Ein Hersteller leistungselektronischer Komponenten prüfte Lötverbindungen an Kühlblechen bereits per CT, doch die Auswertemakros erzeugten zu viel Pseudoausschuss. Microvista hat eine CT-Software mit KI-Modellen entwickelt, die fünf Bauteiltypen automatisch erkennt und je Bauteil-ID eine IO- oder NIO-Entscheidung liefert. In der attributiven MSA mit 120 Bewertungen wurde kein fehlerhaftes Teil freigegeben.
Ausgangslage: CT-Prüfung von Lötverbindungen im Serientakt
Ausgangspunkt war die Anfrage eines Herstellers von leistungselektronischen Komponenten. Geprüft werden Lötverbindungen an Kühlblechen mit industrieller Computertomographie. Die CT-Anlage lieferte bereits die nötigen Volumendaten: Innerhalb von sieben Minuten werden fünf Kühlbleche gleichzeitig gescannt. Die Bewertung der Lötqualität lief mit Auswertemakros, erzeugte aber zu viel Pseudoausschuss. Dadurch mussten viele Ergebnisse manuell geprüft werden. Das kostete Zeit, band Personal und verhinderte eine direkte Sortierung der Bauteile im Produktionstakt.
Prüfkriterien für Porendetektion und Lötqualität
Der Kern der Anfrage war damit klar: Die CT-Prüfung war technisch vorhanden, aber die Bewertung passte noch nicht zum Produktionstakt. Die Software sollte den manuellen Prüfaufwand senken, Pseudoausschuss reduzieren und am Ende eine freigabefähige Entscheidung je Bauteil liefern.
Aus Kundenvorgaben entstanden konkrete Regeln für jedes Prüfgebiet: relevante Lötflächen, zulässige Porenanteile, kritische Materialanteile und Grenzen für IO oder NIO. Die Datenbasis bestand aus realen IO- und NIO-Teilen und deckte Positionsabweichungen, Rauschen, schwankende Scanqualität, Blechbiegung und unterschiedliche Lötbilder ab. Ebenso wurde der Validierungsplan abgestimmt.
Vom manuellen Prüfprozess zur Softwarelogik
Parallel wurden reale CT-Daten und vorhandene Bewertungen geprüft. Ziel war nicht, die bestehende Prüfung einfach nachzubauen. Die Software musste die fachliche Logik hinter der Entscheidung abbilden: Wie wird das Bauteil ausgerichtet? Wo liegen die relevanten Lötflächen? Welche Bereiche dürfen in die Bewertung einfließen? Wo entstehen besondere Herausforderungen infolge abweichender Scanqualität oder komplexer Geometrien? Genau diese Fragen bestimmen, ob die automatische Bewertung später im Serienbetrieb trägt.
Bereits vor Beginn jedes CT-Scans erfolgte die eindeutige Zuordnung von Bauteil-ID und Bauteilposition. Dadurch war die Rückverfolgbarkeit jedes einzelnen Systems über die gesamte Prüfkampagne hinweg sichergestellt.
Nach dem Scan wurden die Bauteile automatisch vereinzelt und das Riemenrad für die Auswertung ausgerichtet. Die Ausrichtung war dabei ein entscheidender Schritt. Die relevanten Abplatzungen befanden sich an der oberen Kante des Riemenrades. Um diese zuverlässig erkennen zu können, musste der vollständige Radumfang in jedem Datensatz exakt registriert werden.
Auf Basis dieser Registrierung wurde ein Bilderstapel erzeugt, der sich entlang der Rotationsachse des Riemenrades erstreckte. Dadurch ließ sich der gesamte Umfang des Bauteils systematisch bewerten. Abplatzungen konnten schnell und reproduzierbar identifiziert werden.
Automatische CT-Auswertung mit KI-Modellen
Auf dieser Basis entstand eine mehrstufige Auswertekette für die automatische CT-Auswertung. Die Software vereinzelt die fünf Bauteile im CT-Volumen, registriert jedes Bauteil über Referenzpunkte und extrahiert die relevanten Lötbereiche einschließlich Blechbiegung. Für unterschiedliche Prüfregionen wurden KI-Modelle trainiert, die Lötflächen segmentieren und Poren oder Materialbereiche auswerten. Am Ende steht ein Prüfergebnis pro Bauteil-ID mit Bewertung, Messwerten und Entscheidungsgrundlage.
Die Anwendung wurde für fünf Bauteiltypen aufgebaut. Nach dem Scan übergibt die CT-Anlage die jeweilige Anlageneinstellung an die Software. Daraus erkennt die Auswertung den Bauteiltyp und lädt automatisch die passende Auswertekette mit Prüfbereichen, Grenzwerten und KI-Modellen.
