BMW inspiziert mit KI schon ab dem ersten Werkstück

Endmontage im BMW-Werk in Dingolfing: Im Minutentakt laufen Modelle des neuen 4er Cabrios über eine Montagelinie in die Prüfzelle ein. Mithilfe zweier Kameras analysiert die Station vollautomatisch, ob im Bereich der beiden Heckleuchten jeweils drei Gummistopfen vorhanden beziehungsweise korrekt gesteckt sind. Die Inspektionseinheit arbeitet zuverlässiger und präziser als das menschliche Auge. Fehler und Unregelmäßigkeiten jedweder Art registriert das Kamerasystem sofort, per Display erhält ein Mitarbeiter den Auftrag zur Nachbesserung.

Optische Systeme zur automatisierten Qualitätskontrolle sind in vielen Branchen längst Standard. Dazu zählen einfache Farbsensoren und Code-Lesegeräte ebenso wie komplexe 3D-Mehrkamera-Messsysteme. In vielen Anwendungen kommen konventionelle Bildanalysemethoden zum Einsatz. In der Anwendung von KI-Algorithmen benötigen optische Qualitätsprüfsysteme in industriellen Montage- und Fertigungsanlagen zum Training allerdings eine große Anzahl von Bildern. Prüffähige Bauteile oder Produkte stehen jedoch vor dem Serienstart in aller Regel nicht zur Verfügung – und somit auch noch keine Bilder. Das effektive Training kann daher erst mit dem Produktionsstart beginnen. Je nach Aufgabenstellung und Komplexität verschiebt sich das finale „Go“ für den Prüfprozess zeitlich weit nach hinten. Ist die zu prüfende Stückzahl klein, sind Aufwand und Kosten pro Prüfteil vergleichsweise hoch.

„Bis vor kurzem konnten wir eine Prüfzelle erst dann in Betrieb nehmen, wenn ausreichend Referenzbilder von echten Fahrzeugen vorlagen. Je nach Prüf- und Merkmalsumfang kommt dies mitunter einer Herkulesaufgabe mit erheblichem Zeitaufwand gleich“, erläutert Christian S., der für die Montage zuständige Steuerungstechnikplaner und Bildverarbeitungsspezialist im BMW-Werk Dingolfing. Prozesse effizienter und nachhaltiger gestalten, mittels digitalisierter Daten mehr Flexibilität für veränderte Aufgabenstellungen schaffen und damit Zeit und Geld sparen sind Zielsetzungen nicht nur in der Automobilbranche. Gemeinsam mit den Bildverarbeitungsexperten von Vision-Tools Bildanalyse Systeme forcierte BMW eine Lösung, die verlässliche Bilddaten bereits vor dem Serienstart zur Verfügung stellt. Vision-Tools pflegt seit mehr als 30 Jahren eine enge Projektpartnerschaft mit BMW. „Wir schätzen insbesondere die hohe Kompetenz, das ausgeprägte Know-how, die Ergebnisorientierung und das Engagement der Mitarbeiter von Vision-Tools bei der Umsetzung neuer Aufgaben“, betont Christian S.

BMW hat 70 Prüfzellen von Vision-Tools im Einsatz

Im BMW-Montagewerk Dingolfing sind inzwischen rund 70 Prüfzellen der Bildverarbeitungsexperten aus Waghäusel im Einsatz. Die in dieser Form einzigartige Prüfzelle des Unternehmens zur Stopfenkontrolle am Heckleuchtentopf arbeitet nur auf den ersten Blick wie eine gewöhnliche Prüfstation. Dahinter steckt ein Ansatz, der einem Paradigmenwechsel bei Prüf- und Inspektionsprozessen gleichkommt. Dazu wird im ersten Schritt auf Basis der vom Kunden zur Verfügung gestellten CAD-Daten zu Produkt und Produktionsumgebung ein Simulationsszenario aufgebaut. Da die Abmessungen der Prüfstation in aller Regel bekannt sind, werden bereits im virtuellen Raum Kameras und Beleuchtungen ergebnisoptimal platziert. Zudem wird, sofern verfügbar, die Simulationsumgebung mit einer Abbildung aus der Vorserie oder der Produktentwicklung abgeglichen und validiert.

