====== Durch KI Prüfprozesse mit Wärmebildtechnik optimieren ======

===== Ausgangssituation & Herausforderungen =====

Das Unternehmen [[https://www.infratec.de/|InfraTec GmbH]] ist auf Infrarotmesstechnik, berührungslose Temperaturmessung und [[https://www.infratec.de/thermografie/|Thermografie]] spezialisiert. Der Mittelständler liefert Systeme zur Qualitätsüberwachung beim Warmumformen in der Metallverarbeitung, bspw. mit Hilfe von Wärmebildkameras, welche bisher vorwiegend manuell oder teilautomatisiert eingestellt wurden. Diese Prozesse sollen für den Kunden unter Nutzung von KI beschleunigt werden.

{{ :wissen:bestpractice:infratech.svg? 400x400|}}
===== Ziele =====

Das Ziel bestand darin, fehlerhaft positionierte Bauteile bereits während des Umformungsprozesses zu erkennen. Hierdurch sollen Maschinen- und Werkzeugschäden verhindert werden und den steigenden Qualitätsstandards der Kunden Rechnung getragen werden.

===== Lösung/Maßnahmen/Projekt =====

Es wurde untersucht, ob auf vorhandenen Bilddateien relevante Merkmale identifiziert und zum Trainieren von Algorithmen des Maschinelle Lernens genutzt werden können. Diese KI-Methoden sollten bei der Parametrierung von Thermografie-Anwendungen anfallende Daten Analysierung und so Aufschluss über die Position von Bauteilen liefern. Im weiteren Schritt könnten so Empfehlungen für Kameraparameter und Prozesse zur weiteren Automatisierung generiert werden. Die Entwicklung der KI-Lösung erfolgte in Kooperation mit dem [[https://digitalzentrum-chemnitz.de/|Mittelstand 4.0-Kompetenzzentrum Chemnitz]] und der [[https://www.iwu.fraunhofer.de/|Fraunhofer IWU]].

===== Umsetzung =====


==== Was wurde benötigt? ====

Mittels thermografischer Aufnahmen wurden Kanten und Linien von Bauteilen identifiziert. Die gewonnenen Datensätze wurden zum Trainieren der KI genutzt. Unter Nutzung von Verfahren zur Bildverarbeitung wird die Lage auch von komplexen Bauteilen während der Produktion erkannt und deren Qualität analysiert. Im weiteren werden Methoden untersucht, die den manuellen Aufwand zur Bildklassifizierung vermeiden und eine Qualitätsanalyse ohne Bilder ermöglichen.

==== Was wurde erreicht? ====

Die gewonnenen Erkenntnisse aus dem Umsetzungsprojekt haben dem Unternehmen neue Anregungen für die interne Produktqualifikation gegeben und dazu beigetragen, die Automatisierung von Prüfprozessen mittels Wärmebildkameras weiter voranzutreiben. Die KI-Lösung wurde also ins Tagesgeschäft übertragen. 

==== Lessons Learned ====

Die für das Trainieren der Algorithmen notwendigen größeren Datenmengen von Bildern mit fehlerhaft positionierten Bauteilen stellten eine Herausforderung dar. 

==== Weiterführende Informationen ====

  * [[https://www.plattform-lernende-systeme.de/files/Downloads/Publikationen/PLS_Booklet_KMU.pdf|Lernende Systeme. (2021). KI im Mittelstand. München.]]
  * [[https://www.plattform-lernende-systeme.de/vorreiter.html|Lernende Systeme. Von Vorreitern lernen: Fallbeispiele zum Einsatz von KI.]] (o.D.)