Fenster und Türen
Erkenne Profilkratzer, falsch sitzende Dichtungen, Glasleisten-Lücken und Beschlagsfehler, bevor Fenster und Türen die Linie verlassen.
Automatisierte Qualitätskontrolle für die Fenster- und Türenproduktion, läuft auf einem refurbed iPhone an Zuschnitt, Schweißmaschine, Verglasung und Verpackung.
Was ist automatisierte Qualitätskontrolle in der Fenster- und Türenproduktion?
Automatisierte Qualitätskontrolle in der Fenster- und Türenproduktion nutzt eine Kamera und ein KI-Modell, um jeden Rahmen, Flügel und Türblatt an Schneider, Eckschweißer, Verglasung und Verpackungslinie zu erfassen und nicht-konforme Einheiten vor dem Versandhof zu melden. Statt auf den Linienbediener an der Wickelstation oder auf starre regelbasierte Machine-Vision zu setzen, lernt die KI Deine Profilgeometrie, Folienfarbe, Dichtungschemie und Dein Beschlagslayout und legt einen konstanten visuellen Prüfpunkt über Schichten, Linientempo und Produktwechsel.
Fenster und Türen sind bei Produktionsgeschwindigkeit besonders schwer zu prüfen, weil folierte und lackierte Oberflächen Kratzer bei Holzdekoren und Unifarben unterschiedlich zeigen, die Eckschweißraupe bei verschiedenen PVC-Chemien anders aussieht und der Beschlagssitz, der eine glatte Schließbewegung ruiniert, unter Hallenbeleuchtung wie ein normaler Schraubensitz wirkt. Regelbasierte Vision für ein einziges Profil bricht beim Wechsel auf eine andere Farbe, ein anderes Beschlagsset oder eine andere Glasdicke. 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 einheitsscharfe Bilddokumentation liefert. Wenn die Monteur-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 Fenster- und Türenlinien erkennen
Profilkratzer und Oberflächenmarken
Oberflächenkratzer zeigen sich als feine Schnitte, Schleifspuren und Schrammen auf folierten, lackierten oder eloxierten Profilen, verursacht durch Übergaberollen, Verpackungskontakt oder Bedienerhandling zwischen den Stationen. Die schlimmsten Fälle sitzen unter der Schutzfolie und kommen erst beim Abziehen auf der Baustelle zum Vorschein. Bediener an der Wickelstation fangen die offensichtlichen Fälle ab, übersehen aber Grenzmarken unter Hallenbeleuchtung. Das KI-Modell lernt die Soll-Oberflächensignatur pro Folie und Finish und meldet jede lokale Abweichung, die Deine Toleranz überschreitet, mit den Frames als Beweis, damit Du die Wartung der Übergaberollen oder das Handling zwischen den Stationen anpasst, bevor die nächste Charge geht.
Falsch sitzende Dichtungen
Dichtungen sind die Gummi- und Schaumkomponenten, die in die Profilnut eingedrückt werden, und ein falscher Sitz bedeutet Zugluft, Leck oder Schallbrücke. Ursachen sind ungleichmäßiger Vorschubdruck, Profilgrat am Schnitt und Bedienerfehler beim Einziehen. Manuelle Bediener fangen die offensichtlichen Lücken ab, übersehen aber abgehobene Dichtungsenden und lokale Quetschungen, die die Wickelstation passieren und an der ersten Montage scheitern. Das KI-Modell hält die visuelle Signatur einer korrekt sitzenden Dichtung pro Profil vor und meldet Abheben, Lücke und Quetschung, sobald das lokale Muster vom Soll abweicht.
Glasleisten-Lücken und -Sitz
Glasleisten sind die einrastenden Profilstücke, die das Glas halten, und ein schlecht sitzendes Glasleisten-Stück hinterlässt eine sichtbare Lücke an der Innen- oder Außenseite des Rahmens. Ursachen sind Glasleisten-Stoßmismatch, Profilmaßdrift und Bedienerkraft am Sitzschritt. Der Defekt ruiniert die Dichtigkeit der Verglasung und zeigt sich als sichtbare Linie über den Rahmen. Das KI-Modell lernt den Soll-Glasleisten-Sitz pro Profil und meldet Lücken und ungleichmäßigen Sitz am Ausgang der Verglasungsstation, damit der Bediener die Montage korrigieren kann, bevor die Einheit die Wickelstation erreicht.
