การตรวจสอบข้อบกพร่องของบล็อกเครื่องยนต์และหัวสูบ: การมองเห็นด้วยปัญญาประดิษฐ์เชิงลึกสำหรับข้อบกพร่องจากการหล่อ

ภาพรวม

บล็อกเครื่องยนต์และหัวสูบอาจเกิดข้อบกพร่องได้ในขั้นตอนต่าง ๆ ของการผลิต ข้อบกพร่องจากการหล่อ เช่น รูทราย รูพรุน ข้อบกพร่องจากการหดตัว และสิ่งเจือปน ซึ่งเกิดขึ้นระหว่างกระบวนการหล่อ ข้อบกพร่องจากการกลึงและการจัดการ เช่น รอยกระแทกและรอยขีดข่วน อาจเกิดขึ้นระหว่างกระบวนการผลิตขั้นตอนถัดไป

โซลูชันการตรวจสอบด้วยภาพของ Big Bird Industrial ผสานรวม กล้องอุตสาหกรรมความละเอียด 20 เมกะพิกเซล ระบบให้แสงสว่างแบบความเข้มสูง การถ่ายภาพด้วยหุ่นยนต์ และอัลกอริธึมการเรียนรู้เชิงลึก เพื่อตรวจสอบทั้งข้อบกพร่องบนผิวที่ผ่านการกลึงแล้วและข้อบกพร่องจากการหล่อที่มองเห็นได้บนบล็อกเครื่องยนต์และหัวสูบ

ระบบที่อ้างอิงนี้มีเวลาในการตรวจสอบต่อรอบที่ประกาศไว้เท่ากับ 4.5 นาที , โดยการตั้งค่าสุดท้ายและจังหวะการผลิตสามารถปรับแต่งได้ตามชิ้นงานและข้อกำหนดในการตรวจสอบ

1. ข้อบกพร่องจากการหล่อและข้อบกพร่องจากการกลึงเป็นปัญหาการตรวจสอบที่ต่างกัน

บล็อกเครื่องยนต์และหัวสูบอาจมีข้อบกพร่องที่เกิดจากขั้นตอนการผลิตที่แตกต่างกันโดยพื้นฐาน

ข้อบกพร่องจากการหล่อ

ข้อบกพร่องที่เกี่ยวข้องกับการหล่อบ่อยครั้ง ได้แก่

• รูพรุนจากทราย
• ความพรุนจากแก๊ส
• ข้อบกพร่องจากการหดตัว
• ส่วนผสม

ข้อบกพร่องเหล่านี้เกิดขึ้นระหว่างกระบวนการเทโลหะ การแข็งตัว หรือกระบวนการหล่ออื่น ๆ เมื่อปรากฏบนผิวหน้า อาจมองเห็นเป็นจุดมืด หลุม รอยบุ๋นไม่สม่ำเสมอ หรือบริเวณที่มีพื้นผิวต่างออกไป

ข้อบกพร่องจากการกลึงและการจัดการ

หลังการหล่อ บล็อกเครื่องยนต์และหัวสูบจะผ่านกระบวนการกลึง การขนส่ง การจับยึด และการดำเนินการผลิตอื่น ๆ

ข้อบกพร่องทั่วไปจากขั้นตอนเหล่านี้ ได้แก่

• รอยกระแทก
• รอยขูดขีด
• พื้นผิวเสียหาย
• รอยบุ๋นเฉพาะจุด

ข้อบกพร่องเหล่านี้อาจมีลักษณะภายนอกที่ต่างออกไปอย่างมากเมื่อเทียบกับข้อบกพร่องจากการหล่อ

ความแตกต่างนี้มีความสำคัญต่อการมองเห็นด้วยเครื่องจักร เนื่องจากกลุ่มข้อบกพร่องทั้งสองอาจต้องใช้กลยุทธ์การถ่ายภาพและอัลกอริทึมที่ต่างกัน

