Bis zu 1.200 Zwiebackscheiben pro Minute verlassen bei Bolletje eine Ofenlinie. Die visuelle Qualitätsprüfung dieser Produktmenge übernimmt eine kompakte Roboterzelle. Kameratechnik, KI-basierte Bildauswertung und ein Vierachsroboter verbinden dabei Inspektion mit automatisiertem Ausschleusen fehlerhafter Produkte.
Wie prüft man die Qualität von bis zu 1.200 Zwiebackscheiben pro Minute, die eine 200 Meter lange Ofenlinie auf einem vier Meter breiten Förderband verlassen? Bei Bolletje im niederländischen Almelo übernahmen diese Aufgabe über viele Jahre fünf Mitarbeiter. Mit geschultem Blick und schnellen Reaktionen sortierten sie nicht spezifikationsgerechte Produkte aus, beispielsweise zu stark gebräunte oder übereinanderliegende Zwiebackscheiben. Inzwischen erfolgt die Qualitätsprüfung automatisiert. Eine kompakte Zelle aus Kamerasystem, Vierachsroboter und KI-basierter IT-Plattform erkennt fehlerhafte Produkte und schleust sie aus. Bolletje setzt das Konzept seit einigen Monaten ein. Die Lösung wurde von Qing Food Automation gemeinsam mit dem Backwarenhersteller an einer der insgesamt 15 Ofenlinien umgesetzt.
Automatisierte Qualitätskontrolle
Für Bolletje war die Automatisierung der Qualitätskontrolle nicht allein eine Frage der Personaleinsparung. „Wir beliefern den Einzelhandel und stehen unter hohem Preis- und Wettbewerbsdruck. Gleichzeitig haben wir als Premiumhersteller hohe Qualitätsansprüche an unsere Produkte – genau wie die Verbraucher“, erklärt Lo Huls. „Mit der Automatisierung der Qualitätsprüfung am Ende der Ofenlinie können wir diesen Ansprüchen perfekt gerecht werden“, so der COO von Bolletje. Der Kontakt zu Qing Food Automation entstand auf einer Branchenveranstaltung. Nach einer Präsentation über ein Produktinspektionssystem auf Basis von Robotik und Vision-KI wurde das Konzept näher untersucht und anschließend gemeinsam an einer Produktionslinie umgesetzt.
Kompakte Zelle auf 1,8 × 3,2 Metern
Ein Merkmal der Lösung ist ihre kompakte Bauweise. Die Inspektionszelle benötigt eine Stellfläche von 1,8 × 3,2 Metern. Eine Kamera erfasst die vorbeilaufenden Zwiebackscheiben. Die Bilddaten werden innerhalb von Millisekunden ausgewertet und die Produkte anhand ihrer Klassifizierung als spezifikationsgerecht oder nicht spezifikationsgerecht eingestuft. Erkennt das System ein nicht spezifikationsgerechtes Produkt, übernimmt ein Stäubli TS2-80 HE SCARA die Ausschleusung. Der Vierachsroboter greift die entsprechenden Zwiebackscheiben und legt sie auf Förderbänder rechts und links des Hauptförderbands ab. Nach einem weiteren Förderabschnitt werden die geprüften Produkte direkt in die 140-Gramm-Einheiten verpackt. „Die Zelle lässt sich zudem bei Bedarf demontieren und an einer anderen Ofenlinie einsetzen, falls dort die Ausschussquote höher ist“, sagt Huls.
KI verarbeitet die Bilddaten
Die eigentliche Qualitätsentscheidung basiert auf der automatisierten Bildauswertung. Das von Qing Food Automation entwickelte System STAQ kombiniert Sensorik und Kameratechnik mit KI-gestützter Klassifizierung. Die Abkürzung steht für „See, Think, Act“: Das System erfasst das Produkt, bewertet es und leitet daraus eine Aktion ab. Das System nimmt die Bilder auf, überträgt sie auf die Plattform und klassifiziert die Produkte sowie unterschiedliche Fehlerbilder. Die Ergebnisse sind an der Linie und auf dem Laptop sichtbar. „Auf Basis dieser Klassifizierung können wir dann die KI trainieren. Insgesamt ist das System sehr benutzerfreundlich, sodass Unternehmen es eigenständig einsetzen und die Technologie auch auf weitere Produkte oder neue Qualitätskriterien erweitern können“, erklärt Bram de Vrught, Geschäftsführer von Qing Food Automation.
