Glasherstellung
Erkenne Blasen, Einschlüsse, Kratzer und Oberflächenfehler, bevor Flaschen, Gläser und Behälter das Kalte Ende verlassen.
Automatisierte Qualitätskontrolle für die Glasherstellung, läuft auf einem refurbed iPhone an IS-Maschine, Kaltem Ende und Palettierer.
Was ist automatisierte Qualitätskontrolle in der Glasherstellung?
Automatisierte Qualitätskontrolle in der Glasherstellung nutzt eine Kamera und ein KI-Modell, um jeden Behälter am IS-Maschinen-Auslauf, am Kühlofen und am Kalten Ende zu erfassen und nicht-konforme Einheiten vor dem Palettierer zu melden. Statt auf den Kaltende-Prüfer oder auf starre regelbasierte Vision zu setzen, lernt die KI Deine spezifische Glasfarbe, Behältergeometrie, Oberflächenfinish und Naht-Profil und legt einen konstanten visuellen Prüfpunkt über Schichten, Linientempo und Formwechsel.
Behälterglas ist bei Produktionsgeschwindigkeit besonders schwer zu prüfen, weil die optische Brechung des Glases jede Kameralesung verkompliziert: Eine Blase in der Wand und eine Reflexion auf der Oberfläche sehen aus einem festen Winkel fast identisch aus, und ein Stein im Boden kann von der Seite unsichtbar, aber von unten offensichtlich sein. Regelbasierte Vision für eine einzige Flaschenform bricht beim Wechsel auf eine andere SKU, eine andere Farbe oder ein anderes Finish. 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 Kaltende-Station ergänzt und Dir eine behälterscharfe Bilddokumentation liefert. Wenn die Kundenanfrage 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 Behälterglas-Linien erkennen
Blasen, Körner und Einschlüsse
Blasen und Körner sind Gas-Einschlüsse in der Glaswand, verursacht durch unzureichendes Läutern der Schmelze, feuerfeste Degradation in der Wanne oder Überschuss-Wasser im Gemenge. Einschlüsse sind Fremdmaterial im Glas, von Feuerfest-Splittern bis zu unaufgeschmolzenen Gemenge-Partikeln, und sie zeigen sich als dunkle oder farbige Punkte in der Wand. Kaltende-Prüfer fangen die offensichtlichen Blasen ab, übersehen aber die Sub-Millimeter-Körner, die eine Klarglas-Kosmetikflasche ruinieren, und die dunklen Einschlüsse, die unter Kaltende-Beleuchtung wie Oberflächenstaub aussehen. Das KI-Modell lernt die Soll-Wandtextur und meldet jedes Korn und jeden Einschluss über Deiner Akzeptanzschwelle.
Steine und unaufgeschmolzenes Gemenge
Steine sind kristalline Einschlüsse im Glas, verursacht durch feuerfeste Degradation, Entglasung der Schmelze oder unaufgeschmolzene Gemenge-Partikel, die die Läuterstufe überleben. Sie zeigen sich als opake Punkte in der Wand, oft mit einem Spannungs-Halo, und sie können den Behälter Wochen nach Lieferung knacken, wenn Temperaturzyklen das Spannungsfeld öffnen. Manuelle Prüfer fangen die größeren Steine ab, übersehen aber die kleinen, die durch die Seitenansichts-Station laufen. Das KI-Modell erkennt sowohl den opaken Punkt als auch das umgebende Spannungsmuster aus einem Frame und meldet den Behälter vor dem Kühlofen-Auslauf.
Oberflächenkratzer und Abrieb
Oberflächenkratzer und Abrieb entstehen, wenn Behälter sich berühren oder mit Linienanlagen zwischen IS-Maschine und Palettierer in Kontakt kommen, und sie zeigen sich als feine Längslinien am Flaschenkörper. Schwere Abrieb-Muster schwächen die Oberfläche und lösen Druckversagen an der Abfüllanlage des Kunden aus. Manuelle Prüfer fangen die schlimmsten Fälle unter Kaltende-Beleuchtung ab, übersehen aber Grenzkratzer, die durchgehen und beim Kunden auffallen. Das KI-Modell lernt das Soll-Oberflächenfinish pro Behälterform und meldet Kratzer über Deiner Toleranz, mit Frames als Beweis, damit der Bediener Linienführungen oder Palettierer-Werkzeug anpassen kann.
Spannungsrisse und Checks
Spannungsrisse und Checks sind feine Risse in der Glaswand, oft für das bloße Auge unsichtbar, aber tödlich unter Füll- oder Transportdruck, verursacht durch ungleichmäßige Kühlung im Kühlofen, plötzliche Temperaturwechsel oder schlechte Formgestaltung. Polariskop-Prüfung erfasst einige Checks, übersieht aber die Oberflächen-Checks, die nach dem Kühlofen entstehen. Das KI-Modell hält die Soll-polarisierte-Reflexionssignatur vor und meldet Spannungsmuster am Kühlofen-Auslauf, damit die Linie die vorgelagerten Bedingungen korrigieren kann, bevor eine Palette gerissener Behälter den Kunden erreicht.
