Pagsusuri ng Kawalan ng Kagandahan sa Engine Block at Cylinder Head: Paningin na Batay sa Malalim na Pag-aaral para sa mga Kawalan ng Kagandahan sa Pagkast

Pangkalahatang-ideya

Ang engine block at cylinder head ay maaaring magkaroon ng mga kawalan ng kagandahan sa iba’t ibang yugto ng paggawa. Mga depekto sa paghahagis tulad ng mga butas na sanhi ng buhangin, porosity, mga kawalan ng kagandahan dahil sa pagkontrakt ng metal, at mga naka-embed na materyales ay nangyayari habang nagkakast. mga Kawalan sa Pagmamakinis at Pagkakapit tulad ng mga marka mula sa impact at mga guhit ay maaaring mangyari sa mga susunod na proseso ng produksyon.

Ang solusyon sa pag-inspeksyon ng Big Bird Industrial ay pagsasama-sama ng mga industriyal na kamera na may resolusyon na 20 MP, mataas na liwanag na ilaw, imaging na may robot, at mga algorithm na batay sa malalim na pag-aaral (deep-learning) upang inspeksyunin ang parehong mga depekto sa machined surface at mga nakikitang depekto sa casting sa mga engine block at cylinder head.

Ang binanggit na sistema ay may inilathalang siklo ng pag-inspeksyon na 4.5 minuto , kung saan ang huling konpigurasyon at takt ay maaaring i-customize batay sa workpiece at mga kinakailangan sa pag-inspeksyon.

1. Iba-iba ang Pag-inspeksyon sa Mga Depekto sa Casting at sa Mga Depekto sa Machining

Ang mga engine block at cylinder head ay maaaring maglaman ng mga depekto na nagmumula sa mga yugto ng produksyon na lubos na naiiba.

Mga depekto sa paghahagis

Kabilang sa karaniwang mga depekto na nauugnay sa casting ang:

• Mga butas na puno ng buhangin
• Gas Porosity
• Mga depekto dahil sa pagkontrakt ng metal (shrinkage defects)
• Mga Kasali

Ang mga depektong ito ay nabubuo habang ang metal ay puno, tumitigas, o sa iba pang proseso ng casting. Kapag napapahayag sila sa ibabaw, maaaring lumitaw bilang madilim na mga spot, mga butas, hindi regular na mga depresyon, o mga lugar na may iba't ibang texture ng ibabaw.

Mga Kawalan sa Pagmamakinis at Pagkakapit

Pagkatapos ng paghahagis, ang mga bloke ng motor at ulo ng silindro ay dumaan sa pagmamakinis, paglilipat, pagkakapit, at iba pang operasyon sa produksyon.

Ang karaniwang mga kawalan mula sa mga yugtong ito ay kinabibilangan ng:

• Mga marka ng impact
• Sugat
• Pagkadama ng Pampalatasan
• Mga lokal na paitaas

Ang mga kawalang ito ay maaaring magkaroon ng lubhang iba’t ibang anyo kumpara sa mga kawalan mula sa paghahagis.

Mahalaga ang pagkakaiba na ito para sa machine vision dahil ang dalawang grupo ng kawalan ay maaaring nangangailangan ng iba’t ibang estratehiya sa pagkuha ng imahe at algoritmo.

2. Bakit Mahirap I-detect ang mga Kawalan sa Paghahagis

Ang mga ibabaw ng hinagis ay likas na mas kumplikado kaysa sa napakauunlad na pare-pareho ng mga ibabaw na pinamakinis.

Ang isang ibabaw na pinamakinis ay maaaring may relatibong pare-pareho na tekstura at reflectivity, samantalang ang isang ibabaw ng hinagis ay maaaring naglalaman ng:

• Di-regular na tekstura
• Natural na pagkakaiba-iba ng ibabaw
• Pagbabago sa kabuholan
• Iba’t ibang tugon sa ilaw
• Mga katangiang panvisual na may kinalaman sa materyal

Ang mga depekto sa paghahagis tulad ng mga butas na puno ng buhangin at porosity ay maaari ring magkaiba nang malaki sa hugis at laki.

Kaya naman, ang isang simpleng sistema ng paningin na batay sa threshold ay maaaring mahirapan na paghiwalayin ang tunay na depekto mula sa normal na tekstura ng paghahagis.

Dahil dito, ang tinutukoy na sistema ay gumagamit ng paningin ng makina na batay sa malalim na pag-aaral (deep learning) .

Sa halip na umaasa lamang sa mga nakafixed na threshold ng kulay abo o heometriko, ang isang nasanay na modelo ay kayang matutunan ang mga katangiang panvisual mula sa representatibong mga sample na OK at NG.

