KOMPASS AI brengt deukdetectie naar gevormde, bewerkte en afgewerkte onderdelen. Camera's en belichting onthullen veranderingen in het oppervlak, terwijl het model deze toetst aan uw acceptatiecriteria. Zo kunnen beschadigde onderdelen worden gescheiden voordat coaten, assembleren of verpakken de kosten verder opdrijft.
Deukdetectie wordt lastig wanneer een ondiepe indeuking het licht bijna net zo reflecteert als het omliggende oppervlak. Een onderdeel kan een snelle visuele controle doorstaan, de volgende bewerking bereiken en de schade pas onthullen wanneer iemand het onderdeel draait.
Ons AI-productinspectiesysteem, KOMPASS™, combineert getrainde visuele modellen met modulaire vision-hardware om deuken te identificeren op de oppervlakken die uw productielijn moet inspecteren. De opstelling brengt het defect in beeld, past uw kwaliteitscriteria toe en geeft het resultaat door aan de lijnbesturing.
Reflecties maken gepolijste staven tot een uitdagende inspectietaak. De demonstratie van Jidoka toont geautomatiseerde oppervlakte-inspectie van deze onderdelen, waarbij deuken tot de beschreven defecttypen behoren. Het brengt gecontroleerde beeldvorming, visuele classificatie en geautomatiseerde scheiding samen.
Kies camera- en belichtingshoeken die de deuk in de werkelijke afwerking zichtbaar maken. Gebogen onderdelen vereisen zicht op de relevante omtrek, met een hantering die dit herhaalbaar presenteert.
KOMPASS controleert de gemaakte opname op getrainde defectcategorieën. Goede onderdelen en twijfelgevallen bepalen welke oppervlakteveranderingen uw proces accepteert en welke het afkeurt.
De inspectiebeslissing leidt tot de geconfigureerde lijnrespons. Een afbeelding van het defect geeft kwaliteitsteams een startpunt om te controleren of soortgelijke markeringen terugkeren na een specifieke bewerking.
Stuur ons een gedeukt onderdeel, een acceptabel onderdeel en de criteria die ze onderscheiden. Wij beoordelen de beeldvorming en de afhandeling van uw inspectiebehoeften.
Neem contact opElke methode is afhankelijk van een geschikt zicht op het oppervlak. Het verschil zit in hoe wordt omgegaan met normale variatie en hoe de acceptatiebeslissing tijdens de productie wordt toegepast.
Het lagerinspectiesysteem van Jidoka gebruikt rotatie en kanteling om de boven-, onder-, binnen- en buitenoppervlakken bloot te leggen. De gepubliceerde defectcategorieën omvatten deuken, krassen, gereedschapssporen en niet-gereinigde gebieden over 18 lagervarianten.
Dit zijn de resultaten voor de volledige inspectietoepassing van lagers, en niet een afzonderlijke benchmark die alleen op deuken is gericht.
Het controleert het vastgelegde oppervlak op inkepingen of deformaties die niet voldoen aan uw visuele acceptatienorm. De inspectie op deuken begint bij de oppervlakken die belangrijk zijn voor het product, op het punt in de productie waar ze toegankelijk zijn en waar representatieve voorbeelden van acceptabele en beschadigde onderdelen beschikbaar zijn. KOMPASS classificeert vervolgens de zichtbare defecten en geeft het resultaat door aan de geconfigureerde respons. Functionele acceptatie volgt nog steeds uw technische vereisten, vooral wanneer een markering invloed kan hebben op de afdichting, pasvorm of een ander kritiek kenmerk.
De detectie van ondiepe deuken hangt af van het zichtbaar maken van de vormverandering in het beeld. Bij inspectie van reflecterende oppervlakken kunnen meerdere verlichtingsrichtingen, verschillende camerastandpunten of het draaien van het onderdeel nodig zijn. Een vage inkeping die bij de ene opstelling verdwijnt, kan bij een andere duidelijk worden. De juiste test gebruikt uw werkelijke afwerking, inclusief de moeilijkste grensgevallen, op de beoogde productiesnelheid. Zo stelt u vast welke defecten het station betrouwbaar kan onderscheiden voordat automatische afkeuring wordt ingeschakeld.
