Das International Center for Networked, Adaptive Production (ICNAP) der drei Aachener Fraunhofer-Institute stellt auf der SPS in Nürnberg vom 12. bis 14. November 2024 in Halle 6 am Stand 6-357 ein KI-gestütztes Analysesystem zur visuellen Qualitätskontrolle vor. Bei dem Modell zu automatisierten Fehlererkennung an Schweißnähten wird das Batteriezellmodul manuell unter eine Kamera gelegt und ein Foto erstellt, das anschließend von einem vorab trainierten Deep-Learning-Modell analysiert wird. Die Künstliche Intelligenz erkennt während der laufenden Produktion selbstständig Fehlerstellen, die sonst im Anschluss durch geschulte Fachkräfte identifiziert werden müssten. Das neue System zeigt hingegen die Fehlererkennung unmittelbar in Echtzeit farblich an – rot für ein fehlerhaftes und grün für ein einwandfreies Produkt. So lassen sich Defekte bereits im Produktionsprozess aufdecken und Ausschuss frühzeitig vermeiden.
Das vorgestellte System prüft speziell Batteriezellmodule, es kann jedoch auch auf zahlreiche andere Produkte übertragen werden, die eine visuelle Oberflächenprüfung erfordern. Das Verfahren steigert die Produktionseffizienz durch eine gleichbleibende und objektive Qualitätssicherung und entlastet Fachkräfte von dieser Routineaufgabe. Die Fehlerquote des Systems sinkt im Laufe der Zeit weiter durch eine wachsende Menge an Trainingsdaten. Dabei kann die Datenanalyse entweder direkt vor Ort auf dem Shopfloor oder anhand externer Cloud-Systeme stattfinden.
