mit Fehlerquote <0,1%

Schüller konnte im DENK VISION AI Hub selbst die KI nachtrainieren. Sie hatten speziell eine Farbe im KI-Training vernachlässigt, was zur Falscherkennung der 13 Teile führte. Sie ergänzten ihr Projekt um Bilder jener Bauteile und trainierte die KI damit nach. Ergebnis: Eine Porenerkennung mit einer Fehlerquote < 0,1%. Das Unternehmen spart zeitlichen und damit finanziellen Korrekturaufwand sowie Reklamationen.