Gayunman, ang malalim na pag-aaral (deep learning) ay hindi nagtatanggal ng pangangailangan para sa angkop na imaging. Ang pag-iilaw, optical resolution, kalidad ng sample, at kahulugan ng inspection-region ay nananatiling pangunahin sa pagganap ng sistema.

3. Solusyon sa Pagsusuri: Deep Learning + Mataas na Resolution na Paningin

Ang binanggit na kagamitan ay nagpapakumbini ng pagsusuri sa mga depekto sa machining at casting sa isang karaniwang workflow ng pagsusuri.

Mga Depekto sa Machined-Surface

Maaaring suriin ng sistema ang mga tiyak na machined na lugar para sa mga depekto tulad ng:

• Mga marka ng impact
• Sugat
• Pagkadama ng Pampalatasan

Mga depekto sa paghahagis

Kasali rin sa saklaw ng pagsusuri ang:

• Mga butas na puno ng buhangin
• Gas Porosity
• Mga depekto dahil sa pagkontrakt ng metal (shrinkage defects)
• Mga Kasali

Ang aktwal na sukat ng madetektang depekto at mga kriterya ng pagtanggap ay nakasalalay sa ibabaw ng workpiece, mga kondisyon ng imaging, at mga pamantayan sa kalidad na itinakda ng customer.

Pagsusuri Gamit ang Deep Learning

Ginagamit ng sistema ang mga algorithm ng deep learning upang i-analyze ang mga nakuha na larawan.

Kapaki-pakinabang ang paraan na ito lalo na kapag mahirap ilarawan ang anyo ng depekto gamit ang mga simpleng nakafixed na patakaran.

Halimbawa, ang mga butas na may buhangin at ang porosity ay maaaring magkaiba sa:

• Hugis
• Sukat
• Mga Katangian ng Gilid
• Pagkakatulad
• Tekstura ng Satake
• Pagpapalaganap

Maaaring sanayin ang isang modelo ng deep learning gamit ang mga representatibong sample upang kilalanin ang mga katangiang ito.

4. Konpigurasyon ng Hardware

Ang tinutukoy na sistema ay gumagamit ng imaging na may mataas na resolusyon kasama ang robotikong posisyon.

Sistemang Panlitha

• 20 MP na pang-industriya na kamera
• Sobrang malaking light source na may mataas na liwanag

Ang kamera na may mataas na resolusyon ay nagbibigay ng detalyadong impormasyon sa imahe, samantalang ang malaking sistema ng ilaw ay idinisenyo upang magbigay ng angkop na pag-iilaw sa buong lugar ng pagsusuri.

Robotikong Imaging

Isang FANUC robot ay ginagamit para sa awtomatikong posisyon ng kamera at pagkuha ng imahe.

Ang konpigurasyong ito ay nagpapahintulot sa sistema na suriin ang maraming lugar ng mga kumplikadong bahagi ng motor nang hindi kailangang magkaroon ng hiwalay na nakafixed na kamera para sa bawat posisyon ng pagsusuri.

Mga Pungsiyon ng Kontrol at Datos

Ang sistema ay nagpapakasama ng:

• Pagbasa ng code
• Pagsusuri sa pamamagitan ng makina
• Mga algorithm na may malalim na pagkatuto
• Pagsubaybay sa inspeksyon
• Analisis Ng Datos
• Panlabas na Pag-access sa Datos

Nagpapahintulot ito na maiugnay ang mga resulta ng pagsusuri sa mga indibidwal na bahagi ng gawa at suriin muli sa ibang pagkakataon para sa pagsusuri ng kalidad.

5. Mga Teknikal na Pagtutukoy

Ang sumusunod na mga teknikal na detalye ay batay sa impormasyong inilathala para sa sistemang binanggit.

Aytem	Espesipikasyon
Aplikasyon	Mga komersyal na sasakyan, mga sasakyang pangpasahero, kabilang ang mga NEV
Mga piraso ng gawa	Mga bahagi ng bagong enerhiyang powertrain; mga bahagi ng diesel at gasolinang powertrain
Ambita ng inspeksyon	Mga depekto sa ibabaw na pinagmamachine at sa casting
Mga depekto sa paghahagis	Mga butas ng buhangin, porosity, mga depekto dahil sa pagkontrakt, mga kabilang na materyales
Mga depekto dahil sa pagmamachine	Mga marka mula sa impact, mga guhit, at kaugnay na pinsala sa ibabaw
Inilathalang siklo ng pagsusuri	4.5 minuto
Industrial na kamera	20 MP
ILAW	Sobrang malaking light source na may mataas na liwanag
Robot	FANUC
KONTROL	Siemens / Advantech industrial PC
Teknolohiya ng Pagsusuri	Paningin ng makina + malalim na pag-aaral
Mga Funktion	Pagbasa ng code, pagsusuri, traceability, pagsusuri ng datos, at panlabas na access

Ang ang 4.5-minutong siklo ay isang inilathalang halaga para sa aplikasyon . Ang aktuwal na takt ng pagsusuri ay dapat suriin batay sa bilang ng mga rehiyon ng pagsusuri, heometriya ng workpiece, landas ng robot, mga kinakailangan sa pagproseso ng imahe, at paraan ng produksyon.

6. Mga pangunahing konsiderasyon sa pagpili

6.1 Gumawa ng Sample Database Bago ang Pag-unlad ng Algorithm

Ang pagganap ng deep-learning ay lubos na nakasalalay sa kalidad ng mga sample.

Ang proyekto ay dapat kumalap ng representatibong mga sample na sumasaklaw sa:

• Mga normal na produkto
• Malinaw na mga produkto na may NG (non-conforming)
• Iba't ibang uri ng depekto
• Iba't ibang sukat ng depekto
• Mga sample sa hangganan o borderline
• Iba't ibang kondisyon ng ibabaw

Ang mga sample ng hangganan ay lalo pang mahalaga dahil ang tunay na mga depekto sa produksyon ay hindi palaging kasinghalata ng mga halimbawa sa laboratorio.

6.2 Tukuyin ang mga Kriterya sa Depekto na Nakabatay sa Sukat

Ang mga termino tulad ng "maliit na porosity" o "minor sand hole" ay mahirap intindihin ng isang sistema ng paningin nang walang mga kriterya sa inhinyero.

Dapat tukuyin ng espesipikasyon sa kalidad, kung naaangkop:

• Pinakamaliit na Sukat ng Defect
• Pinakamalaking payag na sukat ng depekto
• Bilang ng mga depekto
• Density ng Depekto
• Lokasyon ng Depekto
• Payag na distansya sa pagitan ng mga depekto

Maaari nang sanayin at i-verify ang algorithm batay sa isang malinaw na tinutukoy na layunin sa pagsusuri.

6.3 Isaalang-alang ang 4.5-minutong siklo sa pagpaplano ng produksyon

Ang inilathalang oras ng siklo ay medyo katamtaman kumpara sa mataas na bilis na inline na pagsusuri gamit ang sistema ng paningin.

Maaaring gawing angkop ang konpigurasyon para sa:

• Buong pagsusuri ng mahahalagang bahagi
• Inspeksyon ng batch
• Pagsusuri ng kalidad sa dulo ng linya
• Inspeksyon ng Sampling

Kung kailangan i-integrate ang pagsusuri sa mas mabilis na linya ng produksyon, maaaring ipamahagi ang mga punto ng pagsusuri sa maraming estasyon na naka-parallel.

Ang aktwal na solusyon ay dapat matukoy sa pamamagitan ng pagsusuri ng cycle time, hindi sa pamamagitan ng pagpapalagay na ang isang robotized inspection cell ay kayang takpan ang bawat takt requirement.

6.4 Plano para sa Data Access at Retention

Ang mga remote data-query function ay kapaki-pakinabang para sa quality traceability, ngunit ang sistema ay dapat idisenyo batay sa aktwal na IT environment ng pabrika.

Ang technical specification ay dapat tumukoy sa:

• Panahon ng data retention
• Kapasidad ng image storage
• Mga Pahintulot sa Gumagamit
• Paraan ng pag-access mula sa malayo
• Mga kinakailangan sa backup
• Kaugnayan ng gawang bagay sa resulta

7. Nakikita ba ng Pagsusuri sa Pamamagitan ng Paningin ang mga depekto sa pagsasahag?

Ang paningin ng makina ay nakakakita ng mga depekto sa pagsasahag na nakikita nang direkta sa ibabaw na sinusuri , kabilang ang angkop na mga halimbawa ng mga butas na puno ng buhangin, porosity, mga depekto sa ibabaw na may kaugnayan sa pagkontrakt, at mga impurities.

Gayunman, may mahalagang limitasyon.

Ang isang depekto na lubos na nakatago sa loob ng pagsasahag na walang anumang nakikitang indikasyon sa ibabaw ay hindi maaaring mapagtibay na matuklasan gamit lamang ang surface imaging .

