Zusammenfassung
In diesem Beitrag wird das Thema Qualitätssicherung im Kontext von Industrie 4.0 (I4.0) unter dem Aspekt der Bildverarbeitung und Signalanalyse betrachtet. Es werden sowohl hardware- als auch softwaretechnische Anforderungen und Rahmenbedingungen ausgeführt. An ausgewählten Anwendungsbeispielen werden die beschriebenen Techniken näher erläutert.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Similar content being viewed by others
Literatur
Cao H, Zhang X, Chen X (2017) The concept and progress of intelligent spindles: a review. Int J Mach Tools Manuf 112:21–52. https://doi.org/10.1016/j.ijmachtools.2016.10.005
Chen YR, Chao K, Kim MS (2002) Machine vision technology for agricultural applications. Comput Electron Agric 36:173–191
Effenberger I (2019) Automatisierte Messablauferzeugung und 3D-Datenauswertung in der Multisensor-Koordinatenmesstechnik. Stuttgart, Univ., Fak. Konstruktions-, Produktions- und Fahrzeugtechnik, Inst. für Steuerungstechnik der Werkzeugmaschinen und Fertigungseinrichtungen, Diss., 2019
Effenberger I, Felix T, Frommknecht A, Fulga S, Springhoff A (2016) Machine vision platform for non-destructive testing methods of fibre reinforced plastics. In: 19th world conference on non-destructive testing. Munich, Germany, 13–17 June 2016
Eigenbrod H et al (2013) Impact of melt viscosity changes induced by pellet water absorption on the replication quality of micro needle arrays. 4M 2013, 10th international conference on multi-material micro manufacture. Proceedings, S 199–202. ISBN: 978-981-07-7247-5
Frommknecht A, Schmauder M, Boonen L, Glanz C (2019) Automated inline visual inspection and 3D measuring in electrode manufacturing. In: Optical measurement systems for industrial inspection XI. Munich, Germany, 24–27 June 2019
Hinz M, Radetzky M, Guenther LH, Fiur P, Bracke S (2019) Machine learning driven image analysis of fine grinded knife blade surface topographies. Procedia Manufacturing 39:1817–1826. 25th international conference on production research manufacturing innovation: cyber physical manufacturing Chicago, Illinois, USA, 9–14 Aug 2019. https://doi.org/10.1016/j.promfg.2020.01.257
Kaupp M (2014) Ein Verfahren zur automatischen Erzeugung intelligenter Prozessüberwachungssysteme. Stuttgarter Beiträge zur Produktionsforschung, Bd 36. https://doi.org/10.18419/opus-6856
Keferstein CP, Marxer M, Bach C (2018) Fertigungsmesstechnik: Alles zu Messunsicherheit, konventioneller Messtechnik und Multisensorik. 9., überarb. u. erw. Aufl. Springer Vieweg, Wiesbaden. ISBN 978-3-658-17756-0
Memore (2022) memoreCare – Wenn Therapie auf Freude trifft. https://memore.de/. Zugegriffen am 7.03.2022
Mueller R, Teubner J, Alonso G (2009) Data processing on FPGAs. Proc VLDB Endow 2(1):910–921. https://doi.org/10.14778/1687627.1687730
Nasiri S, Khosravani MR (2019) Faults and failures prediction in injection molding process. Int J Adv Manuf Technol 103(5–8):2469–2484
Oeckl S (2015) „Inline-Computertomographie in der Gussteilprüfung“. In: Leitfaden zur industriellen Röntgentechnik, Fraunhofer Geschäftsbereich Vision Leitfaden-Reihe Band 15, Beitrag Nr. 19
Penumuru DP, Muthuswamy S, Karumbu P (2020) Identification and classification of materials using machine vision and machine learning in the context of industry 4.0. J Intell Manuf 31:1229–1241. https://doi.org/10.1007/s10845-019-01508-6
Prickett PW, Johns C (1999) An overview of approaches to end milling tool monitoring. Int J Mach Tools Manuf 39(1):105–122. https://doi.org/10.1016/S0890-6955(98)00020-0
Qi CR, Su H, Mo K, Guibas LJ (2017) PointNet: deep learning on point sets for 3D classification and segmentation. In: Proceedings of the IEEE conference on computer vision and pattern recognition, Honolulu, 21–26 July 2017, S 652–660
Schuth M, Buerakov W (2017) Handbuch Optische Messtechnik: Praktische Anwendungen für Entwicklung, Versuch, Fertigung und Qualitätssicherung. Hanser, München. ISBN 978-3-446-43634-3
Stahl J, Jauch C (2019) Quick roughness evaluation of cut edges using a convolutional neural network. In: Proc. SPIE 11172, fourteenth international conference on quality control by artificial vision, 111720P 16 July 2019. https://doi.org/10.1117/12.2519440
Ulixes (2022) Der Assistent. https://www.ulixes.de/der-assistent/. Zugegriffen am 7.03.2022
Wahl M (2017) Prozessregelung und Qualitätssicherung in Laser- und Elektronenstrahlanwendungen im visuellen und IR-Bereich. https://www.photonikforschung.de/projekte/integrierte-optik/projekt/pro-visir.html. Zugegriffen am 20.06.2020
Author information
Authors and Affiliations
Corresponding authors
Editor information
Editors and Affiliations
Section Editor information
Rights and permissions
Copyright information
© 2023 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature
About this chapter
Cite this chapter
Effenberger, I., Eigenbrod, H., Frommknecht, A., Jauch, C., Denecke, J., Huber, M. (2023). Qualitätssicherung in der Produktion. In: Bauernhansl, T. (eds) Handbuch Industrie 4.0. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-58532-0_166
Download citation
DOI: https://doi.org/10.1007/978-3-662-58532-0_166
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-662-58531-3
Online ISBN: 978-3-662-58532-0
eBook Packages: Computer Science and Engineering (German Language)