Fehlererkennung & Qualität by opdi-tex

Mit prozessbezogener Qualitätskontrolle rechtzeitig Produktionsfehler vermeiden

☑️ Je höher die Fehlererkennungsrate um so besser die Qualität !

Mit welchen Qualitätsproblemen haben Sie zu kämpfen?

Oder haben Sie schon mal eroiert, was Ihnen in Ihrer Produktion die meisten Ressourcen kostet?…
…an wertvoller Zeit, Energie, Material oder „human resources“…

  • Welchen Anteil an den Gesamtkosten hat der Materialaufwand in Ihrer Produktion?
  • Wie sich Ihre Qualitätsprobleme vielleicht noch lösen lassen?
  • Wieviel Nacharbeitszeiten ließen sich durch rechtzeitige Fehlererkennung einsparen?
  • Um wieviel könnten Sie Ihren Ertrag steigern, wenn weniger Ausschuss anfallen würde?
  • Ist mehr Effizienz bei gleichzeitiger Qualitätssteigerung möglich?

Mehr Qualität & Effizienz durch bessere Fehlererkennung! …Sie möchten wissen wie?…

Fehlererkennung und Qualitätskontrolle

☑️ Intelligente Qualitätskontrolle by opdi-tex macht's möglich!

Setzen auch Sie auf automatisierte Fehlererkennung, Qualitätskontrolle & optimierte Prozesssteuerung, um in Zeiten von Industrie 4.0 wettbewerbsfähig zu bleiben und immer einen Schritt voraus zu sein! Mit opdi-tex als innovativem Technologiepartner auf Augenhöhe können Sie effizienter produzieren, und somit wertvolle Ressourcen einsparen. Nutzen Sie unser Know-How bei optischer Qualitätssicherung für Ihren Erfolg!

OnLoom-Inspektion_by_opdi-tex_collage_web

☑️ Ihr Nutzen durch automatisierte Fehlererkennung

Die automatisierte Prozess- & Qualitätsüberwachung bietet Ihnen viele Vorteile & ein großes Einsparungspotenzial:

…was Sie gewinnen:

  • bessere Qualität
  • 100% dokumentiert
  • höhere Produktsicherheit
  • Wettbewerbsvorteile durch höhere Kundenzufriedenheit

     

  • höhere Effizienz
  • durch schnellere Prozesse
  • flexibler durch kürzere Produktionsdurchlaufzeiten

…was Sie dadurch einsparen können:

  • weniger Ausschuss 
  • weniger Materialaufwand
  • kostentechnische Einsparungen dadurch
  • Zeiteinsparung durch schnellere Prozesse
  • Arbeitszeit, die für andere Aufgaben frei wird
  • insbesondere in Zeiten von Fachkräftemangel

Fehlererkennung by opdi-tex

…spart Zeit, Energie, Material & wertvolle Mitarbeiter-Kapazitäten

Erfolgsfaktor „Emergenz“
oder
das Null-Fehler-Ziel

Ein wichtiger Erfolgsfaktor in der optischen Qualitätssicherung heißt Emergenz*!

Damit ist das Zusammenführen und Auswerten der Informationen von Mess- oder Prüfkomponenten gemeint, wodurch das Gesamtsystem eine nächsthöhere Leistungsstufe erreichen kann, welche nicht allein aus der reinen Funktionalität der einzelnen Komponenten ableitbar ist.

Produktionsprozess optimieren

Wenn also Informationen von allen Sensoren in einer Anlage zusammengefasst und gemeinsam ausgewertet werden, entstehen ganz neue Möglichkeiten, den Produktionsprozess generell zu verbessern!

Begriffsdefinition: Emergenz

(lateinisch emergere „Auftauchen“, „Herauskommen“, „Emporsteigen“) bezeichnet die Möglichkeit der Herausbildung von neuen Eigenschaften oder Strukturen eines Systems infolge des Zusammenspiels seiner Elemente – auch als disziplinübergreifendes Konzept.

Qualitätssprung mit prozess-bezogener Qualitätskontrolle

Das individuelle Verstehen von Produktionsprozessen ist eine Schlüsselkompetenz, um intelligente Bildverarbeitungs-Lösungen entwickeln zu können.