Prozessseitig stehen für die Simulation für jede Baugruppe eine Vielzahl von Randomisierungsparametern zur Verfügung: so zum Beispiel Positions- und Materialtoleranzen, Farb- und Beleuchtungsunterschiede, Fremdlichteinflüsse, Bildunschärfen, Bildverzeichnungen und viele mehr. In die Simulation fließen somit all jene Merkmale ein, die im realen Prüflauf auftreten und Einfluss auf das Bildergebnis nehmen können. Diese werden per Zufallsgenerator innerhalb vorab eingestellter Grenzen kontinuierlich verändert und so die gewünschte Anzahl individueller, virtueller Bilder erzeugt. Anwender erhalten auf diese Weise vor dem Serienstart beliebig viele virtuelle, realitätsnahe Abbildungsvarianten des Prüffeldes. Die erstellten Bilder enthalten gleichzeitig die Label-Daten beziehungsweise Annotationen und können sofort und ohne weitere Bearbeitung zum Training eines KI-Algorithmus verwendet werden.

System erzeugt virtuell
Fehlerbilder in hoher Zahl

Der Aufwand im Vorfeld rechnet sich in aller Regel: In vielen Fällen ist es kaum möglich oder schlicht zu teuer, sämtliche denkbaren Fehler als Werkstücke aufzubauen und diese als reale Bilder für Trainings- und Validierungszwecke zur Verfügung zu stellen. In der virtuellen Welt hingegen lassen sich Werkstückkombinationen und Fehlerbilder mit wesentlich größeren Toleranzen und in hoher Zahl praktisch per Knopfdruck erzeugen. Von Vorteil ist darüber hinaus, dass Aufbau und Datensatz als digitaler Zwilling unmittelbar in eine Station mit vergleichbaren Anforderungen übernommen werden können. Erfordert die Aufgabenstellung eine Erweiterung des Prüfumfangs, ist die digitale Bilddatengrundlage vergleichsweise einfach und mit überschaubarem Aufwand adaptierbar.

Das Beispiel BMW zeigt, dass der Einsatz eines kostengünstigen, flexiblen und skalierbaren KI-basierten Bildverarbeitungssystems machbar und wirtschaftlich ist. Dank der synthetischen Bildgenerierung standen beim Produktionsstart ausreichend realitätsnahe Gut- und Schlechtbeispiele in höchster Qualität zur Verfügung – ohne dass je ein reales Abbild des Prüffelds vorlag. Die Prüfzelle konnte somit mit dem ersten Fahrzeug ihren Betrieb aufnehmen.

Erkennungsrate von Beginn an bei nahezu 100 %

Dass die Erkennungsrate von Beginn an bei nahezu 100 % lag und damit die Erwartungen des Auftraggebers weit übertraf, ist auch auf die hohe Qualität der CAD-Daten zurückzuführen. Sind diese nicht detailgenau oder zeigen sie das Produkt lediglich idealisiert, sinkt die Erkennungsrate rapide. Nach dem Anlauf der Produktion lässt sich das Set virtuell erzeugter Bilder mit realen Bilddaten anreichern: Diese werden sukzessive eingelernt und sind in der Lage, die Erkennungsrate weiter zu optimieren. „KI-basierte Bildauswertungssysteme wie die von Vision-Tools werden bald auch in anderen Industriebranchen Standard sein“, ist Christian S. überzeugt. Mit der Trainingsumgebung Visioncockpit und der dezentralen Edge-Device VOE-Aibox wird Vision-Tools seine KI-basierten Vision-Lösungen in Zukunft weiter ausbauen und intuitiver bedienbar an den Wünschen der Kunden ausrichten.

Webhinweis

Wie die virtuelle Inbetriebnahme von KI-gestützten Bildverarbeitungssystemen funktioniert, zeigt Vision-Tools in diesem Video: