Fill form to unlock content
Error - something went wrong!
再一個步驟就能完成您的內容。 請於下方提交。
謝謝!
熱像儀 + Vision 軟體在生產線上偵測缺陷
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二氧化碳足跡,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二氧化碳,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。