Inline-Qualitätskontrolle für die Produktion

Der Fokus dieses Schwerpunkts liegt auf der Entwicklung effizienter und innovativer Komplettlösungen zur Bildanalyse und Qualitätssicherung im Inline-Prozess der Produktion.
Im Zentrum unserer Lösungen steht eine leistungsfähige Bildverarbeitungssoftware, die auf mathematischen Verfahren und Algorithmen basiert – für die automatisierte Bildverarbeitung, Bildanalyse und Umsetzung im industriellen Umfeld.

Unsere Systeme werden individuell auf die Anforderungen unserer Kundinnen und Kunden zugeschnitten und bilden bestehende Prozesse der Qualitätskontrolle präzise nach.
Neben klassischen Algorithmen zur Oberflächeninspektion setzen wir seit vielen Jahren auf Machine-Learning-Verfahren. Ergänzt wird das durch sogenannte Hybridsysteme, die klassische Bildverarbeitung und KI kombinieren – ideal bei vielfältigen Produktportfolios und geringer Fehlerrate.

Zusätzlich führen wir Machbarkeits- und Vorstudien durch, definieren passende Hardwarekomponenten, entwickeln in enger Zusammenarbeit die Systemsoftware und Benutzeroberfläche – und optimieren das Gesamtsystem bis zur erfolgreichen Projektabnahme.

Ausgewählte Projekte

 

Projekt »Re(Pro)³«

Ressourcenoptimierte Produktion durch Inline Prozess- und Produktüberwachung verbindet Condition Monitoring, Predictive Maintenance und automatisierte Qualitätsüberwachung. 

 

Oberflächeninspektion an Holzplatten

Wir automatisieren die Fehlererkennung auf Oberflächen wie Holzplatten durch hybride Methoden, die Bildverarbeitung mit Künstlicher Intelligenz (KI) kombinieren.

 

MASC-DISQ – Dichtungen

Das Bildverarbeitungssystem DISQ wurde für die Oberflächeninspektion von Metalldichtungen entwickelt.

 

MASC-Dehnzelle

MASC-Dehnzelle ist ein robustes und gleichzeitig hochpräzises Inspektionssystem für Dehnzellen, das stabil im industriellen Umfeld eingesetzt wird.

 

MASC-STEX – Deckenplatten

MASC-STEX ist seit 2003 bei einem großen deutschen Hersteller von Deckenplatten erfolgreich in Betrieb.

 

Machine Learning für Produktion

Im Leitprojekt ML4P bündeln sieben Fraunhofer-Institute ihre umfangreichen Erfahrungen im Bereich Machine Learning.

 

Automatisierte Blisk-Inspektion

Als Teil des Forschungsprogramms »Clean Sky für die Luftfahrt« entwickelten wir eine vollautomatische Lösung zur Oberflächeninspektion von BLISKen.

 

Wolkigkeit – Homogenität von Filtermedien

Wir haben einen theoretisch fundierten Wolkigkeitsindex entwickelt und eine Methode zu dessen Messung anhand von Bilddaten

 

Prozesssteuerung und -überwachung mittels Edge-Computing

Im Projekt »EMILIE« steht die Verbesserung der dezentralen Daten-Erfassung und -Verarbeitung durch Edge-Gateways im Fokus.

 

eQuality

Im Projekt entwickeln wir »eQuality«, eine digitale Fehlerbibliothek, die Unternehmen aus der Produktion bei der Inspektion mit Künstlicher Intelligenz und beim standardisierten Erfassen von Defekten unterstützt.

 

Signalanalyse im Eisenbahnbereich

Die Überwachung heißgelaufener Achsenlager und feststehender Bremsen an Personen- und Güterzügen erfordert ein berührungsfreies Messverfahren.

 

Hyperspektrale Bildverarbeitung

Im Projekt »Hypermath« haben wir Möglichkeiten zur einfachen Visualisierung von hyperspektralen Bildern entwickelt.

 

 

EniQmA

Im Projekt EniQmA (Ermöglichung hybrider Quantum-Anwendungen) arbeiten wir  daran, die hybriden Vorgehen im Bereich Quantencomputing (QC) gezielt zu systematisieren.