台達AI視覺檢測解決方案高(gāo)效掌握瑕(xiá)疵零件大幅提升產品良率
2020-2-21 來源:中達(dá)電通 作者:-
工(gōng)業 4.0 在全(quán)球製(zhì)造業掀起智能化浪潮,通過智能製造係統,製造流程將可大幅優化(huà),進(jìn)而提升產線效能、降低成本支出,在智能製造係統中,人工智(zhì)能扮演了重要角色,尤其是深度學習(Deep Learning)演算法更(gèng)開始被應用到產線係統中的視覺檢測,快速而精準的判別產(chǎn)品瑕疵。
機器視覺檢測有效取代人眼,全靠“深(shēn)度學習”
深度學習屬於機器學習的領域,其演算方式是通過不斷重複(fù)判別物件(jiàn)獲(huò)得(dé)龐大數(shù)據,再經過大量的運算讓(ràng)精準度不斷接近完美,台達指出,目(mù)前深度學習已(yǐ)經被大量應用於各種領域(yù),製造(zào)業的視覺(jiào)檢測則是其(qí)中重點應用。
產品檢測是製造業質量管理的一環,過去皆由現場作業員親力親(qīn)為,然而人眼有其極限,檢測速度與正確率會隨著作業時間拉長降低,再加上產線速度越來越快、產品體積逐漸輕薄短小,後期機器視覺開始取代人眼,成為產線檢測主流。
在(zài)產線中,視覺檢測有四大主要功能,包括(kuò)量測、辨識、定位、檢查等,而檢測是所有功(gōng)能中最困難的部分,由於現場人員對瑕(xiá)疵的認知不同,因此即便是已然自動化的機器視覺,仍會存在(zài)因係統設定或現場質管人員不(bú)同,導致出貨產品質量無法一致性的問題(tí),要解決此一問題,台達指出(chū)深度學習將會是最佳方式。
純 AOI 係(xì)統將快速消失,結合 AI 成(chéng)轉型關鍵
將深度學習(xí)導入至產線檢測,對製造業與係統供應商兩端來說,都可提升工作效(xiào)率。在使用者端,視覺檢測係(xì)統可以省下大量人眼檢(jiǎn)核的成本(běn),機器視覺軟硬件架構的準確率與判斷速度,已遠遠超過人眼,而且設定完成後,即可長時間不間斷且以一致標準的工作,將可(kě)為製造業者省下大量的人力成本。
過往的(de)機器視覺係統(tǒng),每一次上線都必須不斷調整設定,在智能製造概念中,產線必須可快(kuài)速回應訂單,彈性(xìng)調整生產內容,現行機器視覺(jiào)檢測的繁複設定將難以(yǐ)滿足彈性化生產(chǎn)需求,深度學習架(jià)構(gòu)隻要事先通過訓練,即可快速上線使用,且還能自主學習,係統可以自動找出最佳的 OK/NG 參數,不必再由人員調整,在此狀態下,各設備的瑕疵檢測標(biāo)準將可一致性,不會(huì)因品牌、使用時間的不同產生差別。
至於係統整合商,運用人工智能也將強化(huà)市場競爭(zhēng)力。人工智能在視覺檢測市場正加速普及,純 AOI 係統在製造業的(de)競爭力將會快速消失,不過台達也指出,現在市場對人工智能的導入也有迷思,多(duō)數廠商認為將 AOI 全麵替換為(wéi)人工智能,將可立即降低漏檢與誤判機率,然而這種一(yī)步到位的想法在實際狀況中(zhōng)並不可行,反而會讓漏檢和誤檢(jiǎn)率大(dà)幅增加,建議應該保留現行(háng) AOI 功能並結合人工智能,才能迭加兩者(zhě)的優(yōu)勢。
產品漏檢率趨近於零(líng),誤判率極低
台達針對視覺檢測所推(tuī)出的 DAVS 即是以人工智(zhì)能為核心的運送係統,此係統可以結合既有的 AOI 係統,讓既有設備可延長(zhǎng)使用年限,以此(cǐ)保障製(zhì)造業者過去的投資,而(ér)人工智能與 AOI 整合的模(mó)式,也提升(shēng)了產品的檢出率。
