Dachziegelherstellung
Erkenne Glasur-Pinholes, Kantenausbrüche, Risse, Farbabweichungen und Verzug, bevor die Ziegel den Ofen verlassen.
Automatisierte Qualitätskontrolle für die Dachziegelproduktion, läuft auf einem refurbed iPhone an Presse, Ofenausgang und Verpackungslinie.
Was ist automatisierte Qualitätskontrolle in der Dachziegelproduktion?
Automatisierte Qualitätskontrolle in der Dachziegelproduktion nutzt eine Kamera und ein KI-Modell, um jeden Ziegel an Presse, Glasurauftrag, Ofenausgang und Verpackungsstation zu erfassen und nicht-konforme Stücke vor der Palette zu melden. Statt auf den Bediener am Entstapler oder auf starre regelbasierte Machine-Vision zu setzen, lernt die KI Deinen spezifischen Scherben, Deine Glasurchemie, Deine Profilgeometrie und Dein Farbband und legt einen konstanten visuellen Prüfpunkt über Schichten, Linientempo und Produktwechsel.
Dachziegel sind bei Produktionsgeschwindigkeit besonders schwer zu prüfen, weil die natürliche Variation des Scherbens innerhalb derselben Charge per Design auftritt, das Glasurfinish bei sandgestrahlten, glatten und engobierten Reihen unterschiedlich liest, und der Haarriss, der eine Dachinstallation ruiniert, unter Hallenbeleuchtung wie eine normale Oberflächentextur aussieht. Regelbasierte Vision für ein einziges Profil bricht beim Wechsel auf eine andere Farbe, eine andere Glasurrezeptur oder eine andere Form. KI-gestützte Prüfung schluckt diese Schwankungen, weil das Modell aus echten Produktionsbildern statt aus festen Schwellwerten lernt.
Das Ergebnis ist ein automatischer visueller Prüfpunkt, der Deine End-of-Line-Stichprobe ergänzt und Dir eine ziegelscharfe Bilddokumentation liefert. Wenn die Dachdecker-Anfrage sechs Wochen später kommt, ziehst Du die Frames aus dem genauen Produktionsfenster und bestätigst entweder den Defekt oder konterst mit Beweisen.
Defekte, die wir auf Dachziegel-Linien erkennen
Risse und Haarrisse
Risse sind die strukturellen Spalten im Grünling oder im gebrannten Stück, verursacht durch Trocknungsgradienten, Brennschock oder grobes Handling am Pressen-Entlader. Haarrisse laufen oft von einer Ecke entlang einer Spannungslinie und bleiben unsichtbar, bis der Ziegel auf einer Lattung biegt. Bediener am Ofenausgang fangen die offensichtlichen Brüche ab, übersehen aber die Frühphase, die wie normale Oberflächenstreifung aussieht. Das KI-Modell lernt die Soll-Scherbentextur und erkennt die lokale Riss-Signatur lange vor dem Linienbediener. Ziegel werden gemeldet, der Bediener prüft den Presszyklus und die Brennrampe, und die Ausschussstücke gehen vor dem Stapler raus.
Kantenausbrüche und Eckenbrüche
Kantenausbrüche zeigen sich als kleine Brüche an Vorder- oder Hinterkante, verursacht durch Werkzeugverschleiß, Stapelaufprall am Kühler oder Übergabe-Versatz zwischen Förderern. Eckenbrüche machen den Ziegel für den sichtbaren Traufgang unbrauchbar. Manuelle Bediener fangen die schlimmsten Fälle am Verpackungstisch ab, übersehen aber Grenzkanten, die durch den Entlader laufen und beim Halbziegel-Schnitt des Dachdeckers auffallen. Das KI-Modell erfasst die Kantentextur in einem Frame und meldet jeden Ziegel, der Deine Akzeptanzschwelle überschreitet, mit den Frames als Beweis, damit Du die Werkzeugwechsel-Zyklen oder die Übergabe-Ausrichtung anpasst, bevor der nächste Stapel ausgeliefert wird.
