Künstliche Daten.
Echte Ergebnisse.
Qualitätskontrolle ohne
Kompromisse.

Die Herausforderung

%

Verlust vom Jahresumsatz aufgrund Qualitätsproblemen

Ausschuss und Nachbearbeitung in der Produktion „Cost of Poor Quality“ (COPQ) können Studien zufolge in der Fertigung typischerweise 5 – 30 % (Ø 20%)  des Jahresumsatzes ausmachen.

Die Lösung der Industrie

Herausforderungen der klassischen Bildverarbeitung:

✘ Variierende Lichtverhältnisse
✘ Abweichende Materialbeschaffenheiten
✘ Neue Produktvarianten

Diese Herausforderungen erfordern ständige manuelle Anpassungen der Algorithmen.

Algorithmen der KI-gestützten Objekterkennung sind in anderen Bereichen wie dem öffentlichen Sektor mittlerweile Stand der Technik. Doch in industriellen Anwendungen fehlt es häufig an domänenspezifischen Daten. Diese Daten sind essenziell für:

✘ Die Erkennung seltener Defekte
✘ Einen robusten und nachhaltigen Betrieb der Systeme
✘ Potentiell auftretende Fehlerbilder

Fehlende Daten bremsen den Fortschritt – doch wir haben die Lösung!

Die SYWIT-Lösung für die Industrie

Sywit nutzt synthetische Daten und speziell trainierte KI-Modelle, um industrielle Anwendungen optimal zu unterstützen. Unsere Technologie ermöglicht:

✔︎ Höhere Erkennungsgenauigkeit – auch für selten auftretende Defekte
✔︎ Skalierbare & anpassbare Modelle – optimal abgestimmt auf Ihre Produktionsprozesse
✔︎ Geringere Abhängigkeit von realen Daten – schneller, sicherer, effizienter

%

Reduzierung des Realbedarfs

Was sind synthetische Daten?

Unsere synthetischen Daten werden durch eine Kombination aus CAD-Modellen, Shader-Texturen und hochentwickelten Rendering-Techniken generiert. Dies ermöglicht die Erstellung realistischer Trainingsdaten für KI-Modelle. Dabei werden Defekte und Umgebungseinflüsse systematisch parametrisiert, um unterschiedliche Variationen von Produktionsfehlern abzubilden. Dies erhöht die Robustheit der Algorithmen und verbessert die Erkennungsgenauigkeit selbst bei selten auftretenden Anomalien.

Realdaten

CAD

Texturen

Rendering

Wo können wir synthetische Daten generieren?

Oberflächendefekte

Defekte mit < 0.5 mm Dimension & stark Licht und sichtwinkelabhängig

  • Lack
  • Beschichtungen
  • Polierte/geschliffene Oberflächen

Beispiele:

  • Orangenhaut
  • Dellen
  • Blasenbildung
  • Kratzer

Fertigungsfehler Urformprozess

Gängige Fertigungsdefekte pro Fertigungsverfahren Generalisierte Schadensmodelle die auf diverse Geometrien übertragen werden können:

  • Kunststoffspritzguss
  • Guss
  • Strangpressen

Beispiele:

  • Deformationen/ Senken
  • Verbrennungen
  • Überspritzung
  • Gratbildung

Instandhaltung

Stark nutzungs- und materialabhängig Nachbildung von Umgebungseinflüssen (Rost, Verschmutzung etc.)

  • Bremsscheiben
  • Bremsbeläge
  • Lagerflächen
  • Dichtungen

Beispiele:

  • Haarrisse
  • Riefenbildung
  • Ausbrüche
  • Materialermüdung