Qualitätssicherung in der Schlauch- und Profilextrusion KI-basierte Inline-Inspektion reduziert Pseudoausschuss

Von Patrick Schulze, Journalist 3 min Lesedauer

Reflexionen und Materialrotationen erschweren oft die optische Kontrolle bei der Extrusion von Medizin- und Industrieschläuchen. Eine neue KI-Plattform mit 360°-Erfassung identifiziert nun selbst feinste Defekte wie Mikrolöcher prozesssicher. Verarbeiter profitieren von einer massiven Senkung des Pseudoausschusses und steigender Wirtschaftlichkeit.

Bereits kleinste Änderungen im Prozess können sichtbare Veränderungen auf der Produktoberfläche erzeugen. Diese Effekte sind technisch meist unkritisch, erschweren aber die automatisierte Inspektion erheblich.(Bild:  Maddox AI)
Bereits kleinste Änderungen im Prozess können sichtbare Veränderungen auf der Produktoberfläche erzeugen. Diese Effekte sind technisch meist unkritisch, erschweren aber die automatisierte Inspektion erheblich.
(Bild: Maddox AI)

Extrusionsprozesse gehören zu den empfindlichsten Verfahren in der industriellen Fertigung. Hohe Geschwindigkeiten, wechselnde Oberflächenreflexionen und Materialrotationen machen eine stabile optische Qualitätskontrolle anspruchsvoll. Klassische Bildverarbeitungssysteme stoßen hier schnell an ihre Grenzen, insbesondere wenn qualitative Fehler wie Blasen, Schlieren oder Mikrolöcher erkannt werden müssen, ohne zugleich unnötigen Pseudoausschuss durch Reflexionen oder Staub zu erzeugen. Diese Herausforderungen lassen sich erfolgreich mit KI-gestützter Inline-Inspektion adressieren.

Reflexionen oder Verschmutzungen führen dazu, dass selbst einwandfreie Produkte bei Klassischen Lösungen als Pseudoausschuss aussortiert werden. Die technologische Antwort darauf ist eine KI-basierte Inline-Inspektionsplattform.
(Bild: Maddox AI)

Herausfordernde Rahmenbedingungen in der Extrusion

Bereits kleinste Änderungen im Materialfluss, in der Werkzeugtemperatur oder in der Linienführung können sichtbare Veränderungen auf der Produktoberfläche erzeugen. Diese Effekte sind technisch meist unkritisch, erschweren aber die automatisierte Inspektion erheblich. Hinzu kommt, dass die Produkte oft eine leichte Eigenrotation aufweisen und sich ihr Erscheinungsbild innerhalb weniger Millisekunden verändert. Eine zuverlässige Fehlererkennung erfordert daher eine hochfrequente, vollständige Rundumerfassung.

„Gerade bei extrudierten Schläuchen liegt ein Prozess vor, der extrem variabel ist“, sagt Peter Droege, Co-Founder & CEO von Maddox AI. Reflexionen, Materialfeuchte oder minimale Verschmutzungen führen dazu, dass selbst einwandfreie Produkte optisch stark variieren. Viele Unternehmen stehen vor dem Problem, dass bestehende Systeme zu viel Pseudoausschuss produzieren. Klassische Lösungen arbeiten meist mit festen Schwellenwerten oder einfachen Pixelvergleichen. Variiert die Oberfläche aufgrund normaler Prozessschwankungen, interpretieren diese Systeme Reflexionen oder Schatten schnell als Fehler. Die Folgen sind unnötige Stopps, manuelle Nacharbeit und steigende Ausschussquoten.

360°-Erfassung durch Vier-Kamera-Setup

Die technologische Antwort darauf ist eine KI-basierte Inline-Inspektionsplattform, die ein praxiserprobtes Vier-Kamera-Setup nutzt. Dieses erfasst extrudierte Endlosprodukte vollständig umlaufend und ermöglicht eine lückenlose 360°-Inspektion. „Dadurch wird wirklich jede relevante Oberfläche zuverlässig erfasst“, betont Peter Droege. Selbst kleinste Defekte lassen sich prozesssicher identifizieren, unabhängig davon, ob das Produkt rotiert oder mit hoher Geschwindigkeit durch den Inspektionsbereich läuft.

KI-basierte Inline-Inspektionsplattform, die ein Vier-Kamera-Setup nutzt. Dieses erfasst extrudierte Endlosprodukte vollständig umlaufend und ermöglicht eine lückenlose 360°-Inspektion.
(Bild: Maddox AI)

Die KI-Auswertung unterscheidet die natürliche Varianz im Bildmaterial von echten Fehlern. Anstatt harmlose Oberflächeneffekte zu beanstanden, erkennt die KI, welche Strukturen typisch für den OK-Bereich sind. Das reduziert Fehlalarme essenziell. Die Software identifiziert eine Vielzahl potenzieller Qualitätsabweichungen wie Blasen, Einschlüsse, punktuelle Löcher, Schlieren, Fremdpartikel sowie strukturelle Unregelmäßigkeiten wie Druckstellen oder Deformationen. „Gerade qualitative Fehler sind schwer automatisch zu erkennen. Hier kann ein KI-Modell seine Stärke gezielt ausspielen“, erläutert Droege.

Wirtschaftlichkeit und Implementierung

Das System ist für Durchmesser von etwa 1 bis 100 mm und Geschwindigkeiten bis zu 5 m/s ausgelegt. In Anwendungsfällen konnte der Pseudoausschuss bereits um 80-90 % reduziert werden. „Weniger Fehlalarme bedeuten weniger Stillstände, weniger manuelles Nachsteuern und signifikant niedrigere Schrott- und Ausschussmengen“, sagt Peter Droege. Da sich Extrusionsanwendungen oft ähneln, verkürzen sich die Implementierungsphasen auf wenige Wochen. Zudem ist die Lösung so gestaltet, dass Werker an der Linie sie ohne Programmierkenntnisse bedienen können.

In der Medizintechnik, etwa bei der Fertigung von Kathetern, zeigt ein Praxisbeispiel das enorme Potenzial. Eine zuvor manuelle Kontrolle wurde vollständig automatisiert. Trotz einer Inspektionsgeschwindigkeit von 80 m/min detektiert das System feinste Mikrolöcher und Materialverdünnungen zuverlässig. Die Gesamtersparnis durch reduzierte Nacharbeit und geringere Ausschussquoten summierte sich in diesem Fall auf über 150.000 Euro pro Jahr. Darüber hinaus lieferten die Inspektionsdaten wertvolle Hinweise auf wiederkehrende Prozessabweichungen, die gezielt adressiert werden konnten.

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung