Kunststoffindustrie
KI-basierte Prüfung des Federeinsetzens an einer Montage-Sondermaschine
An einer Sondermaschine zur Montage eines Kunststoff-Spendermagazins prüft eine kamerabasierte Deep-Learning-Bildklassifikation die eingesetzte Feder an beiden Enden: Fehlt die Feder, sitzt sie falsch oder fehlt das Gehäuse, ist das Teil NOK.
Aufgabe und Umsetzung
An der Montage-Sondermaschine für Spendermagazine eines Partners aus der Kunststoffindustrie war die Lage der automatisch in das Gehäuse eingesetzten Feder zu prüfen. Die Fehler – fehlende Feder, verrutschte oder am Gehäuserand hängengebliebene Windung, fehlendes Gehäuse – lassen sich wegen des transparenten Kunststoffgehäuses, des spiegelnden Drahts und der wechselnden Beleuchtung mit regelbasierter Bildverarbeitung nicht zuverlässig unterscheiden.
Auf dem Bild der Maschinenkamera bewertet das AI-Vision-System von ROBOMIND Systems drei Prüfzonen: das gesamte Gehäuse sowie das untere und das obere Ende der Feder. Je Zone entscheidet ein Bildklassifikator auf Basis von ResNet-18 zwischen OK, falscher Federlage, fehlender Feder, fehlendem Gehäuse und nicht auswertbarem Bild, mit einer eigenen Konfidenzschwelle je Klasse. Das Teil ist nur dann OK, wenn alle drei Zonen OK sind; jede Entscheidung wird zusammen mit dem Original- und dem annotierten Bild sowie den Zonenausschnitten gespeichert und lässt sich als Tabelle exportieren.
Der Trainingsdatensatz entstand aus an der Maschine aufgenommenen Bildern mit eigenen Zuschneide- und Kennzeichnungswerkzeugen; das Modell wurde in mehreren Runden, erweitert um neue Fehlerfälle, nachtrainiert. Im August 2026 haben wir das System an der Maschine mit Produktionsteilen validiert. Die Montage-Sondermaschine baute Robot-Service, die kamerabasierte KI-Prüfung und den Trainings-Workflow lieferte ROBOMIND Systems.
Nach Fehlertyp, nicht nur OK/NOK
Der Klassifikator trennt nicht nur Gut- und Schlechtteile, sondern benennt auch den Fehler – fehlende Feder, falsche Federlage oder fehlendes Gehäuse. So ist die Ausschussursache sofort an der Maschine sichtbar, und die Verteilung der Fehler lässt sich in der Ergebnistabelle nachverfolgen.
Technologie
- ROBOMIND AI Vision System
- ResNet-18-Bildklassifikator, drei Prüfzonen
- Klassen nach Fehlertyp, Schwellwert je Klasse
- Basler-Industriekamera
- OK/NOK-Entscheidung je Teil
- Speicherung von Original-, annotierten und Zonenbildern
- Tabellenexport
- Eigene Zuschneide-, Kennzeichnungs- und Trainingswerkzeuge
So entsteht eine solche Maschine
Vom Konzept über den FAT bis zur Endabnahme erfolgt jeder Schritt im eigenen Haus.
Der gesamte ProzessPassende Referenzen
Lebensmittelnahe FertigungSondermaschine zur Montage von SüßwarenspendernMontage ausgelegt auf eine Taktzeit von 2,5 Sekunden pro Stück, mit maschineneigener Federherstellung und ROBOMIND-KI-Kameraprüfung. Die ausdockbaren Federmodule unterstützen die Weiterproduktion während des Materialnachfüllens.Referenz ansehen
ElektronikfertigungIndividuelle Sondermaschine zur LasergravurUnsere Standard-Laserstation haben wir für eine individuelle Aufgabe in der Elektronikfertigung angepasst. Die Anlage arbeitet mit einem Keyence-Laser, einer Beckhoff-SPS und Servoantrieben.Referenz ansehen
MontageKomplexe Roboter-MontagezelleKompakte Montagezelle mit ABB-Roboter, Schweißen und Taumelnieten. Ziel des Projekts war die Bedienung eines Fünf-Personen-Prozesses durch eine Person – unter Berücksichtigung der Transportbeschränkungen vor Ort.Referenz ansehenHaben Sie eine ähnliche Aufgabe?
Senden Sie uns Ihr Lastenheft oder eine kurze Beschreibung der Aufgabe – unsere Ingenieure melden sich bei Ihnen.
