ZADD
KÜNSTLICHE INTELLIGENZ IN DER COMPUTERTOMOGRAHPIE

ZADD Segmentation

KI-basierte Defekterkennung für CT-Inspektion

Die App ZADD erlaubt es, mit künstlicher Intelligenz selbst kleine und unscharfe Defekte in Bauteilen sicher, schnell und automatisiert zu entdecken – selbst bei schlechter Bildqualität. Die Machine-Learning-basierte Software setzt dafür auf künstliche Intelligenz. Defekte und Anomalien werden KI-gestützt detektiert, segmentiert und bewertet. ZADD unterstützt Sie so bei Ihren CT-Anwendungen in der Bauteilentwicklung, Prozessoptimierung und der Fehleranalyse. ZADD steht für ZEISS Automated Defect Detection und ist als optionale App für unsere CT-Software ZEISS INSPECT X-Ray verfügbar.

Ihre Vorteile mit ZADD Segmentation auf einen Blick

  • Zeitersparnis durch künstliche Intelligenz

    Zeitersparnis durch künstliche Intelligenz

    • Minimierung der Prüfungsaufwände
    • Verlässliche und schnelle Fehlererkennung
  • Robuste Ergebnisse und übersichtliche Reportings

    Robuste Ergebnisse und übersichtliche Reportings

    • Verlässliche Ergebnisse, auch bei nicht einwandfreier Bildqualität
    • Geeignet für gemischte und dichte Materialien
  • Einfache Bewertung von Defekten

    Einfache Bewertung von Defekten

    • Individuelle Optimierung der Defekterkennung
    • Einfache Auswertung und Erkennung von Ausschussteilen

ZEISS Automated Defect Detection

KI-Software für Ihre Anwendungsbereiche

Das Bild zeigt ein Bauteil, das mit Hilfe von KI in der Computertomographie auf Defekte überprüft werden kann.

Defekte in Bauteilen zuverlässig erkennen

Während des komplexen Herstellungsprozesses von Bauteilen können unterschiedliche Defekte entstehen. Vor allem im Inneren sind sie mit bloßem Auge nicht sichtbar und können große Auswirkungen auf die Stabilität und Funktionalität des Bauteils haben. Mit industrieller Computertomographie in Kombination mit künstlicher Intelligenz werden diese verborgenen Problemstellen sichtbar und frühzeitig erkannt. Die Software ZEISS Automated Defect Detection ist auf die Erkennung von unterschiedlichen Defekten spezialisiert, sodass sich selbst bei schlechter Bildqualität mit vielen Artefakten Defekte schnell und sicher erkennen lassen.

Das Bild zeigt die Durchführung einer Inline-Defektanalyse, die mit KI in der CT in nur 60 Sekunden abgeschlossen ist.

Ausschuss frühzeitig erkennen und aussortieren

Um in einer Wertschöpfungskette defektbehaftete Bauteile frühzeitig aussortieren zu können, müssen die 3D-Daten zuverlässig und schnell ausgewertet werden. Dank ZADD werden Bauteile mit kritischen Defekten einfach erkannt und können treffsicher aussortiert oder, wenn möglich, einer Nacharbeit unterzogen werden. Gut-Teile hingegen durchlaufen den weiteren Bearbeitungsprozess ungehindert. Das Ergebnis: Geringere Ausschussrate und hohe Qualität der Bauteile. So erreichen Sie mit KI in der Computertomographie eine stetige Effizienzsteigerung und maximale Prozesssicherheit.

So funktioniert ZADD

Gutteil oder Schlechtteil? ZEISS Automated Defect Detection (ZADD) unterstützt diese Entscheidung mit künstlicher Intelligenz. Ergänzen Sie die Auswertung der Daten mit der App ZADD Segmentation für ZEISS INSPECT X-Ray. In diesem Video sehen Sie, wie das funktioniert.

  • Bitte beachten Sie, dass die gezeigte Software jetzt ZEISS INSPECT X-Ray heißt.

