Verseidag
April 2025 - Dezember 2025
Deep Learning für die Textilindustrie: Automatisierte Fehlerklassifikation in der Warenschau
Verseidag Indutex produziert beschichtete und laminierte Gewebe für diverse Anwendungs‑Märkte, wobei die Qualitätsprüfung der fertig produzierten Rollenware manuell nach dem letzten Fertigungsschritt erfolgt. Die manuelle Warenschau ist zeitaufwendig, visuell belastend, erfahrungsabhängig und führt zu uneinheitlichen Entscheidungen; vorhandene Kameras liefern lediglich Bilddaten, aber keine Fehlertyp‑Klassifizierung. Ein KI‑Assistenzsystem soll die Bilddaten automatisiert vorstrukturieren, Fehlertypen erkennen und die Ergebnisse zur Unterstützung der menschlichen Warenschau dokumentieren. Mitarbeitende bleiben für die finale Bewertung verantwortlich: Sie überprüfen die KI Vorschläge, geben ihr Erfahrungswissen ein und entscheiden über die Freigabe oder Ablehnung.
Bedarf
Die aktuelle manuelle Qualitätskontrolle ist langsam, erfordert hohe Konzentration und ist stark von individuellem Erfahrungswissen abhängig, wodurch inkonsistente Bewertungen und Fehlentscheidungen entstehen können. Zudem führt die fehlende automatische Klassifizierung von Bilddaten dazu, dass potenzielle Defekte erst spät erkannt werden, was Ausschuss und Prozessineffizienzen erhöht.
Umsetzung
Die KI Lösung analysiert Bilddaten aus dem bestehenden Inspektionssystem, erkennt auffällige Stellen, fasst ähnliche Fehlermuster zusammen und schlägt passende Fehlertypen vor. Technisch kombiniert der Prototyp klassische Bildverarbeitung (z. B. Textur und Varianzanalysen) mit lernenden Bildmodellen, wobei Heatmaps die relevanten Bildbereiche visualisieren. Die Implementierung erfolgt als softwarebasiertes Assistenzsystem.
Nutzen
Durch die Vorstrukturierung und automatische Fehlertyp Klassifizierung reduziert das System die Zeit für die visuelle Prüfung erheblich und mindert die mentale Belastung der Beschäftigten. Einheitliche, nachvollziehbare Qualitätsentscheidungen erhöhen die Prozesssicherheit und verringern die Fehlerquote. Langfristig lassen sich die KI Ergebnisse mit Prozessparametern verknüpfen, um Fehlerursachen frühzeitig zu identifizieren.