Ang ganitong uri ng panloob na depekto ay maaaring nangangailangan ng iba pang paraan ng non-destructive testing, depende sa aplikasyon, tulad ng:

• Pagsusuri sa X-ray
• Pagsusuri sa Ultrasoniko
• Pagsusuri gamit ang magnetic particle
• Iba pang mga paraan ng NDT na partikular sa aplikasyon

Kaya, ang paningin na pagsusuri ay dapat unawain bilang isang paraan ng pagsusuri ng nakikitang ibabaw at malapit sa ibabaw na mga pagpapakita , imbes na kapalit para sa bawat anyo ng pagsusuri sa casting.

8. Pagpapanatili ng Pagganap ng Deep-Learning Model

Ang isang deep-learning model ay hindi karaniwang nagiging hindi tumpak nang simpleng dahil ito ay gumagana na ng isang panahon.

Gayunman, maaaring magbago ang pagganap ng pagsusuri kapag nagbago ang mga kondisyon sa produksyon.

Mga halimbawa ay ang:

• Bagong materyales para sa casting o supplier
• Bagong proseso ng machining
• Mga pagbabago sa surface finish
• Pagbabago sa ilaw
• Bagong modelo ng produkto
• Bagong uri ng depekto
• Pangkalahatang pagpapalit ng kamera
• Pagbabago sa posisyon ng fixture o robot

Kaya naman dapat kasama sa isang matibay na proyekto sa paningin ang mekanismo para sa pagpapanatili ng modelo na sumasaklaw sa:

1. Koleksyon ng bagong sample ng depekto
2. Pagsusuri sa sample ng produksyon
3. Pagsusuri sa modelo
4. Pag-update ng modelo
5. Control ng Bersyon
6. Muling pagpapatunay matapos ang mga pagbabago

Ang mga pananagutan at pamamaraang ito ay pinakamahusay na tinutukoy sa teknikal na kasunduan bago ang pagtanggap sa kagamitan.

9. Pag-integrate ng Vision Inspection kasama ang Paglilinis

Ang mga engine block at cylinder head ay maaaring linisin bago ang panghuling inspeksyon.

Para sa mga linya ng produksyon na nangangailangan ng parehong paglilinis at vision inspection, ang dalawang proseso ay maaaring i-integrate sa isang mas malawak na workflow para sa kontrol ng kalidad.

Isang karaniwang pagkakasunod-sunod ay maaaring:

Paggawa → Paglilinis → Pagpapatuyo → Vision Inspection → Pagsubaybay → Pagsasama

Ang paraang ito ay maaaring bawasan ang posibilidad ng bagong kontaminasyon o pinsalang dulot ng impact habang ginagawa ang hindi kinakailangang panggitnang paghawak.

Maaari rin nitong gawing mas representatibo ang resulta ng inspeksyon sa kondisyon ng bahagi nang direkta bago ang pagsasama.

Ang Big Bird Industrial ay mayroon pareho mga kagamitan para sa pang-industriyang paglilinis na may kahusayan at mga kakayahan sa pagsusuri gamit ang makina at paningin , na nagpapadali ng pagsasama-sama ng mga solusyon sa paglilinis at pagsusuri para sa mga aplikasyon kung saan parehong proseso ay kinakailangan.

10. Mga Kakayahan sa Pagsusuri Gamit ang Makina at Paningin ng Big Bird Industrial

Harbin Big Bird Industrial Co., Ltd. (Big Bird Industrial), dating Harbin Shimada Big Bird Industrial Co., Ltd., nagbibigay ng naisasama na mga solusyon sa pang-industriyang paglilinis at pagsusuri gamit ang makina at paningin para sa mga aplikasyon sa automotive powertrain at presisyong paggawa.

Ang negosyo nito sa machine vision ay sumasaklaw sa anim na espesyalisadong larangan:

• Orient See — pagsusuri ng dimensyon at heometriya
• Panloob na Paningin — pagsusuri ng depekto sa ibabaw
• Pagsasama-sama — pagsusuri sa pag-aassemble at poka-yoke
• Panloob na Paningin — pagsusuri ng mga butas at panloob na pader
• Pintura — pagsusuri ng depekto sa ibabaw ng pintura
• Algorithm at Software Platform — mga algorithm at software sa pagsusuri gamit ang makina at paningin

Para sa mga engine block at cylinder head, Panloob na Paningin maaaring i-configure para sa parehong mga depekto sa pinagprosesong ibabaw at nakikitang depekto mula sa paghuhugis.

Kung kailangan ang pagsusuri sa loob ng butas, Panloob na Paningin kayang tugunan ang mga kinakailangan sa pagsusuri na may kinalaman sa panloob na mga butas at mga ibabaw ng panloob na pader.

