Neuartiges Bildverarbeitungssystem sorgt für korrekte Montage von Autositzen

Industrielle Bildverarbeitung, Roboter- und Deep-Learning-Technologien werden kombiniert, um sehr unterschiedliche Automobilteile effizient zu prüfen.

Automatisierungstechnologien wie Roboter und Bildverarbeitung spielen in der Automobilfertigung eine wichtige Rolle und übernehmen Aufgaben vom Lackieren und Schweißen bis hin zum Materialhandling und der Montage.

Als zertifizierter Systemintegrator der Association for Advancing Automation (A3) nutzt LEONI Engineering Products & Services (LEPS) sein hauseigenes Bildverarbeitungs-Entwicklungslabor und sein Expertenteam, um regelmäßig schwierige Inspektions-, Montage- und Prüfaufgaben in der Automobilfertigung – und darüber hinaus – zu lösen. Zu den Aufgaben gehören die Validierung von Rädern und Reifen, Roboterführung, optische Zeichenerkennung (OCR) und die vollständige Rückverfolgbarkeit von Fertigungs- und Montageprozessen und sogar die Überprüfung des Vorhandenseins und der Position von Sitzschaumeinlagen. 

Entwicklung von Bildverarbeitungssystemen und Dienstleistungen

Das Unternehmen beginnt mit einer eingehenden Analyse und einer technischen Machbarkeitsstudie, um eine Grundlage für das Design der Bildverarbeitungslösung zu schaffen. Unter Verwendung der besten Bildverarbeitungshardware und -software für die jeweilige Anwendung entwirft LEPS dann das System, dokumentiert es und schult die Bediener in seiner Anwendung.

Die Inspektion von Sitzformen ist eine besonders anspruchsvolle Bildverarbeitungsaufgabe. Die Hersteller, die mit einer sehr geringen Gewinnspanne arbeiten, verlassen sich in hohem Maße auf automatisierte Inspektionssysteme, um sicherzustellen, dass die richtigen Komponenten in jedes Schaumstoffteil eingearbeitet wurden. Die immer komplexer werdende Konstruktion und die große Vielfalt an Sitzformen erfordert jedoch ein Inspektionssystem, das in der Lage ist, sich im laufenden Betrieb anzupassen.

Die Montage von Sitzschaumeinlagen umfasst eine Vielzahl von Komponenten. Diese werden von Bedienern manuell platziert und können Clips, Klettverschlüsse, Versteifungsdrähte, Stoffe und RFID-Tags umfassen, die in den Hohlraum der Sitzform gelegt werden, bevor ein Roboter den Polyurethanschaum in die Form gießt. Eine Produktionslinie kann auch Hunderte von Teiletypen verarbeiten, die alle geprüft werden müssen. Das unterschiedliche Erscheinungsbild der Formen erhöht die Komplexität zusätzlich. Zum Beispiel erscheinen Gussformen nach der Reinigung extrem reflektierend und werden dunkel, wenn Wachse und Farbstoffe in die Formen eingefüllt werden.

Wenn der Schaum erst einmal gegossen ist, können die meisten falsch platzierten Komponenten nicht mehr nachgearbeitet oder gar erkannt werden. Deshalb hat das frühzeitige Erkennen von Defekten für die Hersteller höchste Priorität, denn sie wollen natürlich keinen Ausschuss verursachen oder die Beziehung zum Kunden gefährden. Einige Automobilhersteller verpflichten sich sogar, ein Inspektionssystem als Teil des Vertrages zur Lieferung von Materialien für den Kunden einzurichten.

Neuartiges Design ermöglicht präzise Inspektion

Um die Montage von Sitzformen zu verbessern, hat LEPS ein flexibles, automatisiertes Inspektionssystem entwickelt, das mehrere verschiedene Teilenummern, Modelle und Inspektionsaufgaben aufnehmen kann. Das System ist derzeit an mehreren Standorten im Einsatz.

