Success Story

Lesedauer: 3 min

Automotive

Manufacturing

Visual Inspection

Industrial Software

Kontext

Miba stellt in großem Umfang Komponenten für die Automobilindustrie her. Aufgrund der hohen Anforderungen an Automobilkomponenten muss das Unternehmen strenge Qualitätsstandards für seine Produkte einhalten. Die Qualitätskontrolle wurde dabei mit Kameras durchgeführt. Diese stuften jedoch zu viele Teile als fehlerhaft ein, weshalb ein präziseres System notwendig war.

Herausforderung

Zwischen tatsächlichen Ausschussteilen und qualitativ einwandfreien Komponenten in Echtzeit zu unterscheiden.

Auftrag

craftworks wurde mit der Entwicklung eines Computer-Vision-Verfahrens beauftragt, um zwischen tatsächlichen Ausschussteilen und für den Vertrieb geeigneten Komponenten zu unterscheiden.

Lösung

Ein Deep-Learning-Modell wurde trainiert, evaluiert und als Docker-Service für Vor-Ort-Tests bereitgestellt. Eine innovative Methode zur Kombination von Bildern aus zwei Kameras und deren Verarbeitung führte zu einer überdurchschnittlich hohen Genauigkeit. Nach der Analyse der Vor-Ort-Testergebnisse stellten wir fest, dass während der Neuberechnung der Bilder eine deutlich präzisere Erkennung möglich war. Für die Entwicklung wurden Technologien wie Keras, OpenCV und Docker eingesetzt.

Mit Hilfe fortschrittlicher Computer-Vision-Technologie konnte Miba den Pseudo-Ausschuss deutlich reduzieren. Dadurch wurden Planung, Kapazitätssteuerung und Lagerverwaltung revolutioniert und die betriebliche Effizienz gesteigert.

three male team members of craftworks at a meeting table looking at laptops and working

Successful growth is a decision. Driven by data.

Wie können wir Ihnen weiterhelfen?