2. เหตุใดการตรวจจับข้อบกพร่องจากการหล่อจึงเป็นเรื่องยาก

พื้นผิวที่ได้จากการหล่อมีความซับซ้อนโดยธรรมชาติมากกว่าพื้นผิวที่ผ่านการกลึงอย่างสม่ำเสมอสูง

พื้นผิวที่ผ่านการกลึงอาจมีพื้นผิวและค่าการสะท้อนแสงที่ค่อนข้างสม่ำเสมอ ในขณะที่พื้นผิวที่ได้จากการหล่ออาจมี:

• พื้นผิวที่ไม่สม่ำเสมอ
• ความแปรผันของพื้นผิวตามธรรมชาติ
• การเปลี่ยนแปลงของความหยาบ
• การตอบสนองต่อแสงที่ต่างกัน
• ลักษณะภาพที่เกี่ยวข้องกับวัสดุ

ข้อบกพร่องจากการหล่อ เช่น รูทรายและรูพรุน อาจมีรูปร่างและขนาดที่แตกต่างกันมาก

ดังนั้น ระบบการมองเห็นแบบง่ายที่ใช้เกณฑ์คงที่อาจมีความยากลำบากในการแยกแยะข้อบกพร่องที่แท้จริงออกจากพื้นผิวปกติของชิ้นงานที่หล่อ

ด้วยเหตุนี้ ระบบอ้างอิงจึงใช้ การมองเห็นด้วยเครื่องจักรที่ใช้การเรียนรู้เชิงลึก .

แทนที่จะอาศัยเพียงเกณฑ์สีเทาหรือเกณฑ์เชิงเรขาคณิตที่กำหนดตายตัว โมเดลที่ผ่านการฝึกอบรมแล้วสามารถเรียนรู้ลักษณะภาพจากตัวอย่างที่อยู่ในสภาพดี (OK) และตัวอย่างที่มีข้อบกพร่อง (NG) ที่เป็นตัวแทนได้

อย่างไรก็ตาม การเรียนรู้เชิงลึกไม่ได้ทำให้การถ่ายภาพที่เหมาะสมกลายเป็นสิ่งที่ไม่จำเป็น การจัดแสง ความละเอียดเชิงออปติก คุณภาพของตัวอย่าง และการกำหนดบริเวณที่ต้องตรวจสอบ ยังคงเป็นปัจจัยพื้นฐานที่มีผลต่อประสิทธิภาพของระบบทั้งหมด

3. วิธีการตรวจสอบ: การเรียนรู้เชิงลึก + การมองเห็นความละเอียดสูง

อุปกรณ์อ้างอิงนี้ผสานรวมการตรวจสอบข้อบกพร่องจากการกลึงและการหล่อไว้ในกระบวนการตรวจสอบร่วมกัน

ข้อบกพร่องบนพื้นผิวที่ผ่านการกลึง

ระบบสามารถตรวจสอบพื้นที่ที่ระบุไว้บนพื้นผิวที่ผ่านการกลึงเพื่อหาข้อบกพร่อง เช่น:

• รอยกระแทก
• รอยขูดขีด
• พื้นผิวเสียหาย

ข้อบกพร่องจากการหล่อ

ขอบเขตการตรวจสอบยังรวมถึง:

• รูพรุนจากทราย
• ความพรุนจากแก๊ส
• ข้อบกพร่องจากการหดตัว
• ส่วนผสม

ขนาดข้อบกพร่องที่ตรวจจับได้จริงและเกณฑ์การยอมรับขึ้นอยู่กับพื้นผิวของชิ้นงาน สภาพการสร้างภาพ และมาตรฐานคุณภาพที่ลูกค้ากำหนด

