MTU Aero Engines: Seriennummern-Identifikation mit KI-gestützter App
Schnellerer Herstellungsprozess, weniger Fehler und nahtlose Rückverfolgbarkeit. Wir haben eine KI-gestützte Smartphone-Anwendung für MTU Aero Engines entwickelt, die automatisch Turbinenblatt-Seriennummern mit bis zu 99,65% Genauigkeit liest.
Die Anwendung hat unsere betriebliche Effizienz und die Nutzererfahrung erheblich verbessert. Die hohe Nutzerakzeptanz gewährleistet eine nachhaltige Nutzung und langfristigen Erfolg.
Unser Ergebnis
Übersicht
Challenge
Lösung
Technologien
Impact
Unser Ergebnis
Unsere KI-gestützte Seriennummern-Identifikationsanwendung reduziert die Identifikationszeit pro Turbinenblatt und Arbeitsschritt erheblich mit einer Genauigkeit von 99,65%.
Optimierung des Herstellungsprozesses bei MTU Aero Engines:
- schnellere Identifizierung der Turbinenblätter
- zuverlässigere Zuweisung
- nahtlose Rückverfolgbarkeit und Integration in den Arbeitsablauf
- skalierbar für andere Anwendungsfälle
Unsere Anwendung vereinfacht den mühsamen und fehleranfälligen Prozess der Turbinenblatt-Identifikation. Sie hat zu erheblichen Effizienzsteigerungen geführt, was jährliche Kosteneinsparungen im unteren sechsstelligen Bereich nach Abdeckung aller internen und externen projektbezogenen Ausgaben ermöglicht. Da die Anwendung für andere Anwendungsfälle skalierbar ist, sind potenzielle zukünftige Einsparungen noch höher. Neben Arbeitskosteneinsparungen minimiert die Anwendung menschliche Fehler, reduziert die Belastung der Mitarbeiter und stärkt die Einhaltung regulatorischer Vorgaben durch konsistente Datenerfassung. Sie setzt auch Arbeitsressourcen frei, die in anderen Herstellungsprozessen effizienter eingesetzt werden können. Aufbauend auf diesem Erfolg wurde das Projekt vom Proof-of-Concept zur vollwertigen Produktionseinführung weiterentwickelt, mit geplanten Erweiterungen wie Barcode-Scanning und nahtloser ERP-Integration.
Suchst du einen
Innovationspartner?
KontaktChallenge
Entwicklung einer Anwendung zur Beschleunigung des zeitintensiven und fehleranfälligen manuellen Identifizierungsprozesses von Turbinenblättern , der hohe Genauigkeit unter schwierigen Bedingungen erfordert.
Langsame, fehleranfällige und körperlich anstrengende Identifizierung
Bei der Herstellung von Turbinenblättern muss jedes Blatt wiederholt für Rückverfolgbarkeit, Qualitätskontrolle und Compliance identifiziert werden. Mitarbeiter müssen Lupen verwenden, um winzige Dot-Peen-Seriennummern manuell zu lesen. Die hohe Anzahl erforderlicher Identifikationsschritte und strenge regulatorische Anforderungen machen die Turbinenblattfertigung sehr zeitaufwändig. Zusätzlich birgt die manuelle Dateneingabe das Risiko von Ungenauigkeiten und Ermüdung bei den Mitarbeitern. Die zu identifizierenden Seriennummern sind schwer zu lesen, da sie winzig und auf reflektierenden Metalloberflächen angebracht sind.
Sicherstellung hoher Genauigkeit unter realen Bedingungen
Wir haben eine KI-gestützte Smartphone-Anwendung entwickelt, die Seriennummern zuverlässig erfasst und interpretiert, selbst unter schwierigen Lichtbedingungen. Synthetische Trainingsdaten ermöglichten eine hohe Genauigkeit der Inferenz auf dem Gerät.
Lösung
Wir haben eine KI-gestützte Smartphone-Anwendung entwickelt, die Seriennummern zuverlässig erfasst und interpretiert, selbst unter schwierigen Lichtbedingungen. Synthetische Trainingsdaten ermöglichten eine hohe Genauigkeit der Inferenz auf dem Gerät.
Alles über MTU Aero Engines
Deutschlands führender Triebwerkshersteller
MTU Aero Engines ist Experte in der Entwicklung, Herstellung und Wartung von zivilen und militärischen Triebwerken aller Schub- und Leistungsklassen sowie stationären Industriegasturbinen. Ihre innovativen Antriebssysteme, Hightech-Lösungen und umfassenden Dienstleistungen verbessern Effizienz, Sicherheit und Nachhaltigkeit in der Luftfahrt. Im Bereich der zivilen Instandhaltung zählt MTU Aero Engines Maintenance zu den Top 3 weltweiten Anbietern für zivile Luftfahrtantriebssysteme und Industriegasturbinen.
Herausforderung meistern in vier Schritten
POC
Das Projekt begann mit der anfänglichen Herausforderung, eine KI-gestützte Lösung für die Identifikation von Turbinenblatt-Seriennummern mit begrenzten Beispieldaten zu entwickeln. Außerdem mussten wir eine Lösung finden, die unter schwierigen Lichtbedingungen funktionieren und Inferenz auf dem Gerät durchführen kann. Der frühe Prototyp zeigte das Potenzial des Ansatzes, trotz einer anfänglich niedrigen Erkennungsgenauigkeit von nur 20%.
Iteration
Um die anfänglichen Einschränkungen zu überwinden, generierte das Team synthetische Trainingsdaten mit Blender und sammelte über 5000 echte Bilder, um das maschinelle Lernmodell zu verfeinern. Dieser entscheidende Schritt beinhaltete den Wechsel zu einer YOLO-basierten OCR-Architektur, die die Erkennungsfähigkeiten erheblich verbesserte. In diesem Schritt bauten wir auch einen speziellen Aufsatz für optimale Lichtwinkel.
Testing
Strenge Tests wurden durchgeführt, bis wir schließlich eine Genauigkeit von 99,65% bei der Seriennummernidentifikation erreichten. Das Team konzentrierte sich auf die Optimierung des Modells für Edge-basierte Inferenz, um eine effiziente Leistung auf Smartphone-Geräten bei gleichzeitiger hoher Präzision zu gewährleisten. Basierend auf dem Feedback der MTU Aero Engines Mitarbeiter optimierten wir zusätzlich den speziellen Telefonaufsatz, um die gewünschte Genauigkeit zu erreichen und die Benutzerfreundlichkeit zu verbessern.
Produktionseinführung
Nach erfolgreichem Übergang vom Proof-of-Concept wurde die Anwendung vollständig in den Herstellungsprozess bei MTU Aero Engines implementiert. Die Produktionsversion umfasst geplante Erweiterungen wie Barcode-Scanning und nahtlose ERP-Integration, was den Grundstein für eine breitere Anwendung in verschiedenen Herstellungsprozessen legt.
