Oリングは安全で漏れのないシールを実現するため、車両の安全性、性能、信頼性にとって不可欠です。このアプリケーションは、成形、押出、仕上げ工程後のOリングの最終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?
一般的な O リング製造欠陥には次のようなものがあります。
これらの欠陥はシールの完全性を損ない、早期の故障につながる可能性があります。Oリングシールは重要なシステムやコンポーネントの安全かつ最適なパフォーマンスを確保するため、メーカーは厳格な品質管理措置と検査プロセスを実施し、これらの欠陥を検出、修正、防止することが不可欠です。
しかし、Oリングの欠陥は検出が難しい場合があります。表面の質感や製造ライン上の部品の向きが変動するため、従来のビジョンシステムでは欠陥を一貫して検出することが難しく、結果として部品を過剰に検査してしまう可能性があります。
大量生産環境では、生産速度を維持するためにOリ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 O リングの欠陥を効果的に検出します。
まず、 OptiX イメージングシステムがOリングを照らし、画像化する。そして CorteX Central AIプラットフォームはOリングの欠陥について学習します。最後に、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のみを活用することも可能です。例えば、Oリング素材に埋め込まれた汚染物質や介在物といったOリング内部の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 Oリング検査にUnitX?
OptiX 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備え、ソフトウェアを介してOリングの表面状態や欠陥に合わせて最適化できます。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、非常に小さな欠陥にも影が映り、視認性が向上します。
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 システムへの統合を通じてシームレスに伝達します。
使用するメーカー UnitX Oリング検査を自動化することで、次のことが可能になります。
- 自動車の安全性と性能に影響を与える品質漏れを防止する
- 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、Oリ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、O リングの表面欠陥を検査しました。
イメージング
まず、使った OptiX O リングの画像をキャプチャし、不良部品と正常部品の両方を確実にキャプチャします。
AI学習
次に、 CorteX Central モデルをトレーニングするため、3つの欠陥(割れ(Oリング表面のひび割れ)、穴(Oリング表面の穴)、焼け(過硬化による焼け跡))のラベルを作成しました。
次に、撮影した画像に欠陥をラベル付けしました。 OptiX、以下のみを使用:
- 分割欠陥のNG画像4枚
- 穿刺欠陥のNG画像3枚
- 焼き付き欠陥のNG画像1枚
- 1枚のOK画像
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、12 つの欠陥のラベル付けを完了するのに 3 分 XNUMX 秒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 O リングの欠陥を検出し、3 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。