SolVisionFallstudie
Fehlererkennung bei Lagern mit KI
Kunde
Der Kunde ist ein Hersteller, der sich auf Lagerkomponenten spezialisiert hat und eine effiziente, großflächige Inspektion benötigt, um eine hohe Produktqualität sicherzustellen.
Fall
Funktionen und Merkmale von Lagern
Ein Lager oder Lagerbaugruppe unterstützt rotierende Wellen, indem es die Achsenausrichtung aufrechterhält und die Reibung während der Bewegung reduziert. Lager sind kritische Komponenten, die in verschiedenen Anwendungen wie Automotoren, Produktionsanlagen in der Industrie und Haushaltsgeräten eingesetzt werden.
Herausforderung
Fehlererkennung bei Lagern mit traditionellen Methoden
Die Erkennung von Defekten in Lagergewinden stellt zwei Hauptanforderungen dar. Erstens umfasst die Gewindeinspektion die Bewertung des Innenbereichs des Lagers aus mehreren Blickwinkeln, um Defekte wie übermäßigen Steigungsfehler, Überbearbeitung oder gebrochene Nuten zu identifizieren. Die feine Beschaffenheit der Gewinde macht diese Defekte mit bloßem Auge schwer erkennbar. Die zweite Herausforderung besteht darin, Fremdkörper im Lager zu identifizieren, bei denen unregelmäßige schwarze Flecken, die durch Reibung verursacht werden – möglicherweise aufgrund von Staub- oder Flusenverunreinigungen – ebenfalls visuell schwer zu erkennen sind, wenn traditionelle Inspektionsmethoden angewendet werden.
Lösung
Fortschrittliche Fehlererkennung mit SolVision
Das visuelle Inspektionswerkzeug von SolVision identifiziert effektiv verschiedene Defekte in Lagergewinden, indem es ein KI-Modell mit nur wenigen Beispielbildern trainiert. Das KI-Visionssystem kategorisiert Defekte während der Inspektion und verbessert kontinuierlich seine Erkennungsfähigkeiten durch Deep Learning. Dadurch reduziert SolVision die Inspektionszeit und verbessert den Qualitätskontrollprozess erheblich mit der Geschwindigkeit und Präzision von KI.
Fehlererkennung bei Lagern
Gewindeinspektion
Normal
Übermäßiger Steigungsfehler
Überbearbeitung
Gebrochene Nuten
Inspektion auf Fremdkörper
