
Automotive 3 min Lesezeit
KI-Qualitätsprüfung halbiert Ausschuss bei Hydraulikventilen
Wie visionKit manuelle Prüfaufwände um 80 % senkt und den ROI in 9 Monaten erreicht.
Anwendung im DetailSymbolbild – KI-generiert
Die Anwendung auf einen Blick
- Produkt
- Hydraulikventil
- Prüfung
- End-of-Line
- Problem
- Hoher Prüfaufwand
- Schnittstelle
- Export nach Excel
- Vision System
- Röntgenaufnahmen
- Gesamtersparnis
- 123.000 €/Jahr
Automatisierte Defekterkennung mit visionKit steigert Effizienz, Präzision und Transparenz in der Kleinserienproduktion
Ausgangssituation
Ein führender Hersteller von Hydraulikventilen für den Automotive- und Maschinenbau-Sektor stand vor einem wachsenden Problem: Trotz modernster Fertigungstechnologien traten immer wieder mikroskopische Risse, Guss- oder Fügefehler auf, die erkannt werden mussten.
Die zerstörungsfreie Qualitätsprüfung (ZfP) erfolgte per Röntgen- und Ultraschallbildern, die von erfahrenen Prüfer:innen visuell bewertet wurden, da sich in Hinblick auf die Kleinserienfertigung eine automatisierte Prüfung aus wirtschaftlichen Gründen nicht realisieren lie". Dieser Prozess war zeitintensiv, subjektiv und fehleranfällig – ein klassischer Engpass in der Kleinserienproduktion.
Herausforderungen im Überblick:
- Bis zu 5 Minuten Prüfzeit pro Ventil
- 2 geschulte Fachkräfte pro Schicht notwendig
- Ausschussquote: 5–7 %
- Keine einheitliche Fehlerklassifikation oder revisionssichere Dokumentation
Zielsetzung: Das Ziel war klar: eine Lösung, die die Prüfzeit verkürzt, Fehler zuverlässig erkennt und gleichzeitig eine vollständige Traceability nach Industrie-4.0-Standards sicherstellt. Gemeinsam mit neogramm wurde beschlossen, den Prüfprozess durch die modulare Softwarelösung visionKit zu digitalisieren und zu automatisieren.
Lösung
Durch die offene Schnittstellenarchitektur von visionKit konnten bestehende Röntgen- und Ultraschallsysteme einfach integriert werden. Ein speziell trainiertes Deep-Learning-Modell analysiert nun automatisch jedes Hydraulikventil auf typische Fehlertypen – von Haarrissen über Lunker bis hin zu Abweichungen an Dichtflächen oder Bohrungen.
Implementierungsschritte:
- Integration der Prüfsysteme: Bestehende Geräte über standardisierte Schnittstellen angebunden.
- Training des KI-Modells: 12.000 Prüfaufnahmen aus realer Fertigung als Trainingsbasis.
- Einführung von Fehlerklassen: Standardisierte Kataloge für Risse, Poren, Einschlüsse, Maßabweichungen.
- Zentrale Datenhaltung: Alle Prüfbilder und Ergebnisse auf einer gemeinsamen Plattform – standortübergreifend abrufbar.
- Datensicherheit: Das System wird On-Premise betrieben – alle Daten bleiben im Unternehmen, vollständig DSGVO-konform.
Dank des Confidence-Level-Systems von visionKit werden Prüfentscheidungen heute automatisiert getroffen:
- ? 80 % Sicherheit ? automatische Freigabe
- 50–80 % ? Expert:innen-Review
- < 50 % ? Nachprüfung
Ergebnis
Bereits drei Monate nach der Implementierung zeigte sich eine deutliche Verbesserung der Prüfprozesse:
| Kennzahl | Vorher | Nachher |
|---|---|---|
| Prüfzeit pro Ventil | 5 min | 10 sec |
| Fehlererkennungsrate | 92 % | 98 % |
| Ausschussquote | 5–7 % | < 3 % |
| Manuelle Sichtprüfungen | 100 % | < 20 % |
| Audit-Vorbereitungszeit | 2 Tage | < 2 Stunden |
Kundennutzen im Überblick:
- Reduktion des manuellen Prüfaufwands um 80 %
- 7 % höhere Fehlererkennungsrate dank KI-basierter Analyse
- ROI innerhalb von 9 Monaten
- 100 % Traceability aller Prüfschritte für Audits und Zertifizierungen
- Gesamtersparnis: 123 k €/Jahr
Mit visionKit hat der Kunde seinen Prüfprozess von einer manuellen, zeitaufwendigen Tätigkeit zu einem digitalisierten, skalierbaren Qualitätssystem transformiert. Durch KI-gestützte Bildanalyse, klare Fehlerkataloge und zentrale Datenhaltung erfüllt das Unternehmen nicht nur höchste Automotive-Standards, sondern legt auch den Grundstein für Predictive Quality in der Serienfertigung.
Technische Details
| Parameter | Details |
|---|---|
| Bauteil | Hydraulikventil |
| Prüfmethode | End-of-Line (EoL) |
| Vision System | Röntgenaufnahmen + Ultraschall |
| Externe Schnittstelle | Export nach Excel |
| Trainingsdaten | 12.000 Prüfaufnahmen aus realer Fertigung |
| Deployment | On-Premise (DSGVO-konform) |
| Fehler-Typen | Haarrisse, Lunker, Fügefehler, Maßabweichungen an Dichtflächen/Bohrungen |
Was lässt sich in Ihrer Prüfung verbessern?
Besprechen Sie Ihre Anwendung mit uns. In einer persönlichen Demo zeigen wir Ihnen, wie visionKit Ihre Prüfbilder, Fehleranalysen und Entscheidungen zusammenführt.