Wir beraten Sie gern persönlich & freuen uns auf Ihren Kontakt:

info@opdi-tex.de
+49 (0) 8193 937103

Fehler- & Zustandserkennung am laufenden Band

☑️ Welche Technologie bei welchem Material, Verwendungsgebiet & Branche ?

Die Vielfalt an Produkten ist immens und die Anforderungen an den Automatisierungsgrad in der Produktion steigen dadurch stetig. Und genauso vielfältig sind die Umgebungsbedingungen und die jeweiligen Produkteigenschaften: Oberfläche, Größe & Gewicht und die möglichen Fehler!

opdi-tex hat sich auf die optische Qualitätskontrolle von Produkten spezialisiert, die linear auf einem Fließband transportiert werden, zum Zwecke der…

joghurt dummie crossed
ACHTUNG Gesundheitsrisiko durch Produktionsfehler

☑️ Herausforderungen an optische Qualitätssicherung

Im Bereich Qualitätssicherung & Automatisierung gibt es viele komplexe Anwendungsfälle, die sich sehr effizient und noch dazu zerstörungsfrei mit optischen Sensoren lösen lassen. Je nach Branche und Einsatzgebiet gilt es Fehler, Qualitätsmerkmale oder Zustände ganz unterschiedlicher Art zu erkennen.

Produkte

  • Lebensmittel
  • Kekse & Pralinen
  • Tuben
  • Gläser
  • Kosmetika & Spritzen
  • Dachziegel
  • Kotflügel & Metallteile
  • Textilien
  • Parkplätze & Fahrzeuge

>> PlatinenSorter by opdi-tex

Erkennungsmerkmale

>> Deflektometrie – Dellen finden im Blech

Materialien & Oberflächen

Qualität & Prüfkriterien

  • vollständig / unvollständig
  • beschädigt
  • auf Einschlüsse
  • richtig / falsch: >> Joghurt-Platinen
  • je nach Qualitätsklassen

>> Wie per KI  Qualitätsklassen automatisch erlernbar sind!

 
 

Qualitätskontrolle speziell für die Textilindustrie:  >> fadenkontrolle.de

opdi-tex steht für zuverlässige optisch-digitale Qualitätskontrolle in der textilen Produktion mit Sofort- und Langzeitwirkung!

☑️ 20 Jahre opdi-tex | erfolgreiche Fehlerinspektion zur Qualitätssicherung

In der Rubrik >> BRANCHEN zeigen wir Ihnen Beispiele aus den unterschiedlichsten Anwendungsbereichen (eingesetzt von Kühlhaus bis Backofen, von Reinraum bis Fleischproduktion) aus über 20 Jahren branchenübergreifender Expertise: aus den Bereichen Automobil, Food, Print, Pharma, Textil, Verkehr & Verpackung.

Was ist prozessbezogene Qualitätskontrolle?

☑️ Neuer Lösungsansatz durch Verständnis für Ihre Produktionsprozesse

Unser Lösungsansatz folgt dabei nicht dem üblichen Weg, bei dem ein Produkt nur erfasst, analysiert und nach Fehlern bzw. Grenzen untersucht wird. Er liegt vielmehr im Verständnis des Produktionsprozesses!

Außerdem bringen wir als Pionier der industriellen Bildverarbeitung immer auch die Expertise aus über 20 Jahren branchenübergreifender Machine Vision in neue Kundenprojekte mit ein: Wir setzen auf nachhaltige Technologiepartnerschaft!

Im ersten Schritt wird der Produktionsprozess betrachtet, dann die Fehlermöglichkeiten analysiert und schließlich das Qualitätsziel festgelegt.

Danach wird jeder einzelne Produktionsschritt untersucht, um die bestmöglichen Sensoren und deren optimale Position so dicht wie möglich an der potentiellen Fehlerquelle festzulegen.

Bei einem Fehler werden dadurch die Reaktionszeiten so kurz wie möglich gehalten. Das minimiert die Verschwendung von Zeit, Energie, HR und Material.

Die Produktion wird bei einem Fehler sofort angehalten, bevor ein sich fortpflanzender Fehler ein Loch in das Budget reißt!

