Motorendichtungen

Ein Beadprofil, das nach dem Verschleiß des Stempels um ein Zehntelmillimeter driftet, eine Beschichtungslücke an der Ecke einer Mehrlagen-Stahldichtung, eine OCR-lesbare Losmarkierung, die verwischt ist, weil die Prägewalze fehlausgerichtet lief. Auf einer Dichtungslinie, die ein Tier-1-Automotive-Programm beliefert, kostet dich jedes fehlerhafte Teil, das zum OEM gelangt, doppelt. Das Teil läuft unter PPAP raus. Dann meldet das Motorenwerk eine Undichtigkeit in der Kaltstartqualifikation, die 8D-Anforderung landet in deinem Qualitäts-Inbox, und die nächste Vergaberunde geht an deinen Wettbewerber. Manuelle Prüfer:innen fangen die offensichtlichen Fälle ab, aber die Beadprofil-Drift, die eine 4K-Makrooptik an der Inspektionsstation sofort erkennt, ist genau die, die das müde menschliche Auge nach drei Stunden Schicht übersieht. Genau diese Lücke schließt die automatisierte Qualitätskontrolle für Motorendichtungen, und du brauchst dafür kein sechsstelliges Bildverarbeitungssystem.

Automatisierte Qualitätskontrolle für Motorendichtungen bedeutet, dass jede Dichtung beim Verlassen der Presse, der Beschichtungslinie oder der Gummiumspritzung von einer Kamera und einem KI-Modell geprüft wird. Nicht-konforme Teile werden in Echtzeit erkannt und vom PPAP-kontrollierten Los ausgeschlossen. Enao stellt damit einen einheitlichen Sichtkontrollpunkt über alle Schichten und Produktfamilien hinweg bereit und protokolliert jedes gemeldete Teil für deinen IATF-16949-Rückverfolgbarkeitsnachweis.

Motorendichtungen sind besonders anspruchsvoll, weil auf einem einzigen Teil unterschiedliche Materialien und Geometrien zusammenkommen: mehrlagige Stahldichtungen mit geprägten Beads, Beschichtungen, Markierungen und präzisen Bohrungen, oft kombiniert mit schwarzem Gummi als Träger. Elastomerdichtungen sind flexibel, reagieren empfindlich auf Beleuchtung und erfordern eine zur Gummimischung passende Optik. Klassische, regelbasierte Bildverarbeitung stößt hier an Grenzen, und manuelle Sichtkontrolle leidet unter Ermüdung und Kontrastproblemen.

Enao setzt genau hier an: Das KI-Modell lernt deine spezifischen Beadprofile, Beschichtungen und Markierungsmuster aus Referenzteilen, statt auf starre Regeln angewiesen zu sein. So wird die automatisierte Dichtungsinspektion zur echten Ergänzung deiner Messstationen und reduziert das Risiko, dass kritische Fehler erst am Kaltdruckprüfstand oder beim Motoren-OEM auffallen.

Der komplette Hardware-Aufbau kostet unter 1.000 € und besteht aus einem refurbished iPhone Pro, einer flachen Ringleuchte, einem USB-C-Kabel und einer Halterung über dem Inspektionspunkt. Eine SPS-Anbindung ist für den ersten Einsatz nicht nötig, der Aufbau passt in einen Flightcase, und die Linie läuft weiter, während du ihn aufstellst.

Das Onboarding läuft im Self-Service. Dein Linienteam montiert die Hardware, öffnet die Enao-App und sammelt beim nächsten Teilewechsel die ersten Referenzbilder. Tag 1 liefert 80 % Trefferquote ohne vorheriges Labeling, und bis Tag 14 liegt das Modell bei den eingelernten Fehlerfamilien über der manuellen Sichtkontrolle. Mit jedem gemeldeten Teil, das deine Linie bestätigt oder verwirft, verbessert es sich weiter.

Jede Linie bringt dem eigenen Modell die Beadprofile, Beschichtungssysteme, Prägungen und Bohrbilder bei. Wenn du eine zweite Linie derselben Produktfamilie aufbaust, startet das zweite Modell auf den Erfahrungen des ersten, und der Aufwand sinkt deutlich. Bei einer neuen Dichtungsvariante lernst du das Modell in einer Schicht um, statt zwei Wochen lang ein Regelwerk neu zu programmieren.

Schlechte Teile verlassen die Zelle nicht mehr, das Ausschleusen passiert am Inspektionspunkt statt im End-of-Line-Audit, und deine Prüfer:innen bekommen die Stunden Aufmerksamkeit zurück, die sie für die Aufgaben brauchen, die wirklich noch ein menschliches Auge verlangen, etwa Lieferantenaudits und IATF-Dokumentation.