John Deere nutzt KI zur Lösung von Schweißporositätsproblemen

Schweißen ist ein integraler Bestandteil der Schwerlastfertigungsindustrie, und eine der Herausforderungen, denen Techniker beim Schweißen begegnen, ist Porosität – das Vorhandensein von Hohlräumen im Schweißmetall.

Diese Hohlräume schwächen die Schweißfestigkeit und erfordern Nacharbeit oder sogar das Ausschlachten des gesamten fehlerhaften Teils.

Das kann kostspielig und zeitaufwändig sein. Während geschulte Schweißingenieure Porosität durch akustische und visuelle Inspektion erkennen können, sind diese Ingenieure schwer zu finden. Sie haben möglicherweise auch Schwierigkeiten, Defekte in lauten und rauchigen Fabrikumgebungen zu hören oder zu sehen.

Bestehende automatisierte Überwachungssysteme weisen oft eine hohe Rate an Falschpositiven auf, was die Produktion verlangsamt und Kosten erhöht.

John Deere, Hersteller von Land-, Bau- und Forstmaschinen, ging eine Partnerschaft mit Intel ein, um eine KI-basierte Lösung für dieses Problem zu entwickeln.

Maschinenseh-Lösungen waren für Schweißanwendungen lange schwierig zu entwickeln, da extrem raue Umgebungen mit Rauch und Funken die Kameraplatzierung erschweren.

Um diese Herausforderungen zu überwinden, arbeiteten wir mit John Deere und unseren Partnern an einer KI-Lösung mit einer Kamera in unmittelbarer Nähe des Schweißnahts, die Einblicke über die Fähigkeiten des menschlichen Auges hinaus liefert.

Mithilfe des Intel OpenVINO (Visual Inference and Neural Network Optimization) Toolkits untersucht die Lösung das Streaming-Video Bild für Bild auf Defekte.

Wenn Defekte vom KI-Modell erkannt werden, schaltet die Lösung den Schweißroboter sofort ab, damit ein Techniker sicher eingreifen kann. Bisherige Versuche in der Industrie, Schweißporositätsprobleme während des Schweißprozesses zu bewältigen, waren nicht immer erfolgreich. Werden diese Fehler später im Fertigungsprozess entdeckt, erfordern sie Nacharbeit oder sogar das Ausschlachten ganzer Baugruppen, was störend und teuer sein kann.

Basierend auf unserem Pilotprojekt mit Deere kann die Lösung Porositätsfehler mit einer Genauigkeit von bis zu 97,14 Prozent erkennen – eine enorme Kosten- und Produktivitätsersparnis für Hersteller. Die eigenständige Lösung hat keine Abhängigkeit von irgendeiner Drittanbieter-Stromversorgung oder dem Schweißroboter-Modell, was sie wirklich skalierbar macht.

Das End-to-End-integrierte System ermöglicht Herstellern auch, neue und bestehende Schweißgeräte anzubinden, mehrere rechenintensive Bilddatenströme zu erfassen und Machine-Learning-Modelle auf Edge-Geräten bereitzustellen.

Schweißqualitätsherausforderungen sind natürlich nicht einzigartig für John Deere. Was einzigartig ist, ist Deeres Ansatz. Ingenieure des Unternehmens setzen auf KI und Maschinensehen, um Qualitätsinspektion zu automatisieren, was es ihnen ermöglicht, Probleme zu erkennen, sobald sie auftreten, um schnelle Entscheidungen auf dem Shopfloor zu treffen, den QA-Prozess zu automatisieren, um Qualität zu verbessern, Kosten zu senken und den Fabrikdurchsatz zu erhöhen.

Bei der Zusammenarbeit mit Deere lag unser Fokus darauf, die Langlebigkeit der Lösung zu gewährleisten, um andere Qualitäts- oder Effizienzanforderungen zu unterstützen, die das Unternehmen in Zukunft haben könnte.

Das ist ein großer Gewinn für Unternehmen, die Intelligenz in bestehende Fertigungsanlagen, Prozesse und Management einbringen wollen. Es ist entscheidend, mit Lösungsanbietern zusammenzuarbeiten, die helfen können, heutige Herausforderungen zu lösen, während sie Interoperabilität und Skalierbarkeit für Flexibilität und Benutzerfreundlichkeit in der Zukunft sicherstellen.

„Schweißen ist kompliziert. Diese KI-Lösung hat das Potenzial, uns dabei zu helfen, unsere … Maschinen effizienter als zuvor herzustellen“, sagte Andy Benko, Qualitätsdirektor in Deeres Construction & Forestry Division.