Machine vision-verlichting zorgt voor een reproduceerbaar beeld, waarna het model wordt getraind met zowel acceptabele oppervlaktevariaties als echte defecten. Neem normale contouren, gereedschapssporen, olieresten en afwerkingsverschillen op in de voorbeeldset. Test voor het detecteren van oppervlaktedeformaties de lastige voorbeelden die zich dicht bij de acceptatiegrens bevinden. Door gemiste defecten en onterecht afgekeurde goede onderdelen samen te beoordelen, voorkomt u dat de ene resultaatverbetering ten koste gaat van de andere tijdens de validatie.
Deukmeting vereist een opstelling die geometrie kan meten ten opzichte van een gedefinieerde referentie. Een zichtbare donkere vlek of vervormde reflectie stelt op zichzelf de diepte niet vast. Als uw besluit afhangt van een dieptetolerantie, specificeer die eis dan aan het begin zodat het team geschikte 3D-sensoren of profilering kan beoordelen. Waar de eis cosmetische defectdetectie is, kan een gevalideerde visuele classificatie voldoende zijn. De inspectiemethode moet de acceptatiecriteria op uw tekening of kwaliteitsspecificatie volgen.
Ja, mits beeldvorming, handling, verwerking en afkeuring allemaal binnen de beschikbare cyclus passen. Een camera voor deukdetectie heeft voldoende licht en een geschikte belichtingstijd nodig om het relevante detail vast te leggen zonder bewegingsonscherpte. Het draaien of kantelen van een onderdeel kost ook tijd. De haalbaarheid moet daarom worden getoetst aan de volledige stationcyclus, de afstand tussen onderdelen en de afkeurpositie. Een software-inferentiecijfer alleen bepaalt niet de productiesnelheid die de geïnstalleerde inspectie kan ondersteunen.
Neem elk materiaal, elke afwerking en geometrie op die het uiterlijk van het geïnspecteerde gebied verandert. Oppervlaktetopografie, glans, kromming en normale fabricagetextuur beïnvloeden allemaal het beeld. Voor inspectie van metalen oppervlakken kan dat betekenen dat er monsters nodig zijn van verschillende bewerkings-, polijst- of vormcondities. Voeg het kleinste afkeurbare defect toe en acceptabele sporen die er vergelijkbaar uitzien. Als de lijn verschillende varianten heeft, leg dan de verschillen vast zodat de validatie de beoogde mix vertegenwoordigt in plaats van een enkel eenvoudig monster.
Meet defectmissers en het foutieve afkeurpercentage afzonderlijk op een gelabelde set die representatief is voor de productie. Bekijk de resultaten per defectcategorie, ernst, onderdeelvariant en geïnspecteerde regio. Voeg verse monsters toe die niet zijn gebruikt voor training en herhaal vervolgens de controles op de beoogde snelheid en presentatiecondities. Jidoka's NSK-case rapporteert prestaties voor een gecombineerde lagertoepassing. Uw acceptatiebesluit moet gebaseerd zijn op de gemeten resultaten voor uw eigen onderdelen, met duidelijke criteria voor de overgang naar automatische werking.
Mogelijk, als de beeldvormingsopstelling elk relevant defect onthult. Oppervlaktedefectdetectie kan deuken, krassen en andere zichtbare afwijkingen in één inspectie samenbrengen, maar ze vereisen mogelijk verschillende aanzichten of belichting. Definieer de volledige defectenlijst vroegtijdig en valideer elke categorie afzonderlijk. Anders kan een station dat goed presteert bij een duidelijke kras, alsnog een ondiepe deuk missen. De beoordeling moet ook regio's identificeren die verborgen zijn door een opspanning of ontoegankelijk zijn in die productiefase.
Deel uw onderdeel, afwerking, kleinste afkeurbare deuk en beoogde lijnsnelheid. Wij beoordelen wat er nodig is om dat defect in beeld te brengen en nemen het besluit bij het door u gekozen controlepunt.