Ito ay nagbibigay-daan sa sistema ng pagsusuri na i-configure batay sa aktwal na uri ng depekto, lokasyon ng pagsusuri, at proseso ng produksyon, imbes na gamitin ang isang paraan ng pag-iimahin sa bawat lugar.

Mga Madalas Itanong

Maaari bang palitan ng machine vision ang manu-manong pagsusuri para sa mga butas na sanay at porosity?

Para sa mga depekto na malinaw na nakikita sa ibabaw na sinusuri, ang awtomatikong paningin ay maaaring palitan o kaya ay bigyang-bawas nang malaki ang manu-manong pagsusuri sa pamamagitan ng paningin.

Gayunpaman, ang mga depekto na lubos na nakatago sa loob ng casting at walang anumang indikasyon sa ibabaw ay hindi matukoy ng tanging surface imaging. Ang ganitong uri ng mga depekto ay nangangailangan ng angkop na mga paraan ng non-destructive testing.

Magiging hindi tiyak ba ang isang deep-learning model pagkatapos tumakbo nang ilang panahon?

Hindi lamang dahil sa tagal ng operasyon.

Maaaring magbago ang pagganap kapag nagbabago ang produkto, proseso, materyales, ilaw, o populasyon ng mga depekto. Kaya naman, mahalaga ang patuloy na pagkuha ng sample at pagpapatunay ng modelo para sa pangmatagalang katatagan ng produksyon.

Bakit ang inilathala na siklo ng inspeksyon ay 4.5 minuto?

Ang tinutukoy na sistema ay gumagawa ng maraming operasyon sa pagkuha ng imahe sa kumplikadong ibabaw ng mga bahagi ng makina gamit ang robotikong posisyon at pagproseso ng imahe.

Ang inilathala na siklong 4.5 minuto ay angkop para sa tinutukoy na aplikasyon. Kung kailangan ang mas mabilis na takt ng produksyon, maaaring hatiin ang mga punto ng inspeksyon sa mga parihalang estasyon o i-optimize ang pagkuha ng imahe at mga landas ng robot.

Maaari bang ikonekta ang sistema ng paningin sa isang kagamitan sa paglilinis?

Oo.

Ang Big Bird Industrial ay nagbibigay parehong mga kagamitan sa presisyong industriyal na paglilinis at mga sistema ng awtomatikong inspeksyon gamit ang paningin. Kapag kinakailangan ng proseso ng produksyon, maaaring ikonekta ang paglilinis at inspeksyon upang ang mga bahagi ay direktang dumaloy mula sa paglilinis at pagpapatuyo papunta sa awtomatikong visual na inspeksyon at pagsubaybay.

Konklusyon

Ang mga depekto sa paghahagis at pagmamachine ay kumakatawan sa dalawang magkaibang hamon sa pagkontrol ng kalidad para sa mga engine block at cylinder head.

Mga butas na buhangin, porosity, mga depekto sa pagkontrakt at mga inklusyon ay nagmumula sa paghahagis, samantalang mga guhit at mga marka ng impact ay maaaring ipasok habang ginagawa ang pagmamachine, paghawak o paglipat sa produksyon. Ang kanilang mga katangian sa paningin ay maaaring magkaiba nang malaki, kaya mahirap gamitin nang maaasahan ang isang solong estratehiya ng inspeksyon na may takdang threshold.

Ang binanggit na solusyon ay pagsasama ng isang 20 MP na industrial camera, mataas na liwanag na ilaw, FANUC robotic positioning at deep-learning machine vision upang inspeksyunin ang parehong tinukoy na mga machined surface at nakikitang mga depekto sa paghahagis.

Gayunpaman, para sa mga aplikasyon sa produksyon, ang epektibidad ng inspeksyon na may deep learning ay umaasa sa higit pa kaysa sa algoritmo mismo. Representative samples, quantitative acceptance criteria, stable imaging conditions at isang tinukoy na proseso ng model maintenance ay lahat ng mahahalagang bahagi ng isang maaasahang sistema ng pagsusuri ng paningin.

Para sa mga tagagawa na naghahanap ng pagkakaisa ng paglilinis, pagsusuri ng ibabaw, at pagsubaybay sa kasaysayan, ang Big Bird Industrial ay maaaring i-integrate ang mga prosesong ito sa mas malawak na awtomatikong daloy ng trabaho para sa kontrol ng kalidad, na may SHIMADA na nananatiling bahagi ng pangkasaysayan na identidad ng brand ng kumpanya.