以(yǐ)SMT用電感(用於手(shǒu)機/小型化PCB)為例,除非(fēi)是嚴重裂紋,否則傳統的 AOI 係統常無(wú)法判斷影像中的線條是原有(yǒu)紋路(lù)或裂痕,且AOI對其中(zhōng)度裂紋的檢出率小於 50%,輕微裂紋檢出率更是在 5% 以下,加裝(zhuāng) DAVS 之後,檢出率大幅提升,不但漏檢率(lǜ)為零,誤判率更低於 0.3%。
台達指出,工業 4.0 強調產線彈性化與快速(sù)自主學習,DAVS 通過人工(gōng)智能與 AOI 的結合,以深度學習解(jiě)決了現在 AOI 係統難以檢測的產品瑕疵,同時讓漏檢率(lǜ)趨近於零,達到超高檢出率(lǜ)需求,藉此提(tí)升出貨產品質(zhì)量。
此外 DAVS 容易(yì)安裝的特色,可讓檢控設備建置在產線中的每一個重要環節,一旦製造(zào)過程中出現錯誤,係統就可立即提醒改善,避免將錯誤累積到最(zuì)後檢測端(duān),造成更大的成(chéng)本浪(làng)費,也由於 DAVS 可大幅減少人力與管理成本,其投(tóu)資可在 0.8~1.5 年之間回收。台達以自身(shēn)打造AOI設備的紮實經驗,建議製造業者可依自身需求,於AOI設備加裝建(jiàn)置便利的人(rén)工智能視覺檢測係統,向智(zhì)能製造更邁近一(yī)步。
投稿箱:
如果您有機床行業、企業相關新聞(wén)稿件發表,或進行資訊合作,歡迎聯係(xì)本網編輯部, 郵箱:skjcsc@vip.sina.com
如果您有機床行業、企業相關新聞(wén)稿件發表,或進行資訊合作,歡迎聯係(xì)本網編輯部, 郵箱:skjcsc@vip.sina.com
更多相關信息
業界視點
| 更多
行業數據
| 更多
- 2024年11月 金屬切削機床產量數據
- 2024年11月 分地區金屬切(qiē)削機床(chuáng)產量數據(jù)
- 2024年11月 軸承出口情況
- 2024年11月 基本型乘用車(轎車)產量數據
- 2024年11月 新能源汽車產量數據
- 2024年11月 新(xīn)能源汽車銷量情況
- 2024年10月 新能源汽車產量數據
- 2024年10月 軸(zhóu)承出口(kǒu)情況
- 2024年10月 分地區金屬切削機床(chuáng)產量數據
- 2024年10月 金屬切削機床產量數據
- 2024年9月 新能(néng)源汽車銷(xiāo)量情況
- 2024年(nián)8月 新能源汽車產量數據
- 2028年8月 基本型(xíng)乘用車(轎車)產量數據
博文(wén)選萃
| 更多
- 機械加工過程圖示
- 判斷一台加工中(zhōng)心精度的幾(jǐ)種辦法
- 中走絲線切割機床的(de)發(fā)展趨勢(shì)
- 國產數控係統和(hé)數控(kòng)機床(chuáng)何去何從?
- 中國的技術工人都去哪裏了(le)?
- 機械老板做(zuò)了十多(duō)年,為何還是小作坊?
- 機械行業最新自殺性營銷,害人害己!不倒閉才
- 製造業大逃亡
- 智能時代,少談點智造,多談點製造(zào)
- 現實(shí)麵前,國人沉默。製造業的騰(téng)飛,要從機床
- 一文搞懂數控車床加工刀具(jù)補償(cháng)功(gōng)能
- 車床鑽孔攻螺紋加(jiā)工方(fāng)法及工裝設計
- 傳統鑽削與螺旋(xuán)銑孔加工工藝(yì)的(de)區別