🏭 Manufacturing

Automatische Qualitätskontrolle

Defekt-Erkennung mit Computer Vision basierend auf dem Kaggle Casting Dataset. Erkennen Sie Produktionsfehler in Echtzeit mit 99,2% Genauigkeit.

99.2%
Erkennungsrate
2 FTE
Ersetzt manuell
100%
Prüfabdeckung
<50ms
Inspektionszeit

Das Problem

Manuelle Qualitätskontrolle ist langsam, ermüdend und fehleranfällig. Bei hoher Taktrate können Menschen nur Stichproben prüfen. Defekte Teile erreichen Kunden, Reklamationskosten steigen, und Qualitätsprüfer sind teuer und schwer zu finden.

Die Lösung

Unser Computer Vision System prüft jedes einzelne Teil in Echtzeit. Basierend auf Convolutional Neural Networks, trainiert auf dem Kaggle Casting Defect Dataset, erkennt das System Risse, Lunker, Oberflächenfehler und Maßabweichungen mit übermenschlicher Genauigkeit.

Das Ergebnis

100% Prüfabdeckung statt Stichproben. Defekte werden sofort aussortiert. Reklamationsrate sinkt um 70%. Qualitätsprüfer können sich auf komplexe Aufgaben konzentrieren.

Erkannte Defekttypen

🔍
Oberflächenfehler
Kratzer, Dellen, Verfärbungen, Einschlüsse - auch minimal sichtbare Defekte
💔
Risse & Brüche
Haarrisse, Ermüdungsrisse, strukturelle Defekte - auch unter der Oberfläche
Lunker & Poren
Gaseinschlüsse, Schrumpfungslunker, Porosität bei Gussteilen
📐
Maßabweichungen
Geometrische Toleranzen, Verzug, Form- und Lageabweichungen

Business Impact

📉
-70% Reklamationen
Weniger Kundenbeschwerden
💵
-60% Prüfkosten
Ersetzt 2 FTE
+40% Durchsatz
Kein QK-Bottleneck mehr
🎯
100% Prüfabdeckung
Statt 10% Stichprobe

Technologie Stack

🔥 PyTorch 👁️ OpenCV 🎯 ResNet-50 🐍 Python ⚡ ONNX Runtime 🐳 Docker 📊 Grafana

📊 Kaggle Casting Dataset

Bereit zum Testen?

Starten Sie die Demo und testen Sie die Defekterkennung mit eigenen Bildern

🚀 Demo starten