Bei Bolletje werden die Daten aus der Inspektion umfassend ausgewertet. „Wir erfassen die Art der Abweichung und setzen sie in Beziehung zu den Anlagendaten. Diese Aufgabe übernimmt unser Data-Analytics-Tool, das alle Öfen und weiteren Prozessschritte überwacht. So können wir die Ursachen von Qualitätsmängeln identifizieren und gezielt Gegenmaßnahmen einleiten“, sagt Huls.
Roboter für schnelles Ausschleusen
Die Ausschleusung übernimmt ein Vierachsroboter von Stäubli. Zum Einsatz kommt der TS2-80 in der HE-Ausführung, die für Anwendungen mit hohen Hygieneanforderungen und regelmäßiger Reinigung mit Wasser und Reinigungsmitteln ausgelegt ist. Zudem wird lebensmitteltaugliches H1-Öl verwendet. Bei der Auswahl spielten unter anderem Baugröße, Geschwindigkeit, Genauigkeit und Flexibilität eine Rolle. Ein Delta-Roboter hätte für die Anwendung mehr Bauraum benötigt. Ziel war dagegen eine möglichst kompakte Zelle mit hoher Pickleistung. „Unser Ziel ist jedoch ein kompaktes System bei gleichzeitig hoher Geschwindigkeit. Unter diesen Bedingungen liefert der hochdynamische Stäubli TS2-80 HE die beste Performance“, so Bram de Vrught. Gemeinsam mit Stäubli wurde die Roboterleistung simuliert und optimiert. Ursprünglich war das System für 60 Picks pro Minute ausgelegt. In Tests wurden anschließend mindestens 80 Zwiebackscheiben pro Minute erreicht, die gegriffen und auf dem N.I.O.-Förderband abgelegt werden können. Für die Anwendung entwickelte Qing einen speziellen Nadelgreifer.
Synchronisation mit dem Förderband
Eine Voraussetzung für das schnelle Greifen der Produkte ist die Synchronisation der Roboterbewegung mit dem laufenden Förderband. Die Stäubli-Software VALtrack ermöglicht es, die Bewegung des Roboters an die Position der vorbeilaufenden Produkte anzupassen. Sie wurde vollständig in das STAQ-Framework integriert. Dadurch werden Bildauswertung, Klassifizierung und Robotik miteinander verbunden: Die Kamera identifiziert ein auszuschleusendes Produkt, die Software bestimmt dessen Position und der Roboter übernimmt die entsprechende Pickbewegung.
Ausgangspunkt für weitere Schritte
Für die Entwicklung des KI-gestützten Systems brachten beide Seiten unterschiedliche Kompetenzen ein: Qing verfügte über das Know-how zur Anwendung von KI und Robotik, während Bolletje die relevanten Fehlerbilder des Zwiebacks sowie deren mögliche Ursachen und Prozessvariationen kannte. Diese Kombination soll es dem Produzenten ermöglichen, das System weiter zu trainieren und auf weitere Produkte und Qualitätskriterien anzupassen. Für Bolletje ist die automatisierte Qualitätsprüfung Teil einer umfassenderen Automatisierungsstrategie. Das Unternehmen plant nach eigenen Angaben derzeit acht bis neun weitere Automatisierungsprojekte, mehrere davon gemeinsam mit Qing Food Automation. Lo Huls sieht dafür mehrere Gründe: „Wir müssen diesen Weg gehen. Der Kostendruck ist hoch, unser Qualitätsanspruch ebenfalls, und die Produktvielfalt nimmt weiter zu.“
