Mithilfe der datenbasierten Qualitätskontrolle profitiert das Unternehmen laut Robin Vetsch von zahlreichen Vorteilen. So lässt sich eine 100 %-Inline-Qualitätskontrolle ohne zusätzliche Sensorik oder Prüfstation realisieren. Weiterhin können die zu jedem Umschließungsvorgang vorliegenden Qualitätsdaten noch für weitergehende Auswertungen genutzt werden. Die Echtzeitfähigkeit der ML-Lösung bietet zudem die optimale Grundlage, um Mechanismen für ein möglichst frühzeitiges Ausschleusen erkannter Schlechtteile zu implementieren. Eine detaillierte Trenddarstellung über TwinCat HMI ermöglicht schließlich bei Bedarf rechtzeitige Reaktionen der Anlagenbediener.
TwinCat Machine Learning für intelligente Bolzenanker-Produktionslinie
