Automatisierte EoL-Prüfung mit KI bis zu 80 % weniger Fehlerfolgekosten vor der Auslieferung
Antriebsmotoren · AI & Data · Head of Quality / Production IT · Wie Pexon Consulting die Inhouse-IT (AI & Data) des Kunden bei Konzeption und Implementierung einer bildbasierten End-of-Line-Qualitätssicherung unterstützt: Custom CNNs und OpenCV auf Databricks erkennen bekannte Defekte und unbekannte Anomalien trotz hoher Produktvarianz, bevor Motoren in die Logistik gehen.
Ergebnisse
Übersicht Kunde
Ausgangslage
Lösung & Vorgehen
Vorher / Nachher
| Dimension | Vorher | Nachher | Effekt |
|---|---|---|---|
| Fehlerfolgekosten | Rücknahmen und Nacharbeit nach Auslieferung | Mängel vor Logistik abgefangen | bis zu 80 % weniger Folgekosten |
| Fehler-Reaktionszeit | Erkennung oft erst beim Kunden (0h) | Alert und Abstellung am Band | Reaktionszeit gegen Null |
| Prüfverfahren bei Varianz | starre Schablonen, manuelle Sichtprüfung | Custom CNN + Anomalie-Erkennung | Unikate prüfbar trotz Mass Customization |
| Dokumentation und Abstellung | unvollständige, manuelle Nachweise | bildbasiert, automatisiert, an Entwicklung rückgekoppelt | geschlossener Qualitätskreislauf |
Eingesetzte Technologien & Services
Häufige Fragen
Wie prüft KI End-of-Line Motoren mit hoher Produktvarianz?
Was sind 0h-Fehler und wie senkt eine EoL-Vision-Pipeline die Kosten?
Warum Databricks und Custom CNNs statt fertiger Vision-Boxen?
Wie lange dauert ein PoC für KI-gestützte EoL-Prüfung in der Motorenfertigung?
Wie nutzen Werksmitarbeitende und Nachbarabteilungen die KI-Ergebnisse?
Passende Referenzen
Sie suchen einen Partner für Ihr Projekt?
Wir analysieren Ihren individuellen Bedarf, geben erste Empfehlungen zu Umsetzungsstrategien und bieten Ihnen transparente Einblicke in unsere Methoden, Technologien und Referenzen.

