Ein optisches Prüfsystem zur Klassifizierung und automatisierten Nacharbeit mittels Cloud-/Edge-Computing
Übersetzter Titel:
Prescriptive automation
Übersetzter Untertitel:
An optical inspection system for classification and automated rework using cloud/edge computing
Autor:
Vater, Johannes Maximilian
Jahr:
2021
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Informatik
Betreuer:
Knoll, Alois (Prof. Dr. habil.)
Gutachter:
Knoll, Alois (Prof. Dr. habil.); Zäh, Michael (Prof. Dr.)
Sprache:
de
Fachgebiet:
DAT Datenverarbeitung, Informatik; MAS Maschinenbau
TU-Systematik:
DAT 260; DAT 815
Kurzfassung:
In der Automobilproduktion spielt die Erkennung und Nacharbeit von Qualitätsabweichungen eine wichtige Rolle. Diese Arbeit untersucht den Einsatz eines Convolutional Neural Network zur optischen Detektion von Schweißfehlern. Zudem wird eine Cloud-/Edge-Architektur konzipiert, wodurch eine vom Fehlerfall abhängige Nacharbeit automatisiert angestoßen werden kann. Diese Konzepte werden anhand der Hairpin-Verschweißung des Antriebstrangs eines Elektrofahrzeugs technisch umgesetzt und validiert.
Übersetzte Kurzfassung:
The detection and rework of quality deviations plays an important role in automotive production. This research investigates the application of a Convolutional Neural Network for the optical detection of welding defects. In addition, a cloud/edge architecture is designed, supporting automated rework depending on the failure case. The concepts are technically implemented and validated using the hairpin welding process of an electric vehicle’s drive train.