Handling und Inspektion von Wendeschneidplatten

Wendeschneidplatten sind austauschbare Schneidwerkzeuge, die in verschiedenen industriellen Anwendungen, insbesondere in der Metallbearbeitung, unverzichtbar sind. Sie dienen als Schneidstoffträger zur Zerspanung von Metallen, Kunststoffen oder Holz. Ihre Herstellung erfordert hochpräzise Fertigungsverfahren, damit eine exakte Geometrie und einwandfreie Oberflächenbeschaffenheit gewährleistet ist. Selbst minimale Abweichungen beeinträchtigen nicht nur die Lebensdauer, sondern auch die Leistung der Schneidplatte. Kleinste, für das menschliche Auge unsichtbare Mängel können immense Schäden verursachen, beispielsweise beim Fräsen oder Schneiden hochwertiger Bauteile – Folgekosten inklusive. Um sicherzustellen, dass nur fehlerfreie Wendeschneidplatten den Produktionsprozess verlassen und den hohen Anforderungen in Bezug auf Haltbarkeit und Zuverlässigkeit gerecht werden, ist eine sorgfältige Qualitätskontrolle unabdingbar.

Wie künstliche Intelligenz dabei visueller Inspektion zu Quantensprüngen verhelfen kann, beweist ein Leuchtturmprojekt des Automations- und Messtechnikspezialisten Xactools aus Baden-Württemberg. Für Seco, Anbieter von Zerspanungslösungen und Hersteller von Wendeschneidplatten mit Sitz in Fagersta, Schweden, hat der schwäbische Mittelständler ein vollautomatisches Handlings- und Inspektionssystem entwickelt, in dem die Lösung Denknet für KI-basierte Bildauswertung eine entscheidende Rolle spielt und neue Maßstäbe in Bezug auf Leistung, Null-Fehler-Produktion und Geschwindigkeit setzt. Wesentliche Faktoren für die erfolgreiche Umsetzung eines solchen Projekts sind die enge Zusammenarbeit aller Beteiligten, deren fachliche Kompetenz und das hohe Engagement des Teams. Eine zentrale Rolle spielte dabei Martin Tobias Lithner, IIoT-Verantwortlicher und Data Scientist bei Seco. Gemeinsam mit Kyle Paulus, Sintering Engineer bei Seco, hat er das Projekt von der Konzeptionsphase an kontinuierlich vorangetrieben.

Defekte frühzeitig erkennen

Rund 1,2 Millionen Wendeschneidplatten verlassen pro Woche die Produktionshallen von Seco, die beispielsweise in der Metallverarbeitung, der Automobilindustrie oder der Luft- und Raumfahrtindustrie höchstmögliche Prozesssicherheit und Produktivität gewährleisten müssen.

Die Herstellung erfolgt im Sinterverfahren, bei dem pulverförmige Metalle, Hartmetalle und andere Materialien in die jeweils gewünschte Form gepresst und dann gesintert werden, also unter Hitze und Druck miteinander verbunden werden. Die so erzeugte feste und robuste Struktur ermöglicht es, Materialien mit unterschiedlichen Eigenschaften zu kombinieren, um die gewünschten Schneid- und Verschleißfestigkeitseigenschaften zu erreichen. Nach dem Sinterprozess werden die Kanten der Wendeschneidplatten verrundet und geschliffen, ihre Oberflächen gestrahlt, geschliffen und beschichtet.

Das Robotvision-System der schwäbischen Ingenieure kommt dabei direkt nach dem zweiten Herstellungsschritt, dem Sinterprozess, zum Einsatz. "Je eher im Prozess Defekte erkannt werden, desto besser und günstiger ist die Behebung", begründet Marvin Krebs, Managing Director bei Xactools, die Position des Systems. Für das Handling und die Defektinspektion der Wendeschneidplatten kommen insgesamt acht hochauflösende Industriekameras und zwei Spider-Robots zum Einsatz, die drei Rundtischnester und final je eine Pin-Palette im Blick haben und bestücken. Das Herzstück des komplexen Bildverarbeitungssystems zwischen Kameras, Robotern und einem Multi-GPU Computing Rack bildet die KI von Denknet.

Training zur korrekten Erkennung

So vielseitig die Einsatzgebiete der kleinen Werkzeugteile, so variantenreich sind ihre Beschaffenheit und Geometrien. Rund 2.800 Produkte hat allein dieser Hersteller im Portfolio, die sich in fast hundert Geometriefamilien aufteilen lassen. Für all diese galt es, das Handling und die Defektinspektion zu automatisieren. "Die erste Herausforderung resultiert aus den zahlreichen Farbvariationen innerhalb des Pulvers pro Pressvorgang", erklärt Marvin Krebs. "Wenn gewisse Parameter wie Zeit, Druck oder Positionierung variieren, führt dies zu Farb- oder Glanzgradabweichungen oder auch zu einer anderen Verteilung von sogenannten Speckles auf der Oberfläche, was aber kein Defekt ist." Die eingesetzte KI-basierte Bildauswertungssoftware musste so trainiert werden, dass sie die zahlreichen möglichen Farbabweichungen der Oberflächen richtig erkennt und als "In Ordnung" bewertet. Andererseits müssen kleinste Unregelmäßigkeiten wie Risse, Kratzer, Einschlüsse oder andere Anomalien als solche erkannt und als "Nicht In Ordnung" klassifiziert werden. Dabei gilt die Prüfung von Metalloberflächen als eine der höchsten Künste der Oberflächeninspektion, da ihre Beschaffenheit matt, glänzend oder sogar spiegelnd sein kann. "Die KI musste für diese Anwendung extrem auf Variationen und Lichtverhältnisse geteacht werden", betont Marvin Krebs.

Doch neben der optischen Erscheinung geht es auch um die Wendeplattengeometrie. Kategorien wie Dreieck, Rechteck, Raute oder Quadrat finden sich durch kleinste Abweichungen in unzähligen Varianten wieder und werden daher in händelbare Unterkategorien, sogenannte Geometriefamilien, eingeteilt. Für das Training der Netze traf Xactools die Vorauswahl, fast hundert Geometriefamilien wurden definiert und anschließend vom Hersteller selber eingelernt. Was nach einem mühsamen Unterfangen klingt, war erstaunlich schnell erledigt. "Pro Geometriefamilie wurden nicht mehr als 20 bis 30 Bilder zum Einlernen gebraucht", erinnert sich Marvin Krebs. Die hierfür genutzte Denknet Palettierungs-KI verwendet das Denknet Segmentierungs- und Klassifizierungsnetzwerk. Der Kunde selbst trainierte die individuelle Bildanalyse-Lösung mit dem Denk Vision AI Hub. In wenigen Monaten konnte die KI in die Fertigungslinie integriert werden und erzielte von Anfang an nahezu perfekt zuverlässige KI-Ergebnisse für die zu prüfenden Metallkomponenten. "Als fehlerhaft erkannte Wendeschneidplatten werden entsprechend der Größe und Lage des Mangels aussortiert und gruppiert. Die KI-Bildanalyse erkennt dabei 99 % der Fertigungsfehler", betont Daniel Routschka, Sales Manager Artificial Intelligence von IDS Imaging Development Systems.