Automatisierung und Nutzung von KI für Faltenerkennung & Roboterbügeln in Sitzproduktionn ist herausfordernd, wenn verschiedene Sitzmodelle mit Bezügen aus Textil, Vinyl oder Leder in einer Linie verarbeitet werden.

Die Methoden zur Faltenbeseitigung und die optimalen Steuerungsparameter für den Bügelroboter variieren je nach Material – und genau hier beginnen die Herausforderungen für Qualität und Effizienz.

Qualitätsleiter berichten von hohem Nachbearbeitungsanteil und steigenden Prozesskosten sowie Abhängigkeit von erfahrenen Arbeitskräften und fragen nach KI‑basierte Optimierung des Bügelprozesses. In vielen Anlagen wird zwar ein Roboter eingesetzt, doch dieser bügelt die gesamte Sitzfläche – unabhängig davon, ob Falten vorliegen. Das führt zu unnötigem Energieverbrauch, erhöhtem Materialverschleiß und Ineffizienz. Bei einer festen Taktzeit von 53 Sekunden bleibt zudem kein Raum für manuelle Korrekturen.

KI‑basierte Optimierung des Bügelprozesses in der Serienproduktion

Das System SCIIL VISION (VisuSteam) kombiniert kamerabasierte KI‑Faltenerkennung mit direkter Anbindung an die Roboter‑ und Liniensteuerung. Es erkennt automatisch das Sitzmodell sowie das Material des Bezugs –  Leder, Vinyl, Textil – und wählt die passenden Prozessparameter.

Das Ergebnis ist ein selbstlernender Closed‑Loop‑Mechanismus, der Steuerungsparameter automatisch anpasst und so von Zyklus zu Zyklus besser wird.

Liniensteuerung liefert Daten zum Sitz: eindeutige Seriennummer, Model, Variante, Bezug

Kameras erfassen Bilder unter zwei Lichteinstellungen

KI erkennt und klassifiziert Falten nach Position, Richtung und Schweregrad

System weist Bügelzonen und Parameter zu (Priorität der Zone, Druck, Zyklen etc.)

Roboter bügelt gezielt nach zonenspezifischen Anweisungen

KI prüft das Ergebnis nach dem Bügeln erneut

Parameter werden bei Bedarf automatisch angepasst (selbstlernender Regelkreis)

Produktions‑ und Qualitätsleiter erhalten damit eine Lösung, die nicht nur automatisiert, sondern auch kontinuierlich optimiert – ideal für Linien mit hoher Taktbelastung und konstantem Qualitätsanspruch.

Implementierung und Rahmenbedingungen

Kunde produziert Sitze mit Bezügen aus Textil, Vinyl oder Leder in zahlreichen Modellvarianten mit unterschiedlichen Formen, Designs und Nahtverläufen. Die Linie arbeitet mit einer festen Taktzeit von 53 Sekunden, wobei für den eigentlichen Bügelvorgang lediglich 48 Sekunden effektiv zur Verfügung stehen.
Die zentrale Aufgabenstellung: Falten zuverlässig erkennen, optimale Bügelparameter je nach Material und Zone automatisch anwenden und den gesamten Ablauf durchKI-Faltenerkennung & Steuerung von Bügelroboter kontinuierlich und automatisch optimieren.

Verifizierungstest nach Projektabschluss:

Ergebnisse eines einstündigen Testlaufs mit 63 Sitzen:

  • ~99% der Falten sind korrekt erkannt
  • <6% Falscherkennungen (false positive)
  • Nur 0,28 – 1,58 % der Flächen wurden ohne Falten gebügelt

Neben diesen Kennzahlen profitiert das Werk durch weniger manuelle Eingriffe, reduzierte Nacharbeit und bessere Materialschonung – insbesondere bei empfindlichen Bezügen wie Leder.

Fazit

Das System entlastet Produktions‑ und Qualitätsteams, standardisiert Ergebnisse und macht Prozesse skalierbar. Für Linien mit hohem Durchsatz und klaren Taktvorgaben ist das ein echter Wettbewerbsvorteil.

  • Geringere Qualitätskosten (CoPQ)
  • Minimiertes „umsonst-Bügeln“
  • Lückenlose Rückverfolgbarkeit
  • Standardisierte und reproduzierbare Qualität
  • Einfacher Rollout auf weitere Produktionslinien

  • Category:
    AI VISION
  • Client:
    Egens Lab
  • Location:
    7 Lake Street, London
  • Industry:
    IT & Consulting
  • Stack:
    Android, Realm, Dagger 2, Java

MES für Uhrenproduktion