Workflow

  • Abbildung des ZEISS VoluMax

    Datenerfassung

    • Nutzen Sie unser CT-Portfolio für die Datenerfassung, z. B. den High-Power ZEISS VoluMax 9 titan oder die hochpräzise ZEISS METROTOM Serie für hochmoderne Computertomographie-Messungen
    • Oder importieren Sie Ihre generierten CT-Daten in ZEISS INSPECT X-Ray für die Auswertung
  • Darstellung von Segmentierung

    Segmentierung

    • Sie eignet sich besonders gut zur Fehleranalyse mit suboptimalen Volumendaten (z.B. durch Rauschen, grobe Auflösung oder Artefakte).
    • Mit der Fähigkeit, aus Beispielen zu lernen, ist keine komplizierte Parameterabstimmung erforderlich
    • Verwenden Sie vortrainierte ML-Modelle, um schnell loszulegen
    • Erstellung von Interessenregionen (ROIs) für zeitoptimierte Auswertungen
  • Bewertung

    Bewertung

    • Visualisieren Sie Ihre Daten mit leistungsstarken Werkzeugen in 3D und 2D
    • Bestimmen Sie Metriken für die erkannten Defekte wie Durchmesser, Volumen oder Kugelförmigkeit
    • Erstellen Sie Filter, um Fehler mit einer Eigenschaft oberhalb oder unterhalb eines bestimmten Schwellenwerts auszuwählen
    • Nutzen Sie komplexe Auswertungen wie P202, P203, Porosität oder Distanz-zu-Oberfläche
  • Reporting und Statistik

    Reporting und Statistik

    • Auswertung in anschaulichen Messberichten
    • Einfache Weitergabe der Messberichte im PDF-Format
    • Die Archivierung der Daten ermöglicht eine langfristige Rückverfolgung von Defekten
    • Erweiterte Auswertemöglichkeiten und Statistikfunktionen mit ZEISS PiWeb Reporting Plus
    • Die statistische Prozesskontrolle ermöglicht die Erkennung von Prozesskorrelationen und Optimierungen

Vortrainierte ML-Modelle für spezifische Anwendungen

Mit der App ZADD Segmentation in ZEISS INSPECT X-Ray profitieren Sie von unseren vortrainierten Machine Learning-Modellen. Nutzen Sie eine von drei verfügbaren Optionen für Aluminiumgussteile, Hairpin-Inspektion oder elektronische Bauteile.

Aluminiumguss

Aluminiumguss

KI-Inspektion versteckter Defekte in Gusteilen​

Hairpins

Hairpins

Automatisierte Hairpin-Analyse in eDrive-Anwendungen​

Elektronik

Electronics

Einfache Lötstellenprüfung für Elektronik-Bauteile​

Beispiele für typische Defekte in Gussbauteilen, die ZADD erkennt

  • Poren

    Poren

    Eine Pore ist ein kugelförmiger oder ellipsenförmiger Hohlraum mit meist glatten Wänden im Inneren des Bauteils. Je nach Herkunft können sie Luft, Dampf, Wasserstoff oder andere Gase (z. B. aus Schmierstoffen) enthalten. Sie treten häufig in der oberen Gussschicht auf, können aber in schlecht evakuierten Bereichen oder Hinterschneidungen im gesamten Gussteil verteilt sein. Je nach Herkunft können sie Luft, Dampf, Wasserstoff oder andere Gase (z. B. aus Schmierstoffen) enthalten. Sie treten häufig in der oberen Gussschicht auf, können aber in schlecht evakuierten Bereichen oder Hinterschneidungen im gesamten Gussteil verteilt sein.

  • Kaltlauf / Kaltverschluss

    Kaltlauf / Kaltverschluss

    Kaltlauftritt vorzugsweise an ebenen Flächen mit relativ geringer Dicke auf. Dabei kann es zu einer Trennung des Zusammenhangs kommen, so dass Löcher, nicht ausgelaufene Bereiche, aber auch abgerundete Kanten und Überlappungen verbleiben. Bei Druckguss ist Kaltlauf an sehr feinen und sehr dünnen Oberflächenschieferungen zu erkennen.

  • Mikroporosität

    Mikroporosität

    Mikroporosität kann auch als eine Vielzahl kleiner Lunker (Mikroschrumpfung / interdendritische Schrumpfung) verstanden werden, die wiederum Ketten bilden und zu Leckagen führen können. Diese Porosität erscheint im CT-Scan mit geringerer Auflösung als ein schwammartiger Bereich.

