為什么使用機器學習視覺進行運動零件的質量檢測？

質量和產量一直引導著制造商投資新的工藝和技術。先進的工業 4.0 技術，給制造業領導者帶來了諸多選擇，例如 3D 打印、人工智能和機器學習。

機器學習（ML）在汽車、航空航天、醫療和電子等各個行業和應用中備受歡迎。它滿足操作需求的同時，帶來了切實的好處，比如有效的即時檢測和可追溯性。

Eines Vision System的數字軟件技術，設計之初旨在用于運動零件的質量檢測。通過先進的機器學習算法，Eines軟件可以智能地執行零件確認、計算和測量模擬。零件在接受檢測的同時，仍然處于運動狀態中，比如位于傳送帶、升降機、無人搬運車和裝配帶上。

汽車生產中常見的高級機器學習視覺質量檢測，主要應用于三個防錯場景：中途站掃描、固定零件掃描和運動零件的動態掃描測量。此三者中，運動零件的動態檢測帶來的好處最多，它不僅是通常意義的基本視覺檢測，還擴展到動態跟蹤零件進行關鍵測量。

在總裝車輛制造中，有三個值得關注的應用場景，使用視覺技術進行動態運動零件測量：間隙面差測量，表面涂層完整性檢測，以及零件存在性驗證。

間隙面差測量（有時也被稱為對齊度）：間隙面差是指車門、后備箱、擋泥板、升降門和引擎蓋等部件間的間隙平齊關系。精準測量對于執行生產線裝配的工作人員來說至關重要，從而有效降低風噪和提高車輛美觀度。

表面涂層完整性檢測：汽車制造商僅有幾秒鐘的時間來檢測表面狀況，查看是否有裂痕、裂縫、劃痕、凹痕、污垢、橘皮、魚鱗或氣泡。而進入展廳后，客戶有數小時的時間觀察表面涂層的完整性。表面瑕疵可能會帶來返修的問題，因此，檢測數據指標后需要及時進行打磨和拋光，再進行最終的車輛驗收。

零件存在性驗證：通常稱為防錯工藝，顧名思義就是預防一系列錯誤的工藝。先進的視覺技術可實際應用于檢測缺失的夾子、螺母、徽記、徽章，匹配車輛樣式、后視鏡、保險杠特征或與客戶訂單進行顏色驗證。

通過質量檢測指標生成的可操作數據分析將交由生產線技術人員處理。瑕疵的可視化數據信息可由遠程顯示屏（如平板電腦、可穿戴設備或固定顯示器等）中的視覺反饋界面讀取。

一些工廠嘗試使用數字孿生模型來測試和模擬工藝設計。數字孿生模型通過動態模擬展示檢測的全貌、包括實際操作情況以及工人執行操作的過程。它可以全面地檢視流程，并提供可追溯性，以確定操作中的具體問題。它還可以部署在企業層面，能夠輕松地和常見云平臺對接，以創建自定義的儀表盤和分析報告。

成功的制造過程可以使運營的時間和成本更高效地發揮價值。隧道式檢測系統利用高速的生產線和快速的數據傳輸，提供高產能系統，并可較大限度地減少維護成本。該系統可集成到現有的工廠電力和通信網絡中，降低停機風險的同時，運行流暢無壓力。

多年來，運動零件的尺寸控制檢測，對高產量汽車作業的質量指標是一個不小的挑戰。Eines的高級視覺軟件，根據客戶的規格配置，通過隧道式系統部署，解決了運動零件精準檢測的防錯問題。

想了解有關動態數字檢測系統的更多信息，請聯系我們的團隊為您提供定制化的應用評估。
欲了解更多產品資訊，敬請垂詢：
E-Mail: hcn_sensing@gcp.konicaminolta.com