Maßabweichungen und Unrundheit
Maßabweichungen sind Abweichungen in Behälterhöhe, Körperdurchmesser, Halsdurchmesser, Mündungsmaßen und Volumen, verursacht durch Form-Verschleiß, ungleichmäßige Tropfen-Zustellung oder Temperaturdrift in der IS-Maschine. Unrunde Flaschen versagen an der Verschließanlage des Kunden und lösen Vollpaletten-Reklamationen aus. Stichproben mit dem Messschieber in der Pause erfassen den Trend, übersehen aber die Fenster dazwischen. Das KI-Modell erkennt die Silhouette-Abweichung über mehrere Winkel und meldet die Behälter außerhalb Deines Akzeptanzbandes vor dem Palettierer.
Oberflächenflecken und Schmiermittel-Marken
Oberflächenflecken umfassen Hot-End-Coating-Tropfen, Kaltende-Schmiermittel-Marken und Öl- oder Fett-Kontamination aus Linienanlagen, und sie zeigen sich als trübe Stellen oder Streifen auf der Behälteroberfläche. Schwere Flecken lösen Etiketten-Haftungsversagen an der Abfüllanlage des Kunden aus. Manuelle Prüfer fangen die offensichtlichen Fälle ab, übersehen aber den schleichenden Drift, der sich nach einer Coating-Spray-Fehljustierung aufbaut. Das KI-Modell hält die Soll-Oberflächenklarheit pro Farbe vor und meldet Flecken, sobald das lokale Klarheits-Delta Deine Spezifikation überschreitet.
Der Beleuchtungsaufbau, der das auf einer Behälterglas-Linie funktionieren lässt, ist ein diffuses Backlight am Kühlofen-Auslauf für Blasen, Körner und Steine, plus ein Polarisationsfilter für Spannungsmuster und eine Niedrigwinkel-Ringleuchte am Kalten Ende für Oberflächenkratzer und -flecken. Ein iPhone Pro mit Makro- und Weitwinkellinsen deckt die sieben Defektfamilien aus einer Prüfstation pro kritischem Kontrollpunkt ab. Wir synchronisieren das Rig mit dem Linien-Encoder, damit gemeldete Behälter eine nachgelagerte Aussonderungsentscheidung vor dem Palettierer auslösen. Die Optik spezifizieren wir gemeinsam beim Onboarding.
Wie Enao auf einer Behälterglas-Linie läuft
Das komplette Hardware-Rig kostet unter €1.000 und besteht aus einem refurbed iPhone Pro, einem diffusen Backlight mit optionalem Polarisationsfilter und Niedrigwinkel-Ringleuchte für die Oberflächenprüfung, einem USB-C-Kabel und einer Halterung, die über den Kühlofen-Auslauf, die Kaltende-Station oder den Palettierer-Eingang geklemmt wird. 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 Behälter, den die Linie bestätigt oder verwirft.
Jede Linie trainiert ihr eigenes Modell auf ihre Glasfarbe, Behältergeometrie und Oberflächenfinish. Beim Wechsel auf eine neue SKU an derselben Maschine 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 Behälter erreichen den Palettierer 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: IS-Maschinen-Setup, Form-Verschleiß-Management und Kundenreklamationen.
Wie Enao gegen manuelle Prüfung und klassische Machine-Vision abschneidet
Für Behälterglas-Hersteller verdichtet sich der Vergleich auf fünf Dimensionen.
Aufbauzeit auf einer Behälterglas-Linie. — Manuelle Sichtprüfung: stundenlange Schulung pro Prüfer, laufende Lohnkosten. Klassische Kaltende-Vision: sechs bis zwölf Monate Integration mit einem Systemintegrator, plus ein Rezept pro SKU. Enao: in einer Woche von Deinem Team eingerichtet, Tag eins auf 80% Genauigkeit.
Hardwarekosten pro Linie. — Manuelle Sichtprüfung: keine Anschaffung, laufende Lohnkosten. Klassische Kaltende-Vision: €150.000 bis €500.000 pro Linie für Industriekameras, mehrere Prüfköpfe und Integration. Enao: unter €1.000 pro Linie mit refurbed iPhone Pro, Lampe und Halterung.
Umgang mit neuen Farben, Formen und Finishes. — Manuelle Sichtprüfung: Prüfer pro neuer SKU neu schulen. Klassische Kaltende-Vision: Rezept pro SKU neu schreiben, oft an den Integrator ausgelagert. Enao: Modell auf neue Farben und Formen in einer Schicht nachtrainieren, ohne Code anzufassen.
Erkennungsgenauigkeit auf subtilen Körnern und Spannungsmustern. — Manuelle Sichtprüfung: zu Schichtbeginn hoch, fällt nach drei Stunden messbar ab. Klassische Kaltende-Vision: stark bei Maßprüfung, schwach bei subtilem Korn-Drift und Oberflächen-Flecken-Progression. Enao: lernt Wand- und Oberflächensignaturen aus Referenzframes und hält die Genauigkeit über Schichten und Läufe.
Wer es betreibt. — Manuelle Sichtprüfung: geschulter Kaltende-Prüfer. Klassische Kaltende-Vision: Systemintegrator oder spezialisierter Vision-Engineer. Enao: Dein Linienteam, kein externer Spezialist nötig.
FMCG- und Pharma-Kunden wechseln Lieferanten wegen den Kosten eines Glas-Splitter-Rückrufs, 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.
