Skip to main content

预测性维护

热成像+视觉软件在线检测缺陷

thermal imaging

长期以来,制造商通常会在发生故障后消耗大量资金。缺陷产品在生产线上滚动,需通过例行的目视检查,然后退回进行返工或退款,这种做法既昂贵又浪费。随机抽取 100 个零部件中的一个进行破坏性试验,很难让人相信整批产品都没有缺陷。

制造业正在转向计算机视觉解决方案,以取代修修补补的故障后检测流程,捕捉人眼可能忽略的问题。“尽管这些方法越来越受欢迎,但它们也并非没有挑战”, Jonathan Weiss 指出,其担任工业机器视觉解决方案开发商 Eigen Innovations Inc. 的首席营收官

首先,许多机器视觉解决方案不能很好地与内部软件配合使用,因此它们是孤立的。通常,这些算法只能解决封闭系统中的一个特定用例,这就限制了它们在其他应用中的实施。

为解决检测相关的问题,制造商需要适应性强、不受供应商限制的计算机视觉解决方案。通过在线部署,它们可以在生产过程中及时发现缺陷,避免问题扩大化。Eigen 集中管理的 OneView 机器视觉软件 使之成为可能。

这种在线检测构成由 OneView 软件管理的 Eigen OneView 金属质量检测解决方案解决方案的支柱,主要依靠热像仪和机器学习模型来了解正确执行工业流程的热特征。利用这样一个知识库,OneView 可以在金属焊接、塑料挤压或材料经过一系列制造步骤时实时检测问题。

基于 AI 在线检测的工业应用

Eigen 的客户可以将该解决方案应用于注塑成型、焊接或粘合剂制造工艺等一系列相关应用。在每种情况下,工厂团队使用 OneView 构建 AI 和机器学习模型,以学习不同类型的检测范例。

典型案例:总部位于美国田纳西州的制造商 Henderson Stamping 在为 Whirlpool 生产部件时,一直苦于无法准确检测出缺陷。部件表面有一层很薄的闪亮薄膜帮助防止部件出现划痕和凹痕,但同时也妨碍了彻底的人工检测。因此,在发运的部件中,有一小部分(但占据相当的比例)存在缺陷。“这对于与客户签订了协议的制造商来说可能会带来很大的问题,因为客户可能会对发运的缺陷货物处以罚款,” Weiss 指出。

Eigen 帮助该公司开发一种利用偏折测量原理的定制检测解决方案。该方法将光线照射到金属表面,通过评估产生的光线模式来寻找表面缺陷。Henderson 现在使用 OneView 托管解决方案检查其所有组件,已显著降低了原始设备制造商的召回率。

同样,一家大型金属格栅制造商希望确保其焊缝足够牢固。生产后测试涉及将格栅穿过扭矩机施加压力来发现弱点。使用 OneView 软件和多台红外热像仪,制造商可以对每个截面的所有焊接点进行在线测试。该软件可将多个热像仪图像拼接在一起生成一个合成图像,并准确定位问题。

Weiss 表示,能检测到的缺陷大小取决于所用热像仪的灵敏度,但在大多数情况下,一毫米或更大的缺陷是绝对可以检测到的。

计算机视觉提高运营效率

OneView 不仅限于检测缺陷。“我们更进一步,还能显示流程数据。因此,我们不仅帮助制造商直观地发现缺陷,还最终帮助他们了解缺陷的根本原因。我们不仅要告诉他们产品有问题,还要准确地向他们展示工程师现在需要微调的流程中的偏移或偏差,” Weiss 表示。

OneView 提供了完整的可追溯性,因此制造商可以减少保修索赔,并找到各种节约成本、提升效率和客户满意度的应用。

在线检测缺陷还具有可持续优势。发送有缺陷的产品,然后让客户退货,这样会增加相关的碳足迹。在制造周期的早期阶段发现问题也会减少废碳。“我们已开发出完整的案例研究,仅就我们帮助企业减少的二氧碳排放量而言,实际上远远超出了工厂的排放量,” Weiss 指出。“根据生产足迹的不同,基本上可减排数十万吨二氧碳。”

开放式技术和工具实现灵活部署

在线缺陷检测是一项必须在数秒钟完成的工作,这也是英特尔技术对于使用 OneView 设计和管理的视觉解决方案尤为重要的原因所在。这些时间限制可能是一项巨大的挑战,Eigen 团队发现,英特尔® OpenVINO 工具套件有助于它实现运行所需的速度。OpenVINO 所释放的性能及其推理图像的速度,是 Eigen 将英特尔硬件和软件作为其技术“核心部分”的原因之一。

此外,英特尔帮助 Eigen 实现了其差异化指标,即能够提供灵活的部署选项。“我们希望在提供解决方案时尽可能不依赖硬件,因此 OpenVINO 成为我们架构的关键组成部分,因为它使我们能够支持各种硬件选项,” Weiss 表示。

Eigen 有一个内部工程服务团队,有时充当系统集成商的角色,但它也与首选系统集成商网络合作。Eigen 与系统集成商合作,由后者实施公司为客户绘制的解决方案蓝图。与系统集成商协作是该公司战略的关键组成部分,因为它有助于扩大部署规模,特别是对于大型客户而言。

未来工业自动化的必备工具

未来,这些机器学习模型有望变得更加精确,并以更少的训练图像提供更好的结果

“我们的优势在于帮助人们使用热敏应用看到他们看不到的东西,” Weiss 表示。各个特殊行业的各种流程都符合条件。

Weiss 预测,未来人工智能和计算机视觉驱动的在线检测将成为必备工具,而不再是锦上添花。使用此类检测工具还可以帮助制造商降低员工流失率,因为员工现在只需要了解机器读数,而不是目视检查产品。

减少浪费和节省成本使得此类解决方案成为一种明智的选择,制造商再也不会在发生故障后消耗大量资金。
 

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。

作者简介

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