Eckschweißraupen-Defekte
Auf PVC-Rahmen werden die vier Ecken durch eine Heizplatten-Schweißung verbunden, die eine kleine Raupe an der Ecke erzeugt. Eine saubere Raupe ist eine starke Verbindung, während eine ausgehungerte oder verbrannte Raupe auf eine Temperatur-, Zeit- oder Druckabweichung hinweist, die die Eckenfestigkeit ruiniert. Bediener prüfen die Raupengeometrie stichprobenartig mit dem Auge, können aber nicht jede Ecke jedes Rahmens auf einer Hochdurchsatzlinie inspizieren. Das KI-Modell lernt die Soll-Raupensignatur pro Farbe und Profil und meldet ausgehungerte, verbrannte oder schiefe Raupen am Schweißerausgang, mit den Frames als Beweis, damit Du die Schweißparameter anpasst, bevor eine ganze Charge durchläuft.
Beschlagssitz und Schraubenfehler
Beschlagsfehler umfassen fehlende Schrauben, falsche Griffposition, vertauschte Links- und Rechtsbänder und überzogene Montageplatten, die das Profil verziehen. Die Defekte ruinieren die Schließbewegung und zeigen sich bei der ersten Montage. Manuelle Bediener prüfen den sichtbaren Beschlag, übersehen aber Rück-Schrauben und vertauschte Bänder, die die Wickelstation passieren. Das KI-Modell kann die Beschlagsfläche direkt lesen und meldet fehlende Schrauben, vertauschte Komponenten und verzogene Montageplatten am Montageausgang.
Profilfarbe und Folien-Drift
Folienfarbe-Drift ist die schleichende Abweichung der Oberflächenfarbe, verursacht durch Folienchargen-Variation, Heißlaminator-Temperaturdrift oder ungleichmäßige Lösemitteltrocknung. Die schlimmsten Fälle überleben die QS-Stichprobe, weil sie zwischen den vier Ecken liegen, die der Bediener prüft, und ein Rahmen aus einer driftenden Charge zeigt einen sichtbaren Mismatch zur restlichen Fassade. 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.
Der Beleuchtungsaufbau, der das auf einer Fenster- und Türenlinie funktionieren lässt, ist eine diffuse Deckenleuchte über Eckschweißer und Verglasung für Folie und Raupe, plus eine Niedrigwinkel-Ringleuchte an der Wickelstation für Glas und Dichtung. 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 Einheiten eine Aussonderungs- oder Halt-Entscheidung auslösen. Die Optik spezifizieren wir gemeinsam beim Onboarding.
Wie Enao auf einer Fenster- und Türenlinie 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 Glasprüfung, einem USB-C-Kabel und einer Halterung über Eckschweißer, Verglasung oder Wickelstation. 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 jeder Einheit, den die Linie bestätigt oder verwirft.
Jede Linie trainiert ihr eigenes Modell auf ihre Profilfarben, Folienreihen und Beschlagssets. Beim Wechsel auf eine andere Reihe an derselben Linie 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 Einheiten erreichen die Wickelstation 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: Schweißer-Setup, Verglasungssitz und Kundenreklamationen.
Wie Enao gegen manuelle Prüfung und klassische Machine-Vision abschneidet
Für Fenster- und Türenproduzenten verdichtet sich der Vergleich auf fünf Dimensionen.
Aufbauzeit auf einer Fenster- und Türenlinie. — 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 Beschlagssets. — 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 Beschlag in einer Schicht nachtrainieren, ohne Code anzufassen.
Erkennungsgenauigkeit auf subtilen Kratzern und Raupendrift. — Manuelle Sichtprüfung: zu Schichtbeginn hoch, fällt nach drei Stunden messbar ab. Klassische Machine-Vision: stark bei Maßprüfung, schwach bei subtiler Kratzererkennung und Eckschweißraupen-Drift. Enao: lernt Oberflächen- und Schweißsignaturen aus Referenzframes und hält die Genauigkeit über Schichten und Läufe.
Wer es betreibt. — Manuelle Sichtprüfung: geschulter Bediener an der Wickelstation. Klassische Machine-Vision: Systemintegrator oder spezialisierter Vision-Engineer. Enao: Dein Linienteam, kein externer Spezialist nötig.
Bauherren, Monteure und Händler wechseln Lieferanten wegen einer einzigen zerkratzten Charge, 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.