  • Wandverschiebung

    Wandverschiebung

    Treten beispielsweise Defekte bei der Positionierung des Kerns in der Form vor dem Gießen auf oder verschieben sich die Kerne während des Gießvorgangs, stimmen die Geometrien des Gussteils nicht mehr mit dem CAD-Modell überein.

  • Späne

    Späne

    Bei der Rohbearbeitung des Bauteils (z. B. Sägeschnitt am Speiser) entstehen Aluspäne, die ins Bauteil fallen können. Ebenso können beim Entkernen kleine Überstände (Federn) abbrechen und im Bauteil verbleiben. Diese Alureste können z. B. im späteren Betrieb zu Defekten im Kühlsystem führen.

  • Einschlüsse

    Einschlüsse

    Unter Einschlüssen versteht man teilweise oder vollständig eingebettete Verunreinigungen im Gussbauteil, die meistens dichter als das Grundmaterial sind. Sie entstehen z. B. durch Fremdkörper in der Gießform oder durch verunreinigtes Gießmaterial.

Künstliche Intelligenz (KI) in der Computertomographie (CT)

  • Künstliche Intelligenz ist allgegenwärtig. Autonomes Fahren ist nur ein Beispiel für die Anwendung von KI. Auch in der Industrie und damit in der Computertomographie ist künstliche Intelligenz ein Thema und wird immer bedeutsamer. Denn dadurch können Defektanalysen noch zuverlässiger, genauer und schneller durchgeführt werden. Bei industriellen Bauteilen befindet sich ein Defekt oftmals auch im Inneren. Ein optischer Prüfablauf zur Qualitätskontrolle reicht dann nicht mehr aus, denn er gibt keine Hinweise auf innenliegende Defekte. Die Röntgeninspektion ermöglicht einen genauen Blick ins Innere eines Bauteils und kann so Defekte frühzeitig erkennen. Durch den Einsatz von KI in der CT- Inspektion wird eine teilautomatisierte Defektanalyse realisiert.

    Begriffserklärung:

    Im Zusammenhang mit AI und CT werden oft die Begriffe AI Defect Detection oder AI Anomaly Detection verwendet. AI steht für Künstliche Intelligenz und Defect Detection oder Anomaly Detection bedeutet Fehlererkennung oder Anomalieerkennung.Mit dem Zusatz „NDT“ wird deutlich, dass AI zerstörungsfrei arbeitet, denn NDT steht für Non-Destructive Testing.

  • KI und Computertomografie

    Künstliche Intelligenz ist ein Trend in der Automatisierung. Die Anforderungen an Prozesse werden immer enger und auch in rauen Messumgebungen muss die Bildauswertung und Defektanalyse schnell und zuverlässig funktionieren. Das gilt vor allem für sicherheitsrelevante Bauteile, z. B. in der Automobilindustrie oder der Luft- und Raumfahrt. KI wird in der Computertomographie eingesetzt, um die Qualität zu steigern, schnellere Defektanalysen durchzuführen sowie eine hohe Prozesssicherheit zu bieten. Durch die Defect Detection mit KI ist keine manuelle Abstimmung der Parameter erforderlich, wodurch subjektive Entscheidungen bei der Defekterkennung vermieden werden.

    Besonders wenn die Volumendaten durch zu dichte Materialien oder kurze Scan-Zeiten beeinträchtigt sind, bietet sich ZADD an. Während Artefakte und Rauschen in den Aufnahmen gewöhnlich für fehlerhafte Detektionen sorgen, bleibt die Software von diesen Effekten unbeeinflusst.

Diese Industrien profitieren von KI mit ZEISS Automated Defect Detection

Kontaktieren Sie uns für eine persönliche Demo

Unser Service begleitet Sie von Anfang an bei der Auswahl des richtigen ML-Modells oder der Entwicklung einer speziell geschulten Lösung. Wir unterstützen Sie bei der Bedienung, Optimierung und Auswertungsleistung des Systems und lösen Ihre individuellen Inspektionsaufgaben in einer Vielzahl von Fällen.

Formular wird geladen ...

Wenn Sie weitere Informationen zur Datenverarbeitung bei ZEISS haben möchten, lesen Sie bitte unsere Datenschutzhinweise.