KI-gestützte Qualitätsprüfung von optischen Systemen

Die Integration von KI-Systemen in industrielle Prozesse ist ein Kernthema vieler Forschungs- und Entwicklungsvorhaben der letzten Jahre. Die Chancen und Herausforderungen, die mit Lösungen des Maschinellen Lernens einhergehen, sind vielfältig.Eine wesentliche Herausforderung ist dabei stets die Bereitstellung von Daten in ausreichender Qualität und Quantität. In der Fertigung von komplexen optischen Systemen ist die Montage der einzelnen Komponenten von großer Bedeutung für die Funktion und Qualität des Produkts, da jede Abweichung der Einzelkomponente in Kombination zu einer Qualitätseinschränkung führen kann. Vorgestellt werden die Ergebnisse zur Ermittlung von Positionierungsabweichungen in Thermografiekameras durch Beurteilung der optischen Güte mittels KI- Methoden nach der Montage. Hierfür wurde die maßgeblich die Qualität beeinflussende Komponente im System identifiziert und die Auswirkung auf das optische Ergebnis analysiert. Durch Simulation von Positionsabweichungen der Kernkomponente wurden ≈5000 Datensätze für Training und Validierung eines neuronalen Netzes geniert. Die durchgeführte Studie zeigt die Potentiale aber auch bestehende praktische Grenzen der Methodik auf.