Im dritten Schritt werden die Informationen der einzelnen Sensoren zu einem großen Bild verknüpft, einem Abbild an diesem Produktionsschritt. Der zeigt die Qualität in genau dieser Produktionsphase.

Die daraus entstehende >> Emergenz macht zusätzliche Vereinfachungen in der Produktion sichtbar und möglich!

Maschenweitekontrolle by opdi-tex

Mehr über das Null-Fehler-Ziel und wie durch Emergenz die Qualitätssicherung in der Textilproduktion nachhaltig verbessert werden kann, …

Darüber wurde 2015 in der [ inspect ] berichtet: Fadenscharwächter by opdi-tex

Von der produkt- zur prozessbezogenen Qualitätskontrolle

Und wie dieser Lösungsansatz zu einem echten Qualitätssprung in der Textilindustrie verhelfen könnte, …darüber wurde 2019 im Schweizer [ TEXTIL plus ] Magazin ausführlich mit vielen Anweindungs-beispielen in 2 Ausgaben berichtet: von der produkt- zur prozessorientierten Qualitätskontrolle – dann klappt auch Textil!

Exzellente Produkte durch exzellente Technologie

☑️ „Wir machen, was sonst keiner schafft - und das in Serienqualität“

☑️ Qualität - die Basis von unserem für Ihren Erfolg

Die Qualität unserer Produktlösungen hat bei opdi-tex stets oberste Priorität!
Regelmäßige Audits (in 2013 | 2016 | 2019) vom TÜV SÜD bestätigen die erfolgreiche Umsetzung in unserer Sensor-Manufaktur. Durch beständige Anwendung und kontinuierliche Verbesserungen gelingt es uns, den selbstgewählt hohen opdi-tex Qualitätsanspruch nachhaltig sicher zu stellen. >> Mehr über unser Qualitätsmanagement by opdi-tex finden Sie hier…

Faktor 10 ...so werden Fehler richtig teuer!

☑️ Fehler und ihre Folgen...

Wie eine Beispiel aus der Metallverarbeitung im Automotive-Bereich veranschaulicht, können aus 0,50 € schnell 5.000 € werden. Dann, wenn ein nicht erkannter Defekt (Lunker) im Ausgangsmaterial, z.B. einer Delle im Blech eines Kotflügels, erst am Ende beim Kunden auffällt, und sich dadurch zum vielfachen potenziert hat. Mit unserer Mehrkopfkamera by opdi-tex wäre das nicht passiert!

100%-Erfassung von Pressfehlern im Metal Shop

Durch eine intelligente Anordnung von vielen preisgünstigen Kameras, die 2D und 3D Bilder ermitteln, hat opdi-tex hierfür eine Lösung gefunden: >> Deflektometrie by opdi-tex

Automobilbranche

Zusammen mit einer angepassten, ebenso intelligenten synchronen Lichtfeldsteuerung ist es nun möglich, diese Vermessung von Reflexen zu automatisieren. Hiermit kann die Oberfläche der Bleche bestimmt werden. Eine intelligente, prozessgetriebene Auswertung ermittelt dadurch Abweichungen von Sollformen – auf Pressfehler fokusiert!

Faktor 10  oder „Rule of Ten“

Der Faktor 10 zeigt den starken exponentiellen Anstieg der Fehlerkosten auf und verdeutlicht damit auch den gravierenden Einfluss, den ein nicht frühzeitig entdeckter und beseitigter Fehler für den Anbieter eines Produktes haben kann.

Die Zehnerregel der Fehlerkosten oder rule of ten sagt somit aus, dass sich die Fehlerkosten für einen nicht entdeckten Fehler von Stufe zu Stufe der Wertschöpfung um den Faktor 10 erhöhen. Je früher ein Fehler also entdeckt und beseitigt wird, desto kostengünstiger ist dies für das Unternehmen.

Achtung: Externe Fehlerkosten!

