Lösen des Qualitätsproblems, das die Arbeiter nicht sehen konnten

Key Takeaways

• Daimlers Mount Holly Lkw-Werk ersetzte eine „Vier-Augen“-Manuellinspektion durch das Vision-System von Loopr Looper AI und beseitigte damit einen toten Winkel im Lenksäulen-Gelenk.
• Die KI-Lösung erfasst 108 MP-Bilder mit 60 fps, führt eine 0,12-Sekunden-Inference durch und markiert falsch ausgerichtete Schrauben mit 99,4 % Genauigkeit.
• Die Ausfallzeit der Produktionslinie sank von 12 Minuten pro Schicht (manuelle Nacharbeit) auf unter 30 Sekunden, was geschätzte $1,2 M Jahresersparnis bedeutet.
• Der neue Arbeitsablauf reduziert die Abhängigkeit von menschlicher Wachsamkeit, ein kritischer Vorteil, wenn Seniorität und Schichtmodelle im Wandel sind.

The Hidden-Joint Challenge

Im Mount Holly Lkw-Werk von Daimler wurde das Lenksäulen-Gelenk — die Verbindung zwischen Lenkrad und Fahrgestell — zum Qualitätskontroll-Albtraum. Die Schraube muss durch zwei exakt ausgerichtete Bohrungen führen und mit 85 Nm ± 5 Nm angezogen werden. Nach der Montage ist das Gelenk vollständig verdeckt, sodass eine visuelle Prüfung unmöglich ist.

Ein Versagen an dieser sicherheitskritischen Schnittstelle könnte den Lenkeingriff verlieren und einen Routinefehler zu einer potenziellen Straßen­gefahr machen. Der vorhandene „Vier-Augen“-Prozess (zwei Prüfer, einer inline, einer offline) konnte keine 100 %-Konformität garantieren, besonders da die durchschnittliche Seniorität der Belegschaft von 12 Jahren auf 6 Jahre sank und sich die Schichtmodelle änderten.

„Wenn man neue Leute einarbeitet, Schichtmodelle ändert und mit Anwesenheitsproblemen kämpft, fragt man sich, ob wirklich alle Augen arbeiten“, erinnerte sich die ehemalige Werksleiterin Joanna Cooper.

From Paper Trails to Digital Assurance

Cooper wandte sich über Women in Manufacturing, den einzigen globalen Fachverband, der sich auf Frauen im Sektor konzentriert, an Priyansha Bagaria, Gründerin und CEO von Loopr Looper AI. Die Plattform von Loopr verspricht, die manuelle Inspektion durch KI-gesteuerte Qualitätsintelligenz zu ersetzen.

Defining the Pilot

Statt einer breiten KI-Einführung verlangte Cooper einen eng umrissenen Piloten: Kann KI zuverlässig die versteckte Schrauben­ausrichtung und die Drehmoment-Konformität erkennen? Das Lenksäulen-Gelenk, bereits als Hochrisikokomponente gekennzeichnet, wurde als Testfall ausgewählt.

The AI Vision Solution

How It Works

1. Fixed-camera rig mounted on the assembly line captures 108-megapixel images of the joint before the bolt is inserted.
2. Edge-AI processor (NVIDIA Jetson AGX Xavier) runs a convolutional neural network (CNN) inference in 0.12 s, classifying hole orientation and bolt position.
3. Torque sensor embedded in the fastening tool records the applied torque; the AI cross-checks the reading against the 85 Nm target.
4. If the model detects mis-alignment or out-of-spec torque, an operator alert flashes on the line’s HMI, prompting immediate correction.

The system was trained on 15,000 labeled images collected over three months, with data augmentation to simulate lighting variations and minor part tolerances.

Results After Six Months

• Defect rate fell from 0.84 % to 0.07 % (a 91 % reduction).
• Line speed increased by 4 %, as re-work stations were eliminated.
• Operator confidence rose, measured by a post-implementation survey (average score 4.7/5).
• The AI platform generated 4,200 actionable insights, feeding back into continuous-improvement loops for tooling and fixture design.

Bottom Line

By integrating Loopr Looper AI’s high-resolution vision and real-time torque verification, Daimler’s Mount Holly plant transformed a blind-spot inspection into a fully automated, data-driven checkpoint. The solution not only met safety requirements with near-perfect accuracy but also delivered measurable cost savings and productivity gains—critical advantages when workforce experience is in transition. For manufacturers facing hidden-joint or otherwise invisible quality challenges, AI-enabled vision offers a proven pathway to “see” what the human eye cannot.