ブッシングは摩擦を最小限に抑え、振動を吸収するため、自動車の性能、安全性、快適性にとって不可欠です。このアプリケーションは、機械加工後のブッシング検査に焦点を当てています。
どのような製造上の欠陥が発生しますか?
工具の摩耗や損傷、不適切な機械設定、加工環境における破片、人為的エラーなどの要因により、加工プロセス中に次のような欠陥が発生する可能性があります。
これらの欠陥は、ブッシングの性能、耐久性、および安全性に影響を与えるため、製造業者は欠陥を防ぐために品質管理対策を実施する必要があります。
しかし、これらの欠陥は検出が難しい場合があります。ブッシングの金属表面が光を反射し、欠陥が隠れてしまう場合があるからです。また、多くの加工欠陥は微細で、特に背景とのコントラストが低い場合は画像化が困難です。従来のマシンビジョンシステムでは、鮮明な画像を取得し、実際の欠陥、反射面、そして背景を区別することが困難であり、最終的には欠陥を見逃したり、誤って不合格としたりすることがあります。
大量生産環境では、生産速度を維持するためにブッシングを迅速に検査する必要があります。従来のマシンビジョン製品では、必要なサイクルタイムに対応できない場合があります。
ソリューション
UnitXさん AI-powered 検査では、他のソリューションでは検出できないブッシングの加工欠陥を効果的に検査します。
まず、 OptiX 撮像システムがブッシングを照らして画像化する。そして、 CorteX Central AIプラットフォームは機械加工の欠陥について学習し、最終的にこれらのAIモデルは CorteX Edge インラインで欠陥を検出し分類する推論システム。
あるいは、既存の画像システムをお持ちの場合は、CorteX AIのみを使用することもできます。例えば、ブッシング材料に埋め込まれた介在物などの内部欠陥を検出したい場合、CorteX AIのみを導入し、既存のX線スキャナーやCTスキャナーと統合することで、欠陥検出能力の向上を迅速に実現できます。
なぜ ブッシング加工検査にUnitX?
OptiX 反射率を最小限に抑えながら欠陥の視認性を最大限に高める優れた画像を提供します。 32個の独立制御可能な照明光源を搭載し、ソフトウェアを介して金属ブッシング表面や様々な欠陥に合わせて最適化できます。コンピュテーショナルイメージング機能により、複数のショットを撮影することで、反射率の高いブッシング表面に起因するホットスポットを排除できます。また、照明ドーム設計により、非常に鋭角な入射角で光を照射できるため、非常に微細な欠陥にも影を落とし、視認性を向上させます。
CorteX はランダムで複雑な欠陥を正確に検出します。 位置と向きのばらつきを自動的に正規化し、ピクセルレベルまで欠陥を認識します。これにより、不良品や廃棄につながる誤検知を削減します。
CorteXは、AIモデルの高速開発、展開、反復をサポートします。CorteX AI モデルはサンプル効率が高く、新しい欠陥の種類をトレーニングするのに数枚の画像のみが必要です。
UnitX 収量を最適化します。 CorteXでは、品質基準を調整し、変更を生産段階に導入する前に歩留まりへの影響を視覚化できます。すべての検査データは単一の中央プラットフォームで参照できるため、製造業者はプロセス改善の余地を分析し、特定することができます。
UnitX 迅速な100%インライン検査を提供します。 OptiX 明るいLEDと1m/秒の高速飛行撮影速度を備え、高速撮影が可能です。そして CorteX Edge 高速推論速度 (最大 100 MP) をサポートし、OK/NG の決定を迅速に出力し、その決定をすべての主要な PLC、MES、FTP システムに統合してシームレスに伝達します。
使用するメーカー UnitX ブッシング加工検査を自動化することで、次のことが可能になります。
- 自動車の信頼性、性能、安全性に影響を与える品質漏れを防止します
- 従来のマシンビジョンでよくある誤検出率を最小限に抑え、製造プロセスの早い段階で欠陥を特定することで、スクラップを削減します。
- 生産および品質データを分析してプロセス改善の機会を見つけ、歩留まりを向上します。
- 生産速度に合わせて検査を自動化し、ブッシング製造のスループットを向上
UnitX 検査例の詳細
この例では、金属ブッシングの表面欠陥を検査し、機械加工工程で発生した欠陥の有無を確認しました。仕上げ工程の前にブッシングを検査することで、欠陥を早期に発見し、無駄を最小限に抑えることができます。
イメージング
まず、使った OptiX 加工後のブッシングの画像を取得し、不良品と正常品の両方を確実に撮影しました。 OptiXのソフトウェア定義照明を使用して、微妙な欠陥を最もよく捉えるさまざまな照明パターンと入射角を設定します。
AI学習
次に、 CorteX Central モデルをトレーニングするため、検出したいブッシング表面の4つの欠陥(ひび割れ、傷、へこみ、摩耗)にラベルを作成しました。
次に、撮影した画像にそれらの欠陥をラベル付けしました。 OptiX各欠陥に対して数枚の画像のみを使用します。
CorteX のユーザーフレンドリーなインターフェースと、AI モデルのトレーニングに必要な画像数が少ないため、4 つの欠陥のラベル付けを完了するのに数分しかかかりませんでした。
検出
その後、これらのAIモデルを CorteX Edge 新しいブッシングの欠陥を検出し、4 つの欠陥を正確に検出して分類できるようになりました。