Sie besagt auch, dass die externen Kosten beim Kunden im Verhältnis zu den internen Fehlerkosten als weitaus umfangreicher anzusehen sind:

  • Nacharbeit
  • Garantieleistungen
  • Gewährleistungen
  • Produkthaftungskosten
  • bis zuletzt Rücktritt vom Kaufvertrag durch den Kunden

per KI Fehler automatisiert vermeiden

☑️ Schluss mit Ausschuss und Nacharbeit ...dank KI-basierter MACHINE VISION

Dieser neuronale Ansatz von Bildverarbeitung ermöglicht nicht nur Analyse von komplexeren Motiven und Szenerien, sondern auch automatische Lernverfahren. In der industriellen Bildverarbeitung werden meist Produkte verschiedener Art analysiert und klassifiziert. So wird beispielsweise entschieden, ob ein hergestelltes Produkt geeignet für eine Weiterverarbeitung ist oder nicht.

Neue Produkte & Qualitätsklassen per künstlicher Intelligenz anlernbar

KI & Kekse kamerabasierte Qualitätskontrolle per KIWerden neue Produkte eingeführt, muss die Bildverarbeitung (BV) an dieses Produkt angepasst werden. In der Vergangenheit geschah dies meist durch Analyse des neuen Produkts durch einen BV-Spezialisten. Dieses Parametrisieren der BV-Software entfällt durch KI.

Mit opdi-tex ist es schon jetzt möglich, solche neuen Produkte automatisch von einem neuronalen Netz erlernen zu lassen. Damit werden nicht nur Kosten gespart, sondern auch Umstellungszeiten verringert. Denn die Ressourcen zum Lernen eines neuronalen Netzes lassen sich dank modernen Cloud-Technologien flexibel abrufen und nutzen.

Nutzen auch Sie durch den Einsatz von KI & Neuronaler Netze dieses Potential zur Lösung Ihrer Qualitätsprobleme und komplexer Automatisierungsaufgaben!

Fehlerquellen bei der Fehlersuche

☑️ Falsche Annahmen - richtig gestellt vom Chef persönlich - damit Ihre MACHINE VISION Projekte gelingen

In Zeiten von Industrie 4.0, Künstlicher Intelligenz (KI) , Hochleistungsrechnern im Handyformat und massenhaftem, und damit preiswertem Einsatz von Kameras an vielen Stellen sind alle Voraussetzungen gegeben, um die Qualitätskontrolle auf eine neue Stufe zu heben.
 

Trotzdem: …eine hohe Auflösung ist noch keine Garantie für eine gute Fehleraussage!

„Meiner Meinung nach sind jedoch alle Versprechen über die hochauflösende, lichtempfindliche Kamera mit der höchsten Abtast-Rate, die alle Probleme auf einmal löst, völlig irreführend, weil der große Nutzen erst aus dem Zusammenspiel generiert wird,“ so Karl-Ludwig Schinner. Thema: Emergenz….
opdi-tex Geschäftsführer Karl-Ludwig Schinner

Damit optische Qualitätskontrolle bei der Fehlersuche den erwünschten Erfolg bringen kann, braucht es viel Erfahrung und eine breitgefächerte MACHINE VISION Expertise. Welche Voraussetzungen ein guter Bildverarbeiter erfüllen sollte, und auf was Sie bei der Vergabe von Ihren Automatisierungs-Projekten, hier am Beispiel TEXTIL, achten sollten…,

…das empfiehlt Ihnen Karl-Ludwig Schinner, seines Zeichens Pionier der industriellen Bildverarbeitung seit 1986

☑️ ...5 Tipps für erfolgreiche MACHINE VISION Projekte

Die absolute Voraussetzung ist Erfahrung in industrieller Bildverarbeitung zu haben! Es genügt nicht, einfach ein paar Kameras zu kaufen, eine Standard Bildverarbeitungsbibliothek einzusetzen oder ein KI System zu parametrisieren. Auch wenn dies manchmal sogar zu kurzfristigen Erfolgen führt, zeigt es sich über die Zeit, dass die nötige Variabilität fehlt. Und scheint morgens die Sonne in die Websaal, ist es leider manchmal auch vorbei mit der Qualitätskontrolle.

 

Allgemeine MACHINE VISION Expertise vorausgesetzt, sollte ebenfalls Erfahrung beim Umgang mit natürlichen Produkten vorliegen: mit Stoffen, Keksen oder Früchten beispielsweise.

Pseudofehler dürfen nicht zur Auslösung führen, wenn sich bei einem Fadenscharwächter zwei Fäden berühren. Dagegen muss die Maschine sicher abstellen, wenn sich Fäden verhaken oder ein gerissener Faden ohne Vorschub im Riet liegt.

