Die Herausforderung

%

Jahresumsatz Verlust durch Qualität

Fehlausschuss und mangelnde Qualität verursachen laut Studien bei produzierenden Unternehmen durchschnittlich einen Umsatzverlust von 5 %. Bei bestimmten Produkten kann dieser Verlust sogar auf 10 % steigen!

Die Lösung der Industrie

Herausforderungen der klassischen Bildverarbeitung:

✘ Variierende Lichtverhältnisse führen zu inkonsistenten Ergebnissen
✘ Abweichende Materialbeschaffenheiten werden nicht zuverlässig erkannt
✘ Neue Produktvarianten 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 auftretenden Fehlerbildern

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?

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.

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