การตรวจสอบด้วยการเรียนรู้เชิงลึก

ระบบใช้อัลกอริธึมการเรียนรู้เชิงลึกเพื่อวิเคราะห์ภาพที่จับได้

วิธีนี้มีประโยชน์เป็นพิเศษเมื่อรูปร่างของข้อบกพร่องยากต่อการอธิบายด้วยกฎที่ตายตัวและง่ายๆ

ตัวอย่างเช่น รูจากทรายและรูพรุนอาจแตกต่างกันในด้าน:

• รูปร่าง
• ขนาด
• ลักษณะขอบตัด
• ความแตกต่าง
• ผิวสัมผัส
• การจัดจำหน่าย

สามารถฝึกแบบจำลองการเรียนรู้เชิงลึกโดยใช้ตัวอย่างที่เป็นตัวแทน เพื่อระบุลักษณะเหล่านี้

4. โครงสร้างฮาร์ดแวร์

ระบบอ้างอิงใช้การสร้างภาพความละเอียดสูงร่วมกับการจัดตำแหน่งด้วยหุ่นยนต์

ระบบการมองเห็น

• กล้องอุตสาหกรรมความละเอียด 20 ล้านพิกเซล
• แหล่งกำเนิดแสงความสว่างสูงพิเศษ

กล้องความละเอียดสูงให้ข้อมูลภาพที่ชัดเจน ในขณะที่ระบบไฟส่องสว่างขนาดใหญ่ถูกออกแบบมาเพื่อให้แสงที่เหมาะสมทั่วพื้นที่ตรวจสอบ

การถ่ายภาพด้วยหุ่นยนต์

เอ หุ่นยนต์ FANUC ใช้สำหรับการจัดตำแหน่งกล้องและรับภาพโดยอัตโนมัติ

การจัดวางระบบนี้ทำให้ระบบสามารถตรวจสอบพื้นที่หลายแห่งของชิ้นส่วนเครื่องยนต์ที่มีความซับซ้อนได้ โดยไม่จำเป็นต้องติดตั้งกล้องแบบคงที่แยกต่างหากสำหรับแต่ละตำแหน่งที่ต้องตรวจสอบ

ฟังก์ชันการควบคุมและการจัดการข้อมูล

ระบบที่รวมไว้:

• การอ่านรหัส
• การตรวจสอบด้วยวิชั่นเครื่องมือ
• อัลกอริทึมการเรียนรู้เชิงลึก
• การติดตามผลการตรวจสอบ (Inspection traceability)
• การวิเคราะห์ข้อมูล
• การเข้าถึงข้อมูลจากระยะไกล

สิ่งนี้ทำให้ผลการตรวจสอบสามารถเชื่อมโยงกับชิ้นงานแต่ละชิ้น และนำกลับมาตรวจสอบภายหลังเพื่อวิเคราะห์คุณภาพ

5. ข้อกำหนดทางเทคนิค

ข้อกำหนดต่อไปนี้อ้างอิงจากข้อมูลผลิตภัณฑ์ที่เปิดเผยต่อสาธารณะสำหรับระบบที่กล่าวถึง

รายการ	ข้อกำหนด
การใช้งาน	ยานพาหนะเพื่อการค้า และยานพาหนะสำหรับผู้โดยสาร รวมถึงยานพาหนะพลังงานใหม่
ชิ้นงาน	ชิ้นส่วนระบบขับเคลื่อนพลังงานใหม่ รวมถึงชิ้นส่วนระบบขับเคลื่อนดีเซลและเบนซิน
ขอบเขตการตรวจสอบ	ข้อบกพร่องบนผิวที่ผ่านการกลึงและข้อบกพร่องจากการหล่อ
ข้อบกพร่องจากการหล่อ	รูทราย รูพรุน ข้อบกพร่องจากการหดตัว สิ่งแปลกปลอมปนอยู่
ข้อบกพร่องจากการกลึง	รอยกระแทก รอยขีดข่วน และความเสียหายที่ผิวหน้าอื่นๆ ที่เกี่ยวข้อง
รอบเวลาการตรวจสอบที่ประกาศไว้	4.5 นาที
กล้องอุตสาหกรรม	20 เมกะพิกเซล
แสงสว่าง	แหล่งกำเนิดแสงความสว่างสูงพิเศษ
หุ่นยนต์	ฟานุก
การควบคุม	คอมพิวเตอร์อุตสาหกรรมซีเมนส์ / อัดวานเท็ก
เทคโนโลยีการตรวจสอบ	การมองเห็นด้วยเครื่องจักรร่วมกับการเรียนรู้เชิงลึก
ฟังก์ชัน	การอ่านรหัส การตรวจสอบ ระบบติดตามย้อนกลับ การวิเคราะห์ข้อมูล และการเข้าถึงจากระยะไกล