 

Was die Auswahl der „richtigen“ Technologie betrifft, sind heute Flächenkamerachips so preisgünstig geworden, dass sich ein Einsatz von solchen als Kamera-Arrays lohnt. Im Gegensatz zur Zeilenkamera kann zeitgleich ein flächiger Bereich des Materials statt einer Linie betrachtet werden. Dies ist für Webmaschinen ein guter Ansatz, da Vibrationen erkannt und heraus gerechnet werden können.

Auch das Bewegungsmuster kann über eine Sequenzanalyse als Kriterium herangezogen werden. Denn ein Faden, dessen Fadenbremse ein Problem hat, unterscheidet sich von einem freilaufenden Faden. Im Vorfeld lassen sich so Probleme über Warnschwellen ausschliessen, die ansonsten zu Produktfehlern geführt hätten.

Die Preisgestaltung ist gerade im Texilbereich ein zentraler Faktor. Der Einsatz gleicher Technologien in verschiedenen Märkten reduziert Kosten. So tragen die geschickte Auswahl von Komponenten beim Anbieter des Bildverarbeitungssystems plus Verzicht auf viele „wünschenswerte“ Funktionen wesentlich zu einer optimaler Sensor-Lösung bei.

Beispiel: „Alte“ 640×480 Pixel Kamerachips sind sehr preisgünstig, liefern aber trotzdem bei einem Bildfeld von 60 mm eine Auflösung von 0,1 mm (das sind 100 Pixel pro mm²). Durch geschickte Anreihung entstehen so Sensoren, die bis zu 15 Meter Scanbreite abdecken können. Eine vergleichbare Flächenkamera wäre dagegen unbezahlbar.

Auch die Grösse des Unternehmens spielt eine Rolle. Kleine und mittelständische Firmen (KMU) können, lokal begrenzt, durch ihren Service und die Bereitschaft, Produkte maßzuschneidern hier ein optimaler Partner sein. Sie verschaffen sich dadurch einen Marktvorteil.

Grosskonzerne haben hier in der Regel einen weltweiten Produkteinsatz im Auge – ein Marktvorteil für den Erstkunden ergibt sich häufig nicht. Die Lösungsansätze werden aber zu einem „must have“, ohne dass sich dies positiv auf die Kosten und den Ertrag auswirkt, wie beispielsweise beim „Uster-Wert“.

Haben kleine Unternehmen dagegen das Standing, die Produkte weiterzuentwickeln oder in Abwandlung aus anderen Märkten einzusetzen, kann dies zu einer Wertschöpfung im Unternehmen des Kunden und damit zum Erfolg beitragen.

Schliesslich bleiben die Algorithmen, die zur Erkennung und Bildauswertung herangezogen werden. Und hier gibt es eine wirkliche Entwicklung in den letzten Jahren. Spezielle Algorithmen werden direkt in Hardware gegossen und stehen damit für einen sehr niedrigen Preis zur Verfügung. Beispiel ist hierfür GPS: die heutzutage im Handy eingebauten Sensoren liefern verlässliche Koordinaten, was vor 30 Jahren nicht für den 100-fachen Preis zu bekommen gewesen wäre.

Die Künstliche Intelligenz hat eine ähnliche Entwicklung vor sich. Tests in unserem Hause haben ergeben, dass für vergleichbare Ergebnisse ein guter Bildverarbeiter mit klassischen Verfahren über 3 Monate für eine Auswertung zur Unterscheidung von guten und schlechten Produkten gebraucht hat. Im Vergleich dazu hat ein neuronales Netz, welches die Basis der Künstlichen Intelligenz darstellt, zu ähnlichen Ergebnissen geführt. Der Aufwand hierfür war jeweils 500 gute und 500 schlechte Produkte jeder Fehlergruppe zu finden und dem System zu präsentieren. Das Lernen lief dann in der Cloud und war überwacht, nach ca. 24 Stunden beendet. Per Nach-Training ist hier ebenso wie bei der klassischen Bildverarbeitung eine Erweiterung, möglich. Das Ergebnis ist vergleichbar, der Aufwand jedoch drastisch geringer.