- 1
Scan und Rekonstruktion
fünf Kühlbleche gleichzeitig in sieben Minuten
- 2
Bauteiltyp erkennen
Anlageneinstellung lädt die passende Auswertekette
- 3
Vereinzeln und registrieren
jedes Bauteil im Volumen, ausgerichtet über Referenzpunkte
- 4
KI-Auswertung
Lötflächen segmentieren, Poren und Materialbereiche bewerten
- 5
IO oder NIO
Ergebnis je Bauteil-ID mit Messwerten und Begründung
- 6
InspectHub
Ergebnisse, Viewer und Reports, Änderungen protokolliert
Anbindung an CT-Anlage, Auswertung und InspectHub Portal
Für den produktionsnahen Ablauf wurde die Software an die bestehende CT-Infrastruktur angebunden. Nach Scan und Rekonstruktion werden die Volumendaten automatisch an die CT-Auswertung übergeben. Der Bediener sieht die Ergebnisse am Auswertebildschirm, prüft sie bei Bedarf im Viewer und überträgt sie mit optionaler Nachbewertung in das InspectHub Portal. Dort liegen Prüfergebnisse, Viewer und Qualitätsreports an einem Ort. Qualitätsmitarbeiter können Bauteile suchen, Auffälligkeiten prüfen und Entscheidungen je Bauteil nachvollziehen.
Rollen und Sicht auf die Ergebnisse
Der Maschinenbediener braucht im Takt eine klare Sicht auf das einzelne Bauteil: Bounding Boxes für Auffälligkeiten, Größenschablone, Segmentierung und Entscheidungsbegründung für IO oder NIO. Die Anzeige muss den Fehler innerhalb weniger Sekunden erfassbar machen.
Der Qualitätsverantwortliche startet mit der Statistik. Er sieht betroffene Teile, Fehlerarten und Grenzfälle nach Charge, Zeitfenster oder Prüfregion. Das Einzelteil bleibt erreichbar, damit die Gründe für NIO und mögliche manuelle Klärungen nachvollziehbar bleiben.
Stufenmodell für den Rollout
Der Rollout beginnt mit einer assistierten Bewertung. Die Software bewertet automatisch vor, der Maschinenbediener prüft die Ergebnisse im Viewer und bestätigt sie. Diese Rückmeldungen zeigen Grenzfälle und helfen, die Auswertung weiter anzupassen.
Nach erfolgreicher Validierung übernimmt die Software die Bewertung eigenständig. Manuell geprüft werden nur noch Stichproben oder definierte Sonderfälle. Aus der assistierten Auswertung wird eine Inline-Prüfung, die direkt nach dem CT-Scan eine belastbare IO- oder NIO-Entscheidung liefert.
Assistierte Bewertung
Die Software bewertet vor, der Bediener prüft im Viewer und bestätigt. Die Rückmeldungen zeigen Grenzfälle.
Attributive MSA
120 Bewertungen
Inline-Prüfung
Die Software bewertet eigenständig. Manuell geprüft werden nur Stichproben und definierte Sonderfälle.
Validierung der automatischen CT-Bewertung über attributive MSA
Für die Abnahme musste feststehen, welche Entscheidung die Software treffen soll. Sie muss Gutteile und Schlechtteile sauber trennen. Kritische Teile dürfen nicht fälschlich freigegeben werden.
Die Validierung der automatischen CT-Bewertung erfolgt über eine attributive MSA. Geprüft wird, ob die Software mit der definierten Referenzentscheidung übereinstimmt. Die attributive MSA bewertet zwar ausschließlich die Klassifikation als IO oder NIO. Diese Entscheidung basiert jedoch auf konkreten Messwerten, die von der Software erfasst und im Prüfergebnis dokumentiert werden.
Der Prüfumfang enthielt 60 Bauteile mit jeweils zwei CT-Scans und damit 120 Bewertungen. Kein NIO-Bauteil wurde als IO freigegeben. In jedem Scandurchlauf wurde ein IO-Bauteil als NIO bewertet. Daraus ergeben sich eine Gesamtübereinstimmung von 98,3 % und eine Fehlerrate von 1,7 %. Die Rate „NIO als IO bewertet“ lag bei 0 %, die Rate „IO als NIO bewertet“ bei 5 %. Damit erzeugte die Software in zwei Fällen Pseudoausschuss, ließ aber kein fehlerhaftes Bauteil passieren.
Ergebnis: dokumentierte Inline-Prüfung für die Serienfertigung
Am Ende entsteht eine digitale Prüfkette vom CT-Scan bis zur dokumentierten Entscheidung in der Serienfertigung. Jedes Prüfergebnis ist einer Bauteil-ID zugeordnet. Die entscheidungsrelevanten Bereiche sind im Viewer für den Bediener nachvollziehbar dargestellt und im InspectHub Portal dokumentiert.
Grenzwerte, Prüfregeln und Softwareversion werden im Ergebnisdatensatz gespeichert. Manuelle Änderungen werden mit Nutzer und Zeitpunkt protokolliert. Damit kann der Kunde die CT-Software technisch nutzen und qualitätsseitig abnehmen.