ตลาด รอบเวลา 4.5 นาที เป็นค่าแอปพลิเคชันที่เผยแพร่ไว้ รอบเวลาการตรวจสอบจริงควรประเมินตามจำนวนบริเวณที่ต้องตรวจสอบ รูปร่างของชิ้นงาน เส้นทางการเคลื่อนที่ของหุ่นยนต์ ข้อกำหนดด้านการประมวลผลภาพ และโหมดการผลิต

6. ปัจจัยสำคัญที่ต้องพิจารณาเมื่อเลือก

6.1 สร้างฐานข้อมูลตัวอย่างก่อนพัฒนาอัลกอริทึม

ประสิทธิภาพของการเรียนรู้เชิงลึกขึ้นอยู่กับคุณภาพของตัวอย่างเป็นอย่างมาก

โครงการควรรวบรวมตัวอย่างที่เป็นตัวแทน ครอบคลุมสิ่งต่อไปนี้

• ผลิตภัณฑ์ที่ปกติ
• ผลิตภัณฑ์ที่ผิดพลาดอย่างชัดเจน
• ประเภทข้อบกพร่องที่แตกต่างกัน
• ขนาดของข้อบกพร่องที่แตกต่างกัน
• ตัวอย่างที่อยู่บริเวณขอบเขตหรือเกณฑ์พรมแดน
• สภาวะพื้นผิวที่แตกต่างกัน

ตัวอย่างที่อยู่บริเวณขอบเขตนั้นมีความสำคัญเป็นพิเศษ เนื่องจากข้อบกพร่องในการผลิตจริงไม่ได้ชัดเจนเสมอไปเหมือนตัวอย่างในห้องปฏิบัติการ

6.2 กำหนดเกณฑ์ข้อบกพร่องเชิงปริมาณ

คำว่า "รูพรุนเล็กน้อย" หรือ "รูทรายเล็กน้อย" นั้นยากต่อการตีความโดยระบบการมองเห็น หากไม่มีเกณฑ์ทางวิศวกรรมประกอบ

ข้อกำหนดด้านคุณภาพควรระบุไว้ (ถ้ามีความเหมาะสม) ดังนี้

• ขนาดความบกพร่องขั้นต่ำ
• ขนาดข้อบกพร่องสูงสุดที่ยอมรับได้
• จำนวนข้อบกพร่อง
• ความหนาแน่นของข้อบกพร่อง
• ตำแหน่งของข้อบกพร่อง
• ระยะห่างที่ยอมรับได้ระหว่างข้อบกพร่อง

จากนั้นอัลกอริทึมสามารถฝึกและตรวจสอบความถูกต้องได้โดยใช้เป้าหมายการตรวจสอบที่กำหนดไว้อย่างชัดเจน

6.3 พิจารณาไซเคิล 4.5 นาทีในการวางแผนการผลิต

เวลาไซเคิลที่เผยแพร่นั้นมีระดับปานกลางเมื่อเทียบกับการตรวจสอบภาพแบบออนไลน์ความเร็วสูง

สิ่งนี้อาจทำให้การตั้งค่าดังกล่าวเหมาะสมสำหรับ:

• การตรวจสอบชิ้นส่วนสำคัญอย่างครบถ้วน
• การตรวจสอบตามล็อต
• การตรวจสอบคุณภาพที่ปลายสายการผลิต
• การตรวจสอบการเก็บตัวอย่าง

หากจำเป็นต้องผสานการตรวจสอบเข้ากับสายการผลิตที่เร็วกว่านี้ จุดการตรวจสอบอาจกระจายไปยังสถานีหลายแห่งที่ทำงานขนานกันได้

ทางออกที่แท้จริงควรกำหนดผ่านการวิเคราะห์เวลาไซเคิล แทนที่จะสมมุติว่าเซลล์การตรวจสอบที่ใช้หุ่นยนต์หนึ่งเซลล์สามารถรองรับความต้องการทัคท์ทั้งหมดได้

6.4 วางแผนการเข้าถึงและเก็บรักษาข้อมูล

ฟังก์ชันการสอบถามข้อมูลจากระยะไกลมีประโยชน์ต่อการติดตามคุณภาพ แต่ระบบควรออกแบบให้สอดคล้องกับสภาพแวดล้อมด้านไอทีจริงในโรงงาน

ข้อกำหนดทางเทคนิคควรระบุไว้ดังนี้

• ระยะเวลาในการเก็บรักษาข้อมูล
• ความจุในการจัดเก็บภาพ
• สิทธิ์การใช้งาน
• วิธีการเข้าถึงจากระยะไกล
• ความต้องการสำรองพลังงาน
• การเชื่อมโยงชิ้นงานกับผลลัพธ์

7. การตรวจสอบด้วยวิชันสามารถตรวจจับข้อบกพร่องจากการหล่อได้หรือไม่

การมองเห็นด้วยเครื่องจักรสามารถตรวจจับ ข้อบกพร่องจากการหล่อที่ปรากฏให้เห็นบนพื้นผิวที่กำลังตรวจสอบ รวมถึงตัวอย่างที่เหมาะสม เช่น รูจากทราย รูพรุน ข้อบกพร่องบนพื้นผิวที่เกิดจากภาวะหดตัว และสิ่งเจือปน

อย่างไรก็ตาม มีข้อจำกัดที่สำคัญ

ข้อบกพร่องที่ฝังลึกอยู่ภายในชิ้นงานหล่ออย่างสมบูรณ์แบบ โดยไม่มีสัญญาณใดๆ ปรากฏบนพื้นผิว จะไม่สามารถตรวจจับได้อย่างเชื่อถือได้ด้วยการสร้างภาพพื้นผิวเพียงอย่างเดียว .

ข้อบกพร่องภายในดังกล่าวอาจจำเป็นต้องใช้วิธีการทดสอบแบบไม่ทำลายอื่นๆ ขึ้นอยู่กับการประยุกต์ใช้งาน เช่น

• การตรวจฉายรังสี
• การทดสอบด้วยคลื่นเสียงความถี่สูง
• การตรวจสอบอนุภาคแม่เหล็ก
• วิธีการทดสอบแบบไม่ทำลายอื่นๆ ที่ออกแบบเฉพาะสำหรับการใช้งานนั้นๆ

ดังนั้น การตรวจสอบด้วยระบบวิชันควรเข้าใจว่าเป็นวิธีหนึ่งในการตรวจสอบ ลักษณะที่ปรากฏบนพื้นผิวและใกล้พื้นผิว มากกว่าที่จะเป็นการแทนที่วิธีการตรวจสอบชิ้นงานหล่อทุกรูปแบบ

๘. การรักษาประสิทธิภาพของแบบจำลองการเรียนรู้เชิงลึก

แบบจำลองการเรียนรู้เชิงลึกโดยทั่วไปจะไม่สูญเสียความแม่นยำเพียงเพราะทำงานมาเป็นระยะเวลาหนึ่ง

