In Zusammenarbeit mit Studenten der Technische Universität Dresden hat unser Team der Data Scientists eine industrielle Fallstudie zu den automatischen Klassifizierungen von Fehlern bei der Herstellung von Solarzellen erstellt. Dabei werden Bilder der Solarzellen mittels Infrarotkamera aufgenommen und dadurch eine automatisierte Bilderkennung ermöglicht.
In Zusammenarbeit mit Studenten der Technische Universität Dresden hat unser Team der Data Scientists eine industrielle Fallstudie zu den automatischen Klassifizierungen von Fehlern bei der Herstellung von Solarzellen erstellt. Dabei werden Bilder der Solarzellen mittels Infrarotkamera aufgenommen und dadurch eine automatisierte Bilderkennung ermöglicht.
Die dabei entstehende Klassifizierung verschiedener Fehlertypen nimmt ein künstliches neuronales Netz vor. Der Vorteil dieser Methode ist, dass dadurch bestimmte Fehler überhaupt erst sichtbar gemacht werden können, wie z.B. in Schichten verborgene feine Risse, die bei der Qualitätskontrolle mit herkömmlichen elektrischen Messungen völlig unsichtbar bleiben.
Dieses Forschungsergebnis bringt in der Qualitätssicherung innerhalb der Produktion einen großen Erfolg!
Denn nun können frühzeitig, anhand von bestimmten Merkmalen, Fehlertypen erkannt und damit Module mit minderwertiger Qualität rechtzeitig im Produktionsprozess aussortiert werden.
Hier finden Sie den gesamten Artikel. https://link.springer.com/article/10.1365/s40702-020-00641-8