Glasur-Pinholes und Crawling
Glasur-Pinholes sind winzige Hohlräume in der Glasurschicht, verursacht durch eingeschlossenes Gas, kontaminierte Scherbenoberfläche oder unterbrannte Glasurviskosität, und Crawling ist der umgekehrte Fall, bei dem die Glasur sich zusammenzieht und den Scherben freilegt. Beide schaffen Wassereintrittspunkte, die den Ofen überleben, aber den Frost-Tau-Garantietest nicht. Die Defekte sind am Ofenausgang fast unsichtbar, ruinieren aber den Ziegel im Einsatz. Das KI-Modell hält die visuelle Signatur einer korrekten Glasur pro Farbe vor und meldet Pinhole-Dichte und Crawling-Cluster, sobald das lokale Muster vom Soll abweicht.
Farb- und Schattendrift
Farbdrift ist die schleichende Abweichung der gebrannten Farbe, verursacht durch Rohstoff-Chargenvariation, Ofenatmosphäre-Änderung oder Oxid-Dosier-Drift auf der Glasurlinie. Die schlimmsten Fälle überleben die QS-Stichprobe, weil sie zwischen den vier Ecken liegen, die der Bediener prüft, und ein Dach aus einer driftenden Palette zeigt sichtbare Flecken über Schrägen. Das KI-Modell hält einen gelernten Referenzfarbton pro Reihe vor und meldet Drift, sobald das lokale Farb-Delta Deine Spezifikation überschreitet, damit die Linie die vorgelagerten Bedingungen korrigieren kann, bevor eine Palette außerfarblicher Ziegel ins Lager geht.
Verzug und Unebenheit
Verzug ist die Maßabweichung in Form von Bug oder Verdrehung, die sich beim Trocknen, Glasieren oder Brennen entwickelt, und sie zeigt sich als Ziegel, die auf einer Latte wackeln und den Überlapp-Test nicht bestehen. Ursachen sind ungleichmäßige Trocknung, Ofen-Positionseffekte und Scherbenkomposition-Drift. Stichproben mit dem Messschieber in der Pause erfassen den Trend, übersehen aber die Fenster dazwischen. Das KI-Modell erkennt die Oberflächen-Verformungssignatur am Ofenausgang und meldet die Ziegel außerhalb Deines Akzeptanzbandes vor der Palette.
Gebrochene oder fehlende Nasen
Nasen sind die integralen Haken auf der Rückseite des Ziegels, die in die Dachlatte eingreifen, und eine gebrochene oder fehlende Nase bedeutet, dass der Ziegel nicht montiert werden kann. Ursachen sind Werkzeugverschleiß, schlechtes Entformen und thermische Spannung beim Brand. Manuelle Bediener prüfen die sichtbare Vorderseite, drehen den Ziegel aber selten, sodass Nasendefekte oft auf die Palette kommen. Das KI-Modell kann entweder die Rückseite direkt lesen oder die Nasenpräsenz aus der Wendestation ableiten und meldet fehlende oder gebrochene Nasen am Entlader.
Der Beleuchtungsaufbau, der das auf einer Ziegellinie funktionieren lässt, ist eine diffuse Deckenleuchte über dem Ofenausgang für Scherben und Glasur, plus eine Niedrigwinkel-Ringleuchte an der Verpackungsstation für Kantenausbrüche und Nasengeometrie. Ein iPhone Pro mit Makro- und Weitwinkellinsen deckt die sieben Defektfamilien aus einer Prüfstation pro kritischem Kontrollpunkt ab. Wir synchronisieren das Rig mit dem Förderband-Encoder, damit gemeldete Ziegel eine Aussonderungs- oder Halt-Entscheidung auslösen. Die Optik spezifizieren wir gemeinsam beim Onboarding.
