Abstract
In den vergangenen Jahren ist eine stetige Zunahme der Qualitätsansprüche seitens der Kunden der Firma Starlim Spritzguss GmbH zu verzeichnen. Dies stellt aufgrund der hohen Stückzahlen und niedrigen Stückkosten bei der Herstellung von Silikon-Spritzgussteilen eine besondere Herausforderung dar. Eine manuelle, optische Qualitätskontrolle ist meist zeitaufwendig, fehleranfällig und personalintensiv. Konventionelle kamerabasierte Prüfsysteme können meist nicht alle möglichen Fehlertypen zuverlässig detektieren und der Prüfprozess muss für jedes Produkt individuell angepasst werden. Der technologische Fortschritt im Bereich der künstlichen Intelligenz eröffnet jedoch neue Möglichkeiten, automatisierte Prüfsysteme zu entwickeln, welche den Anforderungen einer umfassenden Qualitätskontrolle gerecht werden können und gleichzeitig den Implementierungsaufwand reduzieren.Das Ziel dieser Masterarbeit besteht darin, verschiedene Modelle mit künstlicher Intelligenz für die Qualitätskontrolle von Silikon-Spritzgussteilen zu trainieren und in experimentellen Untersuchungen zu testen. Zu Beginn werden hierfür typische Fehlertypen und Anwendungsbereiche von relevanten Bauteilen analysiert. Für eine bessere Verständlichkeit der Thematik folgt daraufhin eine theoretische Aufarbeitung gängiger Bildverarbeitungstechniken sowie eine Einführung in den Bereich der künstlichen Intelligenz. Im Fokus stehen dabei die Funktionsweise, das Training und die Evaluierung von Modellen mit neuronalen Netzwerken, welche sehr häufig bei Systemen mit künstlicher Intelligenz zum Einsatz kommen. Basierend auf den Erkenntnissen wird geeignete Hard- und Software für experimentelle Untersuchungen ausgewählt. Diese Untersuchungen sollen die Vor- und Nachteile einer KI-gestützten Qualitätskontrolle unter Produktionsbedingungen aufzeigen. Abschließend wird die Anwendbarkeit der untersuchten Methoden für zukünftige Qualitätskontrollen in der Produktion bewertet.
"Mach sichtbar, was vielleicht ohne dich nie wahrgenommen worden wäre."
Robert Bresson
Datum der Bewilligung | Nov. 2024 |
---|---|
Originalsprache | Deutsch (Österreich) |
Betreuer/-in | Gerald Zauner (Betreuer*in) |