Prüfung der Ausgabequalität von elektrischen Fensterhebern für Autos
Von Pavel Konečný, CEO & Mitbegründer von Neuron soundware
In der Vergangenheit prüften die Betreiber die Qualität der Fensterheber durch Abhören. Dies bedeutete, dass der Prüfansatz vom menschlichen Faktor und dem Hören nach Gehör abhängig war. Der Hersteller beschloss, diese manuelle und anspruchsvolle Methode durch ein automatisches System zu ersetzen, das von Neuron Soundware
Die Herausforderung: Ersatz des menschlichen Bedieners, der täglich Hunderte Male komplexe Entscheidungen an der Produktionslinie trifft
Der Top-Marktführer in der Automobilindustrie stellt mechanische Steuerkabel, Fensterheber, Türmodule und Power Closure-Produkte her. Mit Niederlassungen in vielen Ländern der Welt ist der Hersteller auf allen wichtigen Automobilmärkten weltweit vertreten.
Der Hersteller produziert jährlich mehr als 10 Millionen Kabelanwendungen und Fensterheber für Kraftfahrzeuge und ist außerdem einer der Marktführer bei Kabelanwendungen für Freizeitfahrzeuge wie Boote, ATV, Wasserfahrzeuge, Motorräder und Golfcarts.
Die Qualität der produzierten Teile ist für diesen führenden Hersteller wichtig. Im Rahmen des Produktionsprozesses von Fensterhebern prüften die Mitarbeiter in der Vergangenheit die Qualität der Fensterheber durch Abhören. Dies bedeutete, dass der Prüfansatz vom menschlichen Faktor (Abhören jedes Fensterhebers) am Ende der Produktionslinie abhängig war, ein sehr subjektives Verfahren, das zu einer hohen Anzahl von Kundenreklamationen führte.
Aus diesem Grund beschloss der Hersteller im Jahr 2018, die Eignung der Geräuscherkennungstechnologie von Neuron Soundware (NSW) zu bewerten, um die Genauigkeit der Qualitätskontrolltests an einer seiner Montagelinien für mechanische Systeme für Autofenster zu erhöhen. Es wurde vereinbart, dass das Projekt in der Anlage in der Tschechischen Republik durchgeführt werden soll.
Ziel des Projekts war es, eine Lösung zu entwickeln, die Teil der Qualitätskontrolle sein wird. End-of-Line-Prüfung der vom Hersteller entwickelten Kfz-Mechanikeinheit.
Vor Beginn des Projekts erhielt NSW Daten vom Hersteller, um die Durchführbarkeit des Projekts anhand eines kleinen Datensatzes zu bewerten. Das Projekt erwies sich als durchführbar, so dass NSW mit der zusätzlichen Datenerfassung, dem Training des für die Aufgabe verwendeten Klassifizierungsalgorithmus für maschinelles Lernen und dem Einsatz des Dienstes auf der bestehenden Plattform und im Qualitätskontrollsystem fortfuhr.
Die Lösung: Akustische Qualitätskontrolle an Produktionslinien mit künstlicher Intelligenz
Heute werden täglich etwa 1600 Produkte mit der KI-Lösung von NSW getestet. Die Lösung besteht aus IoT-Geräten, die Daten verarbeiten, dem Arduino, der Informationen über den laufenden Test liefert, und dem ML-Modell, das Geräuschpegel im gesamten Frequenzbereich auswertet und in Sekundenschnelle objektive, datenbasierte Ergebnisse liefert. Da der Prozess KI-basiert ist, kann er sich an veränderte Bedingungen anpassen und lernt mit der Zeit.
Die Produkte werden auf einem Prüfstand getestet, der mit Sensoren von Drittanbietern ausgestattet ist und auf dem der Vorgang des Ein- und Ausfahrens des Fensters stattfindet. Der Hersteller testet mehrere Parameter, darunter auch den Schall.
Für den Ton, die ML Modell von NSW wertet die gesamte Kurve bei allen Frequenzen aus und ermittelt, ob die festgelegten Grenzwerte überschritten wurden. Ist dies der Fall, wird der Bediener durch ein rotes Licht auf dem Bildschirm darüber informiert, dass er das Produkt zu einer weiteren Prüfung schicken sollte.
Die Daten werden in der Cloud gespeichert. Die zuständigen Mitarbeiter haben Zugriff auf die nGuard-Portal wo sie Daten über alle geprüften Produkte sehen und das Produkt anhand seines Barcodes identifizieren können.
Dies ist im Falle einer Beanstandung wichtig, da es möglich ist, die Tonprobe und ihre Bewertung herunterzuladen und so eine vollständige Rückverfolgbarkeit für jedes einzelne Produkt zu gewährleisten. NSW ermöglicht auch die Analyse der Tonspur im Hinblick auf den festgelegten Schwellenwert, der unter diesen Umständen gilt.
Wie das Innere der NSW nGuard-App aussieht
Neben dem Bildschirm direkt in der Produktionsstätte steht dem Kunden auch die nGuard-Anwendungsumgebung zur Verfügung, in der er die getesteten Produkte im Zeitverlauf sehen kann. Das Bild unten zeigt, dass 77 Produkte zwischen 19:00 und 20:30 Uhr getestet wurden. Davon waren 74 in Ordnung und 3 Produkte wurden als fehlerhaft bewertet, so dass eine zusätzliche manuelle Prüfung erforderlich war.
Ein mathematisches Modell, das auf einem NSW IoT-Terminal in der Produktionsstätte des Kunden geladen ist, wertet für jede aufgenommene Tonprobe deren Tonhöhe für jede der 20 erforderlichen Frequenzen. (Für jede Frequenz muss die Lautstärke innerhalb einer bestimmten Norm entsprechend dem angegebenen maximal zulässigen Lautstärkepegel liegen).
Schlussfolgerung: Neuron Soundware-Lösung
Bevor die NSW-Technologie eingesetzt wurde, trafen menschliche Bediener bis zu 700 Mal am Tag komplexe Entscheidungen an der Produktionslinie. Die NSW-Lösung ermöglicht den Übergang von der subjektiven manuellen Prüfung durch menschliches Zuhören zur objektiven standardisierten automatisierten Prüfung.
Die wichtigsten Vorteile des eingesetzten Systems sind:
- Senkung der Testkosten
- erhebliche Verbesserung der Gesundheit am Arbeitsplatz; Minimierung der Belastung der Arbeitnehmer durch schwer hörbare Geräusche
- größere Genauigkeit, Evidenz und Objektivität bei der Bewertung der Produktqualität
- Historische Aufzeichnungen von Tests, die Möglichkeit, die Ergebnisse im Nachhinein miteinander zu vergleichen
- Qualitätszertifikat für jedes Fertigerzeugnis auf der Grundlage von Messdaten
- Reduzierung der Kosten für Kundenbeschwerden auf 0%
Neueste Beiträge
