KI-gestuetzte Qualitaetskontrolle fuer Keramikfliesen: Schwer erkennbare visuelle Defekte zuverlaessig aufdecken
Moderne Fliesenproduktionslinien laufen mit einer Geschwindigkeit von ueber 200 Stueck pro Minute. Bei diesem Tempo wird die manuelle Sichtkontrolle zum Engpass – und Defekte schlupfen durch. Fuer Fliesenhersteller ist jede fehlerhafte Fliese, die das Werk verlaesst, eine Kundenreklamation, die nur darauf wartet zu passieren. Bei Enao Vision hat unsere KI-gestuetzte Qualitaetspruefung (englisch: „AI-based Quality Inspection“) in etwas mehr als einem halben Jahr ueber 70 Millionen Artikel fuer unsere Kundinnen und Kunden gescannt, darunter Fliesenhersteller. Hier erfahren Sie, wie KI-gestuetzte Machine-Vision-Systeme in die Produktionslinie integriert werden koennen, um Prozesse zu verbessern und Ausschuss zu reduzieren.
Warum eine 100-%-Inspektion in der Linie wichtig ist
Ein anhaltendes Problem bei der manuellen Sichtkontrolle von Keramikfliesen besteht darin, dass Defekte nur einen Teil des Produktionslaufs betreffen koennen. Temperaturschwankungen im Brennofen ueber ein 10-Minuten-Fenster koennen Defekte verursachen, bevor sich die Temperatur wieder stabilisiert. Eine verstopfte Glasurauftragungsduese oder ein Kontaminationsereignis koennen einige Fliesen beeintraechtigen, bevor das Problem behoben ist.
Eine vollstaendige manuelle Kontrolle (100 %) ist zu kostspielig und ineffizient. Hier kommen automatisierte Qualitaetspruefungen (englisch: „Automated Quality Inspections“) ins Spiel. Sie koennen auch nach 8-Stunden-Schichten konstant Leistung erbringen und Defekte fuer menschliche Bedienende markieren. Mit KI-gestuetzten Loesungen sind Maschinenkontrollen heute erschwinglicher und einfacher in die Produktionslinie zu integrieren als je zuvor. Es ist keine Entweder-oder-Entscheidung zwischen automatisierter und manueller Kontrolle. Wir sind der Ueberzeugung, dass beide zusammenarbeiten sollten.
Oberflaechendefekte bei Keramikfliesen erkennen
Oberflaechendefekte sind die offensichtlichsten Qualitaetsfehler, die vor dem Versand erkannt werden muessen: Pinholes (Nadelstiche), Blasenbildung und Kriechen (englisch: „Crawling“), um nur einige zu nennen. Die Herausforderung bei der manuellen oder Stichprobenpruefung besteht darin, dass der Produktionslauf moeglicherweise bereits abgeschlossen ist, wenn die Defekte entdeckt werden.
Mit automatisierter Qualitaetspruefung, die in Produktionslinien integriert ist, werden Defektmuster nahezu sofort sichtbar. Darueber hinaus unterstuetzt sie menschliche Bedienende bei der Ursachenanalyse: Probleme beim Brennprozess oder der Koerperzusammensetzung, eingeschlossenes Gas beim Formen, Verunreinigungen oder Probleme mit der Glasurhaftung. Die Erkennung ist nur die halbe Arbeit – die korrekte Klassifizierung ermoeglicht Prozesskorrekturen. Das ist fuer menschliche Bedienende heute einfach moeglich durch das Hinzufuegen von Bezeichnungen und Beschreibungen sowie das Zeichnen von Markierungsrahmen (englisch: „Bounding Boxes“) auf Oberflaechen, die so vertraut sind wie die taeglichen Apps.