Wie Enao auf einer Dachziegellinie läuft
Das komplette Hardware-Rig kostet unter €1.000 und besteht aus einem refurbed iPhone Pro, einer diffusen Deckenleuchte mit optionaler Niedrigwinkel-Ringleuchte für die Kantenprüfung, einem USB-C-Kabel und einer Halterung über Ofenausgang, Entlader oder Verpackungstisch. SPS-Integration ist für die erste Inbetriebnahme nicht nötig, das Rig passt in einen Flightcase, und die Linie läuft beim Aufbau weiter.
Das Onboarding läuft self-serve. Dein Linienteam montiert das Rig, öffnet die Enao-App und sammelt am nächsten Wechsel Referenzframes. Tag eins liefert 80% Genauigkeit ohne Vorlabeling, und ab Tag vierzehn arbeitet das Modell auf den gesehenen Defektfamilien über dem manuellen Prüfer und verbessert sich mit jedem Ziegel, den die Linie bestätigt oder verwirft.
Jede Linie trainiert ihr eigenes Modell auf Scherben, Glasurchemie und Profil. Beim Wechsel auf eine andere Farbe oder ein anderes Profil an derselben Presse adaptiert das Modell in einer Schicht. Wenn Du eine Schwesterlinie mit ähnlicher Produktfamilie startest, beginnt das zweite Modell mit der Erfahrung des ersten, und der Aufwand sinkt deutlich.
Außertolerante Ziegel erreichen die Palette nicht, Ausschuss wird am Prüfpunkt statt im QS-Büro verbucht, und Deine Bediener bekommen die Stunden zurück, die sie für die Aufgaben brauchen, die einen Menschen erfordern: Pressen-Setup, Glasurabstimmung und Kundenreklamationen.
Wie Enao gegen manuelle Prüfung und klassische Machine-Vision abschneidet
Für Dachziegelproduzenten verdichtet sich der Vergleich auf fünf Dimensionen.
Aufbauzeit auf einer Dachziegellinie. — Manuelle Sichtprüfung: stundenlange Schulung pro Bediener, laufende Lohnkosten. Klassische Machine-Vision: drei bis neun Monate Integration mit einem Systemintegrator, plus ein Regelsatz pro Profil. Enao: in einer Woche von Deinem Team eingerichtet, Tag eins auf 80% Genauigkeit.
Hardwarekosten pro Linie. — Manuelle Sichtprüfung: keine Anschaffung, laufende Lohnkosten. Klassische Machine-Vision: €40.000 bis €200.000 pro Linie für Industriekameras, strukturierte Beleuchtung und Integration. Enao: unter €1.000 pro Linie mit refurbed iPhone Pro, Lampe und Halterung.
Umgang mit neuen Farben, Profilen und Glasuren. — Manuelle Sichtprüfung: Bediener pro neuer SKU neu schulen. Klassische Machine-Vision: Regelsatz pro Rezeptur neu schreiben, oft an den Integrator ausgelagert. Enao: Modell auf neue Profile und Glasuren in einer Schicht nachtrainieren, ohne Code anzufassen.
Erkennungsgenauigkeit auf subtilen Pinholes und Schattendrift. — Manuelle Sichtprüfung: zu Schichtbeginn hoch, fällt nach drei Stunden messbar ab. Klassische Machine-Vision: stark bei Maßprüfung, schwach bei subtiler Pinhole-Dichte und Schattendrift. Enao: lernt Oberflächen- und Kantensignaturen aus Referenzframes und hält die Genauigkeit über Schichten und Läufe.
Wer es betreibt. — Manuelle Sichtprüfung: geschulter Bediener am Entlader. Klassische Machine-Vision: Systemintegrator oder spezialisierter Vision-Engineer. Enao: Dein Linienteam, kein externer Spezialist nötig.
Baustoffhändler und Dachdecker wechseln Lieferanten wegen einer einzigen gerissenen Palette, und die Kosten eines Chargebacks oder eines stillen Listing-Verlusts liegen weit über den Kosten eines iPhone-basierten Prüf-Rigs. Genau für diese Lücke ist Enao gebaut.
