P&G: KI-Prüfung mit automatischem Produktausschuss

P&G betreibt schnelle Fertigungslinien für Konsumgüter, auf denen Produkte aus empfindlichen und strukturierten Materialien bei hoher Geschwindigkeit ihre Lage verändern, sich dehnen oder Falten bilden können. Zugleich ändern sich Materialien, Verpackungsdesigns und Produktionsbedingungen. Nach den vorliegenden Angaben mussten traditionelle Bildverarbeitungssysteme bei solchen Änderungen häufig umfassend neu konfiguriert werden.

P&G hatte Deep Learning für Herausforderungen der Qualitätsprüfung identifiziert, die mit herkömmlichen Technologien schwer zu lösen waren. Vor der Zusammenarbeit mit Siemens entwickelte und implementierte das Unternehmen eine interne Lösung in mehr als 150 Produktionsumgebungen. Die anschließende Aufgabe war die Skalierung auf weitere Produktionsstandorte.

P&G und Siemens bauen den Einsatz des gemeinsam entwickelten „Visual Inspection Cockpit“ (VIC) in den weltweiten Fertigungsbetrieben von P&G aus. Das System prüft Produkte während der Produktion in Echtzeit und deckt die Inspektion bei voller Liniengeschwindigkeit ab.

Die Lösung verarbeitet Prüfergebnisse nahe an der Produktionsanlage auf Siemens Industrial Edge und bindet sie direkt in die Fertigungsabläufe ein. Sie kann Warnmeldungen auslösen oder fehlerhafte Produkte von der Produktionslinie entfernen. P&G beschreibt zudem eine Echtzeit-SPS-Integration mit Auswurf einzelner Produkte bei hohen Produktionsraten und kontinuierlicher Prüfung.

Qualitätsdaten können über die Zeit gesammelt und analysiert werden. Dies dient den Produktionsteams dazu, Trends zu erkennen und kontinuierliche Verbesserungen zu unterstützen.

VIC kombiniert Deep-Learning-Modelle von P&G mit der Industrial-Edge-Computing-Plattform von Siemens, Industrie-PCs mit Nvidia-GPUs sowie KI-Hardware und -Software. Siemens stellt nach den Angaben die industrielle Recheninfrastruktur, Funktionen zur Skalierung der Software und den langfristigen Betrieb an Produktionsstandorten bereit.

Der Ansatz ist auf Variationen in schnellen Konsumgüterlinien ausgerichtet. Laut den vorliegenden Informationen kann die industrielle KI sich wirksamer an Veränderungen bei Materialien, Verpackungsdesigns und Produktionsumgebungen anpassen und die Prüfleistung über eine breite Produktpalette hinweg aufrechterhalten. Als adressierte Prüfaufgaben nennt P&G unter anderem überlappende Komponenten, kontrastarme Defekte sowie stark dekorierte Produkte und Verpackungen.

Die Verarbeitung erfolgt am Rand der Produktion statt mit einer alleinigen, räumlich entfernten Auswertung. Damit stehen Prüfergebnisse für die direkte Einbindung in den laufenden Produktionsprozess bereit.

Abhängig vom Produkt senkte die Lösung die Ausschussquoten um 10 bis 20 Prozent. Neue Installationen lassen sich laut den Angaben fünf- bis zehnmal schneller in Betrieb nehmen als herkömmliche, individuell entwickelte Bildverarbeitungssysteme.

Das System liefert umfassende Prüfabdeckung bei voller Liniengeschwindigkeit und soll die Konsistenz der Qualität verbessern. Eine weitergehende quantitative Angabe zur Prüfgenauigkeit oder zur Zahl der weltweit eingesetzten Linien liegt in den Auszügen nicht vor.

Der Fall verbindet KI-gestützte visuelle Prüfung mit einer operativen Reaktion in der Linie: Aus Prüfergebnissen können Warnungen oder der automatische Ausschuss fehlerhafter Einzelprodukte folgen. P&G bringt dafür Deep-Learning-Modelle und Erfahrung aus mehr als 150 internen Produktionsumgebungen ein; Siemens ergänzt Infrastruktur, Edge-Verarbeitung, Skalierung und Betrieb.

Die belegten Resultate beziehen sich auf Ausschussquoten und die Inbetriebnahme neuer Einsätze. Die Angaben unterscheiden dabei nach Produkt, ohne einzelne Produktgruppen oder Standorte mit konkreten Kennzahlen zu benennen.