อย่างไรก็ตาม ประสิทธิภาพการตรวจสอบอาจเปลี่ยนแปลงไปเมื่อเงื่อนไขการผลิตเปลี่ยนแปลง

ตัวอย่างการใช้งาน ได้แก่

• วัสดุหล่อชนิดใหม่หรือผู้จัดจำหน่ายรายใหม่
• กระบวนการกลึงแบบใหม่
• การเปลี่ยนแปลงพื้นผิวของชิ้นงาน
• การเปลี่ยนแปลงระบบแสงสว่าง
• รุ่นผลิตภัณฑ์ใหม่
• ประเภทข้อบกพร่องใหม่
• การเปลี่ยนกล้อง
• การเปลี่ยนแปลงตำแหน่งของอุปกรณ์ยึดชิ้นงานหรือหุ่นยนต์

ดังนั้น โครงการวิชันซิสเต็มที่มีความแข็งแกร่งควรประกอบด้วยกลไกการบำรุงรักษาโมเดล ซึ่งครอบคลุม:

1. การเก็บตัวอย่างข้อบกพร่องใหม่
2. การทบทวนตัวอย่างการผลิต
3. การตรวจสอบความถูกต้องของแบบจำลอง
4. การปรับปรุงแบบจำลอง
5. การควบคุมเวอร์ชัน
6. การตรวจสอบความถูกต้องซ้ำหลังการเปลี่ยนแปลง

หน้าที่และความรับผิดชอบเหล่านี้ รวมทั้งขั้นตอนปฏิบัติ ควรกำหนดไว้อย่างชัดเจนในข้อตกลงทางเทคนิคก่อนการรับรองอุปกรณ์

9. การผสานระบบตรวจจับด้วยภาพเข้ากับกระบวนการล้าง

บล็อกเครื่องยนต์และหัวสูบสามารถผ่านกระบวนการล้างก่อนการตรวจสอบขั้นสุดท้าย

สำหรับสายการผลิตที่ต้องการทั้งกระบวนการล้างและการตรวจจับด้วยภาพ ทั้งสองกระบวนการนี้สามารถผสานเข้าด้วยกันเป็นส่วนหนึ่งของระบบควบคุมคุณภาพโดยรวม

ลำดับขั้นตอนทั่วไปอาจเป็นดังนี้:

การกลึง → การทำความสะอาด → การทำให้แห้ง → การตรวจสอบด้วยภาพ → การติดตามที่มา → การประกอบ

แนวทางนี้สามารถลดโอกาสที่จะเกิดมลพิษใหม่หรือความเสียหายจากการกระแทกในระหว่างการจัดการขั้นกลางที่ไม่จำเป็น

นอกจากนี้ยังทำให้ผลการตรวจสอบสะท้อนสภาพของชิ้นส่วนได้แม่นยำยิ่งขึ้นก่อนการประกอบโดยตรง

บิ๊กเบิร์ด อินดัสเทรียล มีทั้ง อุปกรณ์ทำความสะอาดแบบความแม่นยำสำหรับอุตสาหกรรมและความสามารถในการตรวจสอบด้วยภาพ ซึ่งทำให้สามารถนำเสนอโซลูชันที่รวมทั้งการล้างและการตรวจสอบเข้าด้วยกันได้ สำหรับแอปพลิเคชันที่ต้องใช้กระบวนการทั้งสองอย่าง

10. ความสามารถในการตรวจสอบด้วยภาพของบิ๊กเบิร์ด อินดัสเทรียล

บริษัท ฮาร์ปิน บิ๊กเบิร์ด อินดัสเทรียล จำกัด (บิ๊กเบิร์ด อินดัสเทรียล) เดิมชื่อ บริษัท ฮาร์ปิน ชิมาดะ บิ๊กเบิร์ด อินดัสเทรียล จำกัด ให้บริการโซลูชันแบบบูรณาการด้านการทำความสะอาดอุตสาหกรรมและการตรวจสอบด้วยภาพ สำหรับงานด้านระบบขับเคลื่อนยานยนต์และงานผลิตชิ้นส่วนความแม่นยำสูง

