Projekt HOLO-KI

Holographisch gemessene 3D-Daten mit selbstlernender, KI-basierter Bildverarbeitung auswerten

Selbst mit modernsten Fertigungstechnologien lassen sich Defekte auf funktionalen Oberflächen und Dekorteilen nicht zuverlässig ausschließen. Schnelle, vollflächig messende optische Systeme haben in den vergangenen Jahren Einzug in die Produktion gehalten, um Geometrieabweichungen und z. T. nur wenige Mikrometer große Oberflächendefekte zu detektieren. Dabei stellt die fertigungstaugliche Dateninterpretation – kein Schlupf von schlechten Bauteilen bei möglichst wenig Pseudoausschuss guter Teile – die klassische Datenauswertung insbesondere bei hohen Taktraten vor unlösbare Aufgaben. Der Einsatz von KI bietet hier großes, bisher ungenutztes Potential.

Im Pilotprojekt HOLO-KI wird das schnellste und gleichzeitig genaueste optische 3D-Inline-Messsystem der Welt – 2017 mit dem Joseph von Fraunhofer Preis ausgezeichnet – um eine KI-basierte Bauteilklassifikation erweitert. Umgesetzt wird das Projekt unter realen Fertigungsbedingungen bei der automatisierten Qualitätssicherung von Präzisionsdrehteilen.

Da manuelles Labeln von Gut- und Schlechtteilen für das Anlernen der KI notwendig, unter Produktionsbedingungen (Zeitdruck, kein geschultes Personal) aber nicht praktikabel ist, wird eine Strategie zum autonomen Lernen umgesetzt. Dabei wird der Pseudoausschuss mithilfe des markierungsfreien Track & Trace Fingerprint-Verfahrens von Fraunhofer IPM beim erneuten Durchlaufen der Prüfung automatisch erkannt; beim zweiten Durchlauf werden als Gutteile klassifizierte Bauteile für das Training der KI verwendet. Die KI lernt auf diese Weise selbstständig Pseudofehlermerkmale – ohne manuelles Labeln.

Ziel

Projektziel für Ende 2021 ist die Umsetzung der hybriden, selbstlernenden Bildverarbeitung der vom holographischen 3D-Messsystem generierten Daten. Die Daten der im Sekundentakt produzierten Bauteile werden mit einer Rate von 100 Mio. 3D-Punkten pro Sekunde aufgenommen. Das Projekt hat Leuchtturmcharakter, da es aufzeigt, wie eine fehlerfreie und effektive Qualitätssicherung hochwertiger Bauteile in der Massenproduktion möglich ist. Das Vorhaben setzt neue Maßstäbe beim Einsatz von KI-basierter Bildverarbeitung in der Qualitätssicherung einer anspruchsvollen Automotive-Anwendung .

Perspektive

Die Hochleistungs-Echtzeit-Schnittstelle vom Messsystem zur KI-basierten Auswerteeinheit ist ein Alleinstellungsmerkmal, das SCITIS.IO direkt vermarkten wird. Die Gießler GmbH profitiert im Erfolgsfall direkt durch Steigerung der Produktivität um bis zu 10 Prozent und einen reduzierten CO2-Fußabdruck von 100 t CO2 pro Jahr. Zukünftige Kunden werden insb. im Umfeld der Serienproduktion von Hightech-Bauteilen gesehen. Fraunhofer IPM wird zukünftig stärker auf hybride Datenauswertung durch Kombination klassischer Bildverarbeitung mit KI-Methoden setzen, um den Technologievorsprung bei Inline-Messsystemen weiter auszubauen. Strategisches Ziel ist der Transfer der Technologie zu Messtechnikfirmen, um deren Wettbewerbsfähigkeit zu sichern. Speziell für Baden-Württemberg, Standort vieler mittelständischer »Hidden Champions«, sind die Projektergebnisse von hohem Mehrwert. Eine zeitnahe Übertragung auf weitere Branchen ist zu erwarten.

Ansprechpartner

Dr. Daniel Carl
Dr.-Ing. Tobias Seyler, Projektleiter

Werner Gießler GmbH

Thomas Gießler, Geschäftsführer
Am Rißlersberg 59, 79215 Elzach
Telefon: +49 7682 91812-21

Scitis.io GmbH

Ralf Kölle, Geschäftsführer
Seyfferstrasse 34, 70197 Stuttgart
Telefon: +49 711 20526-460

 

 

Weitere Informationen

Projektfinanzierung

Das Projekt HOLO-KI wird im Rahmen des »KI-Innovationswettbewerbs Baden-Württemberg« vom Ministerium für Wirtschaft, Arbeit und Wohnungsbau Baden-Württemberg gefördert.

Projektlaufzeit

 1. Januar 2021  bis 31. Dezember 2021