Noch vor der Auswahl einer automatisierten Qualitaetskontrollloesung sollte die richtige Beleuchtung installiert werden, die die Defekterkennung verbessert. Eine hellere Beleuchtung mit ausreichend Kontrast, aber aus Winkeln, die keine Blendung erzeugen, hilft sowohl menschlichen Bedienenden als auch Machine-Vision-Systemen, Oberflaechendefekte praezise zu erfassen. Eine standardisierte Pruefbeleuchtung von 300 Lux gemaess ISO 10545-2, bei der Fliesen senkrecht aus mindestens 1 Meter Abstand betrachtet werden, ist optimal. Ausserdem erhoehen Schulungen der Bedienenden zu den spezifischen Defektarten die Konsistenz. Investitionen in KI-gestuetzte Qualitaetskontrolle bringen heute den zusaetzlichen Vorteil, ein Modell einmal zu trainieren und seine Genauigkeit ueber Zeit mit mehr Daten weiter zu verbessern – statt bei jeder neuen Mitarbeiterin und jedem neuen Mitarbeiter von vorne anzufangen.
Haarrisse (Crazing) bei Fliesen mit KI-gestuetzter Qualitaetskontrolle erkennen
Haarrisse (englisch: „Crazing“) – feine spinnennetzartige Risse in der Glasur – sind besonders problematisch, weil sie nach dem Brennen, waehrend der Lagerung, nach der Montage oder sogar Monate spaeter auftreten koennen. Der Einsatz neuester Technologien, um diese Mikrodetails zu erfassen, die bei der manuellen Kontrolle durchrutschen, wird die Betriebskosten erheblich verbessern.
Die ISO 10545-11 befasst sich speziell mit der Pruefung der Haarrissbestaendigkeit, aber Standardtests erfassen nur die schwersten Fehlanpassungen. Darueber hinaus machen Risse, die Schmutz und Bakterien einfangen koennen, Fliesen fuer hygienische Anwendungen wie Baeder oder Gewerbekuechen ungeeignet. Hoechste Qualitaetsstandards zu wahren haelt Kundinnen und Kunden loyal und erschliesst neue Maerkte in einem wettbewerbsintensiven Umfeld.
Machine-Vision-Systeme auf KI-Basis koennen bei der Erkennung feiner Oberflaechenrisse helfen. Spezialisierte Kameras fuer die Qualitaetskontrolle mit Objektiven, die Defekte jenseits der menschlichen Wahrnehmung erfassen, sowie eine korrekt eingerichtete Beleuchtung koennen die Defekterkennungsraten verbessern.
Wenn Sie mit einem Anbieter fuer KI-Qualitaetskontrolle sprechen, empfehlen wir, nach Beleuchtungsempfehlungen und Setup-Unterstuetzung zu fragen, da diese die Bildqualitaet erheblich beeinflussen koennen. Ob Ihr Anbieter ueber die hochaufloesendsten Kameras der Branche verfuegt, ist moeglicherweise nicht ausschlaggebend: Testen Sie Loesungen in der Linie, um zu verstehen, wie die Hardware mit der bereitgestellten Software zusammenarbeitet. Enao Vision beispielsweise liefert ein Starter-Kit mit einem iPhone mit 5G-Hotspot als Kamera und einer Halterung und kann individuelle Beleuchtungsempfehlungen basierend auf Ihrem Setup geben, damit Sie innerhalb weniger Stunden testen koennen.
Farbabweichungen erkennen und Farbtonabstimmung in der Produktionslinie durchfuehren
Waehrend Defekte Gefahren erzeugen, koennen auch kosmetische Variationen grosse Auswirkungen haben. Automatisierte Scanner, die Farbverlaeufe abgleichen (englisch: „Colour Matching“), koennen sicherstellen, dass Fliesen aus demselben Produktionslauf letztendlich an der Wand oder dem Boden einer Kundin oder eines Kunden zusammenpassen.