ธุรกิจด้านระบบวิเคราะห์ภาพด้วยเครื่องจักรของบริษัทครอบคลุมหกสาขาเฉพาะทาง ได้แก่

• Orient See — การตรวจสอบมิติและเรขาคณิต
• Surface See — การตรวจสอบข้อบกพร่องบนพื้นผิว
• Assembly See — การตรวจสอบระหว่างการประกอบและการป้องกันข้อผิดพลาด
• อินเนอร์ ซี — การตรวจสอบรูภายในและผนังด้านใน
• เพนต์ ซี — การตรวจสอบข้อบกพร่องบนพื้นผิวสี
• อัลกอริทึมและแพลตฟอร์มซอฟต์แวร์ — อัลกอริทึมและซอฟต์แวร์การมองเห็นด้วยเครื่อง

สำหรับบล็อกเครื่องยนต์และหัวสูบ Surface See สามารถตั้งค่าให้ตรวจจับข้อบกพร่องบนพื้นผิวที่ผ่านการกลึงแล้ว รวมทั้งข้อบกพร่องจากการหล่อที่มองเห็นได้ด้วยตาเปล่า

เมื่อจำเป็นต้องตรวจสอบรูภายใน อินเนอร์ ซี สามารถตอบสนองความต้องการในการตรวจสอบรูภายในและพื้นผิวด้านในของผนัง

สิ่งนี้ทำให้ระบบการตรวจสอบสามารถปรับแต่งได้ตามประเภทข้อบกพร่องที่แท้จริง ตำแหน่งที่ต้องตรวจสอบ และกระบวนการผลิต โดยไม่จำเป็นต้องใช้วิธีการถ่ายภาพแบบเดียวกันกับทุกบริเวณ

คำถามที่พบบ่อย

ระบบการมองเห็นด้วยเครื่องสามารถแทนการตรวจสอบด้วยสายตาโดยมนุษย์สำหรับรูทรายและรูพรุนได้หรือไม่

สำหรับข้อบกพร่องที่ปรากฏชัดเจนบนพื้นผิวที่กำลังตรวจสอบ ระบบการมองเห็นอัตโนมัติสามารถแทนหรือลดการตรวจสอบด้วยสายตาโดยมนุษย์ลงได้อย่างมาก

อย่างไรก็ตาม ข้อบกพร่องที่ซ่อนอยู่ลึกภายในชิ้นงานหล่อทั้งหมด โดยไม่มีสัญญาณใดๆ ปรากฏบนพื้นผิว จะไม่สามารถตรวจพบได้ด้วยการถ่ายภาพพื้นผิวเพียงอย่างเดียว ข้อบกพร่องประเภทนี้จำเป็นต้องใช้วิธีการทดสอบแบบไม่ทำลายที่เหมาะสม

โมเดลการเรียนรู้เชิงลึกจะสูญเสียความแม่นยำหลังจากทำงานไปเป็นระยะเวลาหนึ่งหรือไม่

ไม่ใช่เพียงเพราะระยะเวลาในการดำเนินงาน

ประสิทธิภาพอาจเปลี่ยนแปลงได้เมื่อมีการเปลี่ยนแปลงผลิตภัณฑ์ กระบวนการ วัสดุ การให้แสง หรือจำนวนข้อบกพร่อง ดังนั้น การเก็บตัวอย่างอย่างต่อเนื่องและการตรวจสอบความถูกต้องของแบบจำลองจึงมีความสำคัญต่อความเสถียรของการผลิตในระยะยาว

