Praline Digital

Effiziente Unterstützung von Bedienpersonal bei der Erkennung und Behebung von Qualitätsmängeln

Qualitätsmängel an Produkten und Halbfabrikaten verursachen immer wieder Ausschuss und Stillstandzeiten. Ihre Erkennung und die Entnahme fehlerhafter Produkte erfordert einen hohen Personalaufwand, welchen viele Unternehmen angesichts des Personalmangels oftmals nicht mehr aufbringen können.

Der Einsatz digitaler Bedienerassistenzsysteme ist hier eine zukunftssichernde Lösungsstrategie. Die Assistenzsysteme erfassen und analysieren die Störungssituation und stellen den Maschinenbedienenden dann anhand der getroffenen Situationsbeschreibung aus einer Datenbank Informationen zur Fehlerursache und passende Lösungsvorschläge bedarfsgerecht zur Verfügung.

Durch die digitale Unterstützung des Personals bei der nachhaltigen Beseitigung der Fehlerursachen können Assistenzsysteme Unternehmen dabei unterstützen, Ressourcen und Kosten einzusparen und den Herausforderungen des Fachkräftemangels erfolgreich zu begegnen.

Integration in Bestandsanlagen

Eine Integration des Bedienerassistenzsystems »imageSAM« in bestehende Anlagen ist einfach und kostengünstig möglich. Um die konkrete Umsetzbarkeit einer solchen Integration sowie das Potential der Technologielösung erlebbar zu machen, wird im Forschungsprojekt eine im »Schokoladentechnikum« vorhandene Produktionslinie zur Herstellung von Pralinen im Kaltstempel- oder One-Shot-Verfahren entsprechend mit Webcams und Beleuchtungstechnik ausgestattet und die erfassten Daten mithilfe von Trainingsdatensätzen ausgewertet.

Damit haben interessierte Unternehmen die Möglichkeit, die Funktionsweise eines Bedienerassistenzsystems bei der Erkennung und Zuordnung von Fehlern im Verarbeitungsprozess und der Anleitung zur Behebung der Fehlerursachen an einer industrienahen Produktionsline kennenzulernen und sich vom Nutzen zu überzeugen.

Auf das "Warum" kommt es an!  

Der Einsatz von visuellen Systemen zur Qualitätskontrolle ist nicht neu. Allerdings zielen diese Systeme bisher meist nur darauf ab, fehlerhafte Produkte zu erkennen und auszuschleusen. Eine Beseitigung der Ursachen erfolgt so nicht. Fehler können daher immer wieder vorkommen und zu Ausschuss führen. Dann ist wieder das Erfahrungswissen des Bedienpersonals gefragt, um von den Fehlerbildern auf die -ursache zu schließen.

Im Rahmen des Forschungsprojektes »imageSAM« wurden am Fraunhofer IVV Machine-Learning-Modelle zur Klassifikation von Bildern mit typischen Störungen entwickelt und die erreichbare Genauigkeit der Zuordnung zu den Störungsursachen ermittelt.

Durch die Verknüpfung von Fehlerbildern mit den -ursachen ist es möglich, den Bedienenden exakt passende Hinweise zur Fehlerbehebung für die erkannte Abweichung z. B. über Tablet, Smartphone oder PC zu Verfügung zu stellen.

Projektinformationen