Farbtonvariation (englisch: „Shade Variation“) ist eine der haeufigsten Kundenreklamationen – und eine der schwierigsten, mit menschlicher Sichtkontrolle zu erfassen. Unsere Augen passen sich an schrittweise Veraenderungen an, sodass Bedienende eine Abweichung moeglicherweise nicht bemerken, die offensichtlich wird, wenn Fliesen vom Anfang und Ende eines Laufs nebeneinandergelegt werden. Die meisten Hersteller klassifizieren Fliesen nach Farbton (A, B, C) und buendeln sie entsprechend – doch die manuelle Farbtonklassifizierung ist subjektiv, und inkonsistente Klassifizierung fuehrt zu gemischten Chargen.
KI-gestuetzte Qualitaetskontrollloesungen werden trainiert und durch eine Defektbibliothek kontinuierlich verbessert. Das bedeutet, dass Loesungen konsistent mit physischen Referenzstandards trainiert werden koennen und Fliesen direkt aus der Datenbibliothek vergleichen, anstatt sich auf das individuelle Gedaechtnis der Bedienenden zu verlassen. Eine objektive Farbtonbewertung ueber jede einzelne Fliese hinweg hilft menschlichen Bedienenden, Abweichungen zu erkennen, bevor sie die Toleranzgrenzen ueberschreiten, und ermoeglicht eine praezisere Chargenbildung nach Farbton.
Massdimensionsfehler mit Machine-Vision-Systemen erkennen
Dimensionsfehler wie Verzug, Kantenwoelbung und Massschwankungen (englisch: „Size Variation“ bzw. „Kaliber“) beeinflussen die Verlegung und koennen durch KI-Loesungen visuell erkannt werden.
Mit den neuesten Technologien koennen industrielle Ueberwachungsloesungen (englisch: „Industrial Monitoring Solutions“) an verschiedenen Stellen installiert werden, um die Qualitaetskontrolle zu unterstuetzen. Beispielsweise koennen Temperaturmonitore fuer Heizung und Kuehlung installiert werden, um die Wahrscheinlichkeit von Verzug zu reduzieren, und Defekte koennen durch automatisierte Dimensionsmesssysteme erfasst werden. KI-gestuetzte Qualitaetskontrolle ist sowohl eine Ueberwachungsloesung als auch eine letzte Pruefung vor dem Versand.
Besonders nuetzlich ist die Sichtpruefung mit Machine-Vision-Systemen beim Erkennen von Kantensplittern, Eckschaeden und Problemen mit der Kantengeradheit, die Dimensionssysteme uebersehen. Diese Systeme koennen darauf trainiert werden, diagonalen und kantennahen Verzug (englisch: „Warpage“) zu verfolgen und die Ebenheit sicherzustellen. Enao Vision wird beispielsweise auf den Produktionslinien unserer Kundinnen und Kunden installiert, um die Dimensionsmessung zu ergaenzen, indem visuelle Kantendefekte erfasst werden – Splitter, abgesprengte Ecken und Oberflaechenunregelmaessigkeiten in Kantennaehe –, die automatisierte Messschieber (englisch: „Automated Calipers“) nicht erkennen.
Jetzt starten
Manuelle Sichtkontrolle auf Produktionslinien ist in der neuesten Generation automatisierter Qualitaetskontrolle ein unnoetig eingegangener Kompromiss. Hersteller koennen heute aus einer Vielzahl von Loesungsanbietern waehlen – von Gesamtpaketen mit proprietaeren Kameras und speziellen Schulungen bis hin zu anpassbaren Loesungen, die innerhalb weniger Stunden auf Produktionslinien getestet werden koennen. Neue Technologien und Preismodelle geben Herstellern mehr Flexibilitaet denn je, ihr Budget optimal einzusetzen und Anbieter zu testen, bevor sie sich fuer Jahre verpflichten. Als Einstieg können Sie sich unsere Liste der führenden Anbieter von Bildverarbeitungssystemen ansehen.
Die iPhone-basierte Loesung von Enao Vision kann im ersten Monat kostenlos getestet werden und kann mit einem vollstaendigen Starter-Kit geliefert werden. Testen Sie Enao Vision kostenlos auf einer Ihrer Keramikfliesenproduktionslinien, um zu sehen, wie es funktioniert.