เหตุใดรอบเวลาการตรวจสอบที่ประกาศไว้จึงเท่ากับ 4.5 นาที

ระบบอ้างอิงนี้ดำเนินการถ่ายภาพหลายครั้งบนพื้นผิวชิ้นส่วนเครื่องยนต์ที่ซับซ้อน โดยใช้ระบบหุ่นยนต์สำหรับการจัดตำแหน่งและซอฟต์แวร์ประมวลผลภาพ

ที่ประกาศไว้ รอบเวลา 4.5 นาที เหมาะสมกับการใช้งานอ้างอิงนี้ หากต้องการรอบเวลาการผลิตที่เร็วกว่านี้ จุดตรวจสอบอาจแบ่งออกเป็นสถานีขนานกัน หรือปรับแต่งกระบวนการถ่ายภาพและเส้นทางการเคลื่อนที่ของหุ่นยนต์ให้มีประสิทธิภาพมากขึ้น

ระบบการมองเห็นสามารถเชื่อมต่อกับเครื่องทำความสะอาดได้หรือไม่

ใช่ครับ

บิ๊ก เบิร์ด อินดัสเทรียล จัดหาอุปกรณ์ทำความสะอาดอุตสาหกรรมแบบแม่นยำและระบบตรวจสอบด้วยภาพเครื่องจักรทั้งสองประเภท

สรุป

ข้อบกพร่องจากการหล่อและการกลึงเป็นความท้าทายด้านการควบคุมคุณภาพที่ต่างกันสองประการสำหรับบล็อกเครื่องยนต์และฝาสูบ

รูจากทราย รูพรุน ข้อบกพร่องจากการหดตัว และสิ่งเจือปน เกิดขึ้นระหว่างกระบวนการหล่อ ขณะที่ รอยขีดข่วนและรอยกระแทก อาจเกิดขึ้นระหว่างการกลึง การจัดการ หรือการส่งผ่านกระบวนการผลิต ลักษณะการมองเห็นของข้อบกพร่องเหล่านี้อาจแตกต่างกันมาก ทำให้การใช้กลยุทธ์การตรวจสอบแบบมีเกณฑ์คงที่เพียงอย่างเดียวไม่สามารถใช้งานได้อย่างเชื่อถือได้

วิธีแก้ปัญหาที่อ้างอิงนี้รวมเอา กล้องอุตสาหกรรมความละเอียด 20 เมกะพิกเซล ระบบแสงสว่างความเข้มสูง การจัดตำแหน่งด้วยหุ่นยนต์ FANUC และการมองเห็นด้วยเครื่องจักรแบบเรียนรู้เชิงลึก มาใช้ในการตรวจสอบพื้นผิวที่ผ่านการกลึงตามข้อกำหนดทั้งหมด รวมทั้งข้อบกพร่องจากการหล่อที่มองเห็นได้

อย่างไรก็ตาม สำหรับการใช้งานจริงในการผลิต ประสิทธิภาพของการตรวจสอบด้วยการเรียนรู้เชิงลึกขึ้นอยู่กับปัจจัยอื่นๆ มากกว่าเพียงแค่อัลกอริทึมเท่านั้น ตัวอย่างที่เป็นตัวแทน เกณฑ์การยอมรับเชิงปริมาณ สภาวะการถ่ายภาพที่คงที่ และกระบวนการบำรุงรักษาโมเดลที่ชัดเจน ล้วนเป็นส่วนสำคัญของระบบการตรวจสอบด้วยภาพที่เชื่อถือได้

สำหรับผู้ผลิตที่ต้องการรวมกระบวนการทำความสะอาด การตรวจสอบพื้นผิว และการติดตามย้อนกลับ Big Bird Industrial สามารถผสานรวมกระบวนการเหล่านี้เข้ากับระบบควบคุมคุณภาพอัตโนมัติที่กว้างขึ้น ซึ่งมี SHIMADA คงไว้ในฐานะส่วนหนึ่งของอัตลักษณ์แบรนด์ในประวัติศาสตร์ของบริษัท