Skip to main content

視覺

熱像儀 + Vision 軟體在生產線上偵測缺陷

thermal imaging

製造商長久以來都在大撒幣。讓有缺陷的產品穿過生產線、通過例行的目視檢查,然後遭到退後需要重做或退款,整個過程價格不菲而且浪費。而且,對 100 個元件進行一次破壞性測試,也很難讓人相信整批貨沒有瑕疵。

製造業不再採用東拼西湊的事後檢測流程,而是改用電腦視覺解決方案,揪出人眼可能錯過的問題。工業機器視覺解決方案開發商 EigenInnovations Inc. 的營收長 Jonathan Weiss 表示,儘管這些方法愈來愈受青睞,但也面臨著自身的挑戰。

首先,許多機器視覺解決方案難以和內部軟體順利配合,因此孤立而無法整合。演算法通常只因應封閉系統的某個特定使用案例,導致多所侷限,很難在其他應用中大顯身手。

為了應對檢測相關的問題,製造商需要適應性強、沒有綁定單一廠商的電腦視覺解決方案。直接部署在生產線上,即可在生產時立即檢測出缺陷,以免問題如滾雪球般愈演愈烈。Eigen 集中管理的 OneView Machine® 軟體實現了這項目標。

這種內嵌檢測構成了 OneView Software 管理的 Eigen OneView Quality Inspection for Metals 解決方案的支柱,主要仰賴熱像儀並利用機器學習模型,瞭解正確執行的產業流程的熱特徵。與這樣的知識庫合作,OneView 得以即時檢測金屬焊接、塑膠擠壓或材料經過一系列製造步驟時發生的問題。

基於 AI 的內嵌檢測工業應用程式

Eigen 客戶可將此解決方案調整用於多個相關應用,例如注塑、焊接或膠合劑製造流程。在每種情況下,工廠團隊都會利用 OneView 建置 AI 和 ML 模型,以學習不同類型的檢測範例。

典型案例:位於田納西州的一家製造商 Henderson Stamping 在為 Whirlpool 生產元件時,難以準確檢測缺陷。極薄的光亮表面薄膜有助於保護零件免受刮傷和凹痕,但也妨礙以手動方式仔細檢查。因此,出貨時一小部分但很大比例的元件是有缺陷的。Weiss 表示:「對於和客戶簽有協議的製造商來説,這可能會成為非常嚴重的問題,因為將有缺陷的產品出貨會遭處以罰款。」

Eigen 協助該公司開發出一種利用偏轉測量原理的自訂檢測解決方案。這個過程包括把光照射在金屬表面上,並透過評估產生的光圖案來尋找表面缺陷。Henderson 現在使用 OneView 託管的解決方案檢測所有元件,並顯著降低 OEM 召回率。

同樣地,一家大型金屬格柵製造商希望確保其焊接強度足夠堅固。生產後測試包括將格柵穿過扭力機,然後施加壓力、尋找弱點。製造商可以利用 OneView 軟體與多台熱像儀,在每個剖面對所有焊接點進行內嵌測試。軟體將多個攝影機影像組合在一起,建立一張合成影像並找出問題。

Weiss 表示,可以偵測到的缺陷大小取決於所用攝影機的敏感度,但大多數情況下,一公厘以上的缺陷可以輕鬆檢偵到。

電腦視覺帶來營運效率

OneView 不僅能檢測缺陷。「我們青出於藍,還能顯示流程資料。因此,我們不僅協助製造商從視覺上看到缺陷,還讓他們追根究底瞭解根本原因。我們不僅告訴他們產品有瑕疵,還向他們展示流程中發生了什麼偏移或漂移,現在需要工程師進行微調,」Weiss 表示。

OneView 提供從頭到尾的追蹤功能,讓製造商減少保固索賠,並能找到各種應用程式,節省成本、提升效率、提高客戶滿意度。

內嵌檢測缺陷也具有永續發展的優勢。將有缺陷的產品出貨,再讓客戶退貨,只會增加相關的碳足跡。在製造週期中盡早發現問題,也能減少碳浪費。「我們開發了完整的案例研究來協助企業減少氧化碳足跡,而且實際上遠遠超出工廠的足跡,」Weiss 表示。「您説的基本上可以節省數十萬噸的氧化碳,具體取決於生產足跡。」

開放式技術與工具實現靈活的部署

內嵌缺陷偵測歸根究底是必須在幾秒鐘內完成的工作,這也是為什麼 Intel 技術對於使用 OneView 設計及管理的視覺解決方案尤其重要。這些時間限制可能是一項重大的挑戰,而 Eigen 團隊發現 Intel® OpenVINO 工具組協助它實現了營運所需的速度。OpenVINO 釋放的效能和推斷影像的速度,這正是 Eigen 將 Intel® 軟硬體作為其「不可或缺」之技術的原因之一。

此外,Intel 協助 Eigen 達到它與眾不同的指標,即提供靈活的部署選項。「我們希望在提供解決方案時盡量不受硬體的侷限,因此 OpenVINO 成為我們架構的關鍵環節,因為它可以支援各種硬體選項,」Weiss 表示。

Eigen 擁有一個內部工程服務小組,有時兼任系統整合商,但也會和偏好的系統整合商合作。Eigen 與 SI 合作,後者落實公司為客戶繪製的解決方案藍圖。與 SI 合作是該公司的一項關鍵策略,因為這樣有助於釋放部署規模,對大型客戶而言尤其如此。

工業自動化未來的必備條件

未來這些機器學習模型可望變得更加準確,透過更少的訓練影像提供更佳的結果。

「我們的優勢在於協助人們使用熱應用,發掘原本看不到的東西,」Weiss 表示。各種專業產業的各種流程都適用。

Weiss 預測,AI和電腦視覺支援的內嵌檢測將必不可少,而非可有可無。利用這些檢測工具也有助於製造商降低員工流失率,因為員工現在需要瞭解機器讀數,而不是以視覺方式檢查產品。

減少浪費和節省成本讓這些解決方案成為理所當然的選擇,製造商再也不用花大筆冤枉錢了。
 

本文由 insight.tech 編輯總監妮.貝內施(Georganne Benesch)編輯。

作者簡介

Poornima Apte is a trained engineer turned technology writer. Her specialties run a gamut of technical topics from engineering, AI, IoT, to automation, robotics, 5G, and cybersecurity. Poornima's original reporting on Indian Americans moving to India in the wake of the country's economic boom won her an award from the South Asian Journalists’ Association. Follow her on LinkedIn.

Profile Photo of Poornima Apte