Die automatisierte Röntgenprüfung (AXI) ist eine Technologie, die auf denselben Prinzipien wie die automatisierte optische Prüfung (AOI) basiert. Sie nutzt Röntgenstrahlen anstelle von sichtbarem Licht als Lichtquelle, um Merkmale automatisch zu prüfen, die normalerweise nicht sichtbar sind.
Die automatisierte Röntgenprüfung wird in einer Vielzahl von Branchen und Anwendungen eingesetzt, vorwiegend mit zwei Hauptzielen:
Prozessoptimierung, d. h. die Ergebnisse der Inspektion werden genutzt, um nachfolgende Verarbeitungsschritte zu optimieren.
Die Anomalieerkennung, d. h. das Ergebnis der Inspektion dient als Kriterium für die Ablehnung eines Teils (zur Verschrottung oder Nachbearbeitung).
Während AOI hauptsächlich mit der Elektronikfertigung in Verbindung gebracht wird (aufgrund der weitverbreiteten Anwendung in der Leiterplattenherstellung), bietet AXI ein deutlich breiteres Anwendungsspektrum. Dieses reicht von der Qualitätskontrolle von Leichtmetallfelgen bis hin zur Erkennung von Knochenfragmenten in verarbeitetem Fleisch. Überall dort, wo große Stückzahlen sehr ähnlicher Artikel nach einem definierten Standard hergestellt werden, hat sich die automatische Inspektion mithilfe fortschrittlicher Bildverarbeitungs- und Mustererkennungssoftware (Computer Vision) als nützliches Werkzeug zur Qualitätssicherung und Ertragssteigerung in der Verarbeitung und Fertigung etabliert.
Mit der Weiterentwicklung von Bildverarbeitungssoftware ist die Zahl der Anwendungsbereiche für die automatisierte Röntgenprüfung enorm und wächst stetig. Die ersten Anwendungen fanden sich in Branchen, in denen die Sicherheit der Bauteile eine sorgfältige Prüfung jedes einzelnen Teils erforderte (z. B. Schweißnähte an Metallteilen in Kernkraftwerken), da die Technologie anfangs erwartungsgemäß sehr teuer war. Mit der zunehmenden Verbreitung der Technologie sanken die Preise jedoch deutlich, wodurch die automatisierte Röntgenprüfung ein viel breiteres Anwendungsgebiet erschloss – teilweise wiederum getrieben von Sicherheitsaspekten (z. B. Erkennung von Metall, Glas oder anderen Materialien in verarbeiteten Lebensmitteln) oder der Steigerung der Ausbeute und Optimierung der Verarbeitung (z. B. Erkennung von Größe und Position von Löchern in Käse zur Optimierung der Schneidemuster).[4]
Bei der Massenproduktion komplexer Produkte (z. B. in der Elektronikfertigung) kann die frühzeitige Erkennung von Fehlern die Gesamtkosten drastisch senken, da so verhindert wird, dass fehlerhafte Teile in nachfolgenden Fertigungsschritten verwendet werden. Dies führt zu drei wesentlichen Vorteilen: a) Es wird frühzeitig darauf hingewiesen, dass Materialien fehlerhaft sind oder Prozessparameter außer Kontrolle geraten sind. b) Es wird verhindert, dass bereits fehlerhafte Komponenten weiterverarbeitet werden, wodurch die Gesamtkosten eines Fehlers reduziert werden. c) Es erhöht die Wahrscheinlichkeit von Fehlern im Endprodukt, da der Fehler aufgrund des begrenzten Testmustersatzes in späteren Phasen der Qualitätsprüfung oder bei Funktionstests möglicherweise nicht erkannt wird.
Veröffentlichungsdatum: 28. Dezember 2021