การตรวจสอบการใช้งานเครื่องจักรเฟือง

เนื่องจากเฟืองช่วยเปลี่ยนทิศทางการเคลื่อนที่ แรงบิด และความเร็ว จึงมีความสำคัญต่อการใช้งานของรถยนต์ การใช้งานนี้เน้นที่การตรวจสอบเฟืองหลังกระบวนการกลึง

มีข้อบกพร่องในการผลิตเกิดขึ้นอะไรบ้าง?

เกียร์อาจพบข้อบกพร่องในการผลิตหลายประการ เช่น:

ข้อบกพร่อง	รายละเอียด	ผลพวง
รอยแตก	รอยแตกร้าวบนฟันเฟือง มักเกิดจากความร้อนหรือความเครียดที่มากเกินไประหว่างการกลึง	ความล้มเหลวที่อาจเกิดขึ้น
ข้อบกพร่องของการตกแต่งพื้นผิว	รอยขีดข่วน รอยบุบ รอยบุบ และสิ่งผิดปกติอื่นๆ บนพื้นผิวเฟือง	เสียงรบกวนเพิ่มขึ้น ประสิทธิภาพลดลง การสึกหรอเร็วขึ้น อาจเกิดความล้มเหลวได้
ความพรุน	รูเล็กๆ หรือช่องว่างภายในวัสดุโลหะ	ฟันเฟืองอ่อนแรง ความล้าเพิ่มขึ้น โอกาสเกิดความล้มเหลว
ความไม่ถูกต้องของมิติ	ไม่ตรงตามข้อกำหนดขนาดที่กำหนด รวมถึงข้อผิดพลาดในโปรไฟล์ฟัน	การประกบกันของเฟืองที่ไม่เหมาะสม การกระจายน้ำหนักที่ไม่สม่ำเสมอบนฟันเฟือง การสึกหรอที่เพิ่มขึ้น เสียงรบกวนที่เพิ่มขึ้น โอกาสเกิดความล้มเหลว

ข้อบกพร่องเหล่านี้ส่งผลต่อประสิทธิภาพ ความทนทาน และความปลอดภัยของเกียร์ในการใช้งาน ผู้ผลิตควรใช้มาตรการควบคุมคุณภาพที่เข้มงวดตลอดกระบวนการตัดเฉือนเพื่อระบุและแก้ไขข้อบกพร่องตั้งแต่เนิ่นๆ

อย่างไรก็ตาม ข้อบกพร่องเหล่านี้อาจตรวจพบได้ยาก เนื่องจากพื้นผิวเหล็กของเฟืองอาจสะท้อนแสงในลักษณะที่บดบังข้อบกพร่องได้ และข้อบกพร่องในการตัดเฉือนจำนวนมากนั้นละเอียดอ่อนและยากต่อการมองเห็น โดยเฉพาะอย่างยิ่งหากความแตกต่างของข้อบกพร่องกับพื้นหลังนั้นต่ำ ระบบการมองเห็นด้วยเครื่องจักรแบบดั้งเดิมมีปัญหาในการจับภาพที่ชัดเจนและแยกแยะระหว่างข้อบกพร่องจริง พื้นผิวสะท้อนแสง และพื้นหลัง ซึ่งท้ายที่สุดแล้วข้อบกพร่องจะหายไปหรือทำให้เกิดการปฏิเสธที่ผิดพลาด

ในสภาพแวดล้อมการผลิตที่มีปริมาณมาก จำเป็นต้องตรวจสอบเฟืองอย่างรวดเร็วเพื่อให้ทันกับอัตราการผลิต ผลิตภัณฑ์ระบบภาพสำหรับเครื่องจักรแบบเดิมอาจไม่สามารถตามทันเวลาในรอบการทำงานที่กำหนดได้

โซลูชั่น

UnitX's AI-powered การตรวจสอบสามารถตรวจจับข้อบกพร่องของเกียร์ได้อย่างมีประสิทธิภาพในกรณีที่โซลูชันอื่นล้มเหลว

ครั้งแรกที่ OptiX ระบบภาพจะทำการส่องสว่างและถ่ายภาพ จากนั้น CorteX Central แพลตฟอร์ม AI ได้รับการฝึกอบรมเกี่ยวกับข้อบกพร่องในการตัดเฉือน ในที่สุดโมเดล AI เหล่านั้นจะถูกนำไปใช้งาน CorteX Edge ระบบอนุมานเพื่อตรวจจับและจำแนกข้อบกพร่องแบบอินไลน์

นอกจากนี้ ผู้ผลิตยังสามารถใช้เพียง CorteX AI ได้หากมีระบบถ่ายภาพอยู่แล้ว ตัวอย่างเช่น หากผู้ผลิตต้องการตรวจจับข้อบกพร่องของเกียร์ภายใน ผู้ผลิตสามารถใช้เพียง CorteX AI และผสานรวมกับเครื่องสแกนเอกซเรย์และ CT ที่มีอยู่เพื่อการตรวจจับข้อบกพร่องที่ได้รับการปรับปรุงอย่างรวดเร็ว

Why UnitX สำหรับการตรวจสอบการกลึงเกียร์?

OptiX ให้ภาพที่เหนือกว่าซึ่งช่วยลดการสะท้อนแสงในขณะที่เพิ่มความชัดเจนของข้อบกพร่องสูงสุด มีแหล่งกำเนิดแสงที่ควบคุมได้อิสระ 32 แหล่ง ซึ่งสามารถปรับให้เหมาะสมสำหรับพื้นผิวเฟืองเหล็กและข้อบกพร่องต่างๆ ผ่านทางซอฟต์แวร์ ความสามารถในการสร้างภาพด้วยคอมพิวเตอร์สามารถใช้ถ่ายภาพหลายภาพและกำจัดจุดร้อนที่เกิดจากพื้นผิวเฟืองที่มีการสะท้อนแสงสูง และการออกแบบโดมแสงรองรับมุมตกกระทบที่แหลมมากของแสงที่ฉายออกมา ทำให้แม้แต่ข้อบกพร่องเล็กๆ ก็ยังเกิดเงาซึ่งทำให้มองเห็นได้ชัดเจนยิ่งขึ้น

CorteX ตรวจจับข้อบกพร่องที่ซับซ้อนและสุ่มได้อย่างแม่นยำ ระบบจะทำการปรับค่าความแปรปรวนของตำแหน่งและทิศทางโดยอัตโนมัติ และตรวจจับข้อบกพร่องได้อย่างละเอียดถึงระดับพิกเซล ช่วยลดผลบวกปลอมที่นำไปสู่การเสียของและสินค้าที่สูญเปล่า

CorteX รองรับการพัฒนา การปรับใช้ และการวนซ้ำของโมเดล AI อย่างรวดเร็วโมเดล CorteX AI มีประสิทธิภาพในการสุ่มตัวอย่าง เนื่องจากต้องใช้รูปภาพเพียงไม่กี่ภาพเพื่อฝึกอบรมเกี่ยวกับประเภทข้อบกพร่องใหม่

UnitX เพิ่มผลผลิตให้เหมาะสมที่สุด ใน CorteX สามารถปรับเกณฑ์คุณภาพและแสดงภาพผลกระทบต่อผลผลิตก่อนนำการเปลี่ยนแปลงเหล่านั้นไปใช้ในการผลิต ข้อมูลการตรวจสอบทั้งหมดสามารถอ้างอิงได้ในแพลตฟอร์มกลางเดียวเพื่อให้ผู้ผลิตวิเคราะห์และระบุพื้นที่สำหรับการปรับปรุงกระบวนการ

UnitX ให้การตรวจสอบแบบรวดเร็วแบบอินไลน์ 100% OptiX มี LED สว่างและความเร็วในการจับภาพที่รวดเร็วถึง 1 เมตรต่อวินาทีเพื่อการถ่ายภาพความเร็วสูง และ CorteX Edge รองรับความเร็วในการอนุมานสูง (สูงถึง 100 MP) เพื่อส่งออกการตัดสินใจ OK/NG ได้อย่างรวดเร็ว พร้อมสื่อสารการตัดสินใจนั้นได้อย่างราบรื่นผ่านการบูรณาการกับ PLC, MES และระบบ FTP หลักทั้งหมด

ผู้ผลิตที่ใช้ UnitX เพื่อตรวจสอบการทำงานของเกียร์แบบอัตโนมัติสามารถทำได้ดังนี้:

ป้องกันการรั่วไหลของคุณภาพซึ่งส่งผลกระทบต่อความน่าเชื่อถือ ประสิทธิภาพ และความปลอดภัยของรถยนต์
ลดเศษวัสดุโดยลดอัตราการปฏิเสธที่ผิดพลาดซึ่งมักเกิดขึ้นกับระบบภาพเครื่องจักรแบบเดิม และระบุข้อบกพร่องตั้งแต่เนิ่นๆ ในกระบวนการผลิต
ปรับปรุงผลผลิตโดยวิเคราะห์ข้อมูลการผลิตและคุณภาพเพื่อโอกาสในการปรับปรุงกระบวนการ
ตรวจสอบอัตโนมัติตามความเร็วของการผลิตเพื่อเพิ่มผลผลิตการผลิตเกียร์

UnitX ตัวอย่างการตรวจสอบแบบเจาะลึก

ในตัวอย่างนี้ เราตรวจสอบเฟืองเพื่อหาข้อบกพร่องบนพื้นผิวที่เกิดจากกระบวนการกลึง โดยการตรวจสอบเฟืองก่อนกระบวนการตกแต่ง เราสามารถตรวจพบข้อบกพร่องได้ในระยะเริ่มต้นและลดของเสียได้

การถ่ายภาพ

อันดับแรกเราใช้ OptiX เพื่อถ่ายภาพเฟืองหลังการกลึง เพื่อให้แน่ใจว่าเราจะจับภาพทั้งชิ้นส่วนที่ชำรุดและปกติได้ เราใช้ OptiXซอฟต์แวร์กำหนดแสงเพื่อกำหนดค่ารูปแบบแสงและมุมตกกระทบต่างๆ ที่สามารถจับภาพข้อบกพร่องเล็กๆ น้อยๆ ได้ดีที่สุด

การฝึกอบรม

ต่อไปเราใช้ CorteX Central เพื่อฝึกโมเดลของเรา เราสร้างฉลากสำหรับข้อบกพร่องสี่ประการ ได้แก่ รอยขีดข่วน รอยบุบ รอยขีดข่วน และรอยบุบ

จากนั้นเราจึงติดป้ายข้อบกพร่องเหล่านั้นในรูปภาพที่เราถ่ายไว้ OptiXโดยใช้เพียงภาพไม่กี่ภาพสำหรับแต่ละข้อบกพร่อง

เนื่องจากอินเทอร์เฟซที่เป็นมิตรต่อผู้ใช้ของ CorteX และจำนวนรูปภาพที่ต้องใช้ไม่มากในการฝึกโมเดล AI จึงใช้เวลาเพียงไม่กี่นาทีในการติดฉลากข้อบกพร่องทั้งสี่จุด

การตรวจพบ

จากนั้นเราจึงนำโมเดล AI เหล่านั้นไปใช้งาน CorteX Edge เพื่อตรวจจับข้อบกพร่องบนเกียร์ใหม่ ส่งผลให้สามารถตรวจจับและจำแนกข้อบกพร่องทั้งสี่ประการของเราได้อย่างแม่นยำ