Der Prozess beginnt direkt, nachdem die Bediener die Komponenten in die Form eingelegt haben. Eine der Kameras des Inspektionssystems nimmt Bilder von vorbestimmten Punkten in der Form auf, an denen die meisten Abweichungen auftreten. Das System verwendet eine spezielle Kamera, um die Intensität der Gussform zu messen, sodass die Hauptinspektionskameras versetzt werden können, um einen maximalen Kontrast zwischen den Komponenten und der Gussform selbst zu erzeugen.

Das System kompensiert unterschiedliche Sitzgeometrien und Formtiefen durch eine außergewöhnliche Lichtmenge und eine neuartige Optik und Beleuchtungseinrichtung. Dadurch wird die Tiefenschärfe erhöht, sodass das System den gesamten Tiefenbereich abdecken kann, der für die Inspektion aller Sitze und Formen erforderlich ist, erklärt Jim Reed, Vision Product Manager, LEPS. 

„Ob der Formhohlraum nun vier, acht oder zehn Zoll tief ist, wir können diesen gesamten Bereich im Fokus behalten“, sagte er.

Als nächstes überprüfen die Hauptinspektionskameras, ob die richtigen Komponenten an den richtigen Stellen in der Sitzhöhle platziert sind. Sobald die Systemsoftware das Vorhandensein der Komponenten bestätigt, gibt sie eine Bestätigungs- oder Fehlermeldung aus. Wenn eine Form die Prüfung besteht, sendet das System ein Signal an die speicherprogrammierbare Steuerung (SPS). Die Form fährt dann zur Gießstation des Roboters, wo sie mit Schaum gefüllt wird, die Deckel sich schließen und die Zuführung abgeschlossen wird. Wenn das System fehlende Komponenten erkennt, alarmiert es die SPS, die Sitzform nicht zu gießen. Der Sitz fährt dann zurück zu den Bedienern, die die Platzierung der Komponenten noch einmal überprüfen und korrigieren. Danach wird der Sitz erneut durch die Vision-Inspektionsstation geschickt.

Deep Learning erleichtert Probleme mit der Teilevarianz

Die Teilevarianz kann in manchen Fällen überwältigend sein. Formen können zum Beispiel Spuren von Handschriften oder Bearbeitungen aufweisen und sehr unterschiedlich aussehen, selbst dann, wenn sie das gleiche Teil produzieren. Bisher musste jede Form einzeln programmiert werden, aber LEPS hat begonnen, Deep Learning in den Prozess einzubauen. Die Bediener können nun eine einzelne Teilenummer programmieren statt wie bislang jede Sitzkavität im Haus, was viel Zeit spart.

„Diese Systeme sind aus Sicht der Bildverarbeitung unglaublich kompliziert, weil es so viele unterschiedliche Teilenummern und Modelle gibt und die Programmierung und Änderungen so umfangreich sind“, sagt Reed. „An einem Formteil werden vielleicht 30 Inspektionen vorgenommen. Wenn Sie diese Inspektionen nehmen und sie mit 200 Teiletypen für 1.500 verschiedene Formen multiplizieren, können Sie schnell sehen, wie komplex das wird.“

Durch die Anwendung unseres Wissens über „Deep Learning“ können unsere Bildverarbeitungssysteme viel mehr Variationen unterbringen, was den Zeitaufwand für die Programmierung und die Wartung des Systems reduziert. Diese und viele andere fortschrittliche Bildverarbeitungstechniken bieten eine breite Palette von Lösungen für viele potenziell anspruchsvolle Anwendungen, die über die Überprüfung und Inspektion von Formeinsätzen hinausgehen.

Informationen zum Bildverarbeitungsservice von LEPS finden Sie hier. Bei Fragen zu den Bildverarbeitungssystemen und -dienstleistungen von LEONI wenden Sie sich bitte an Jim Reed per E-Mail unter james.reed@leoni.com oder telefonisch unter +1 248-766-6844.

Sprachen
Kontakt