智能制造網(wǎng)APP
智能制造網(wǎng)手機(jī)站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號(hào)
智能控制
機(jī)器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
品牌
施耐德/SCHNEIDER
人工智能的改進(jìn)與更好的機(jī)器視覺控制相結(jié)合，為智能制造行業(yè)創(chuàng)造了至關(guān)重要的新組成部分–高精度和可擴(kuò)展的故障檢測。這項(xiàng)技術(shù)的前景廣闊，不僅可以提高效率，而且可以提高安全性并提供實(shí)時(shí)可見性。
智能制造市場將在不久的將來實(shí)現(xiàn)顯著增長，據(jù)《市場研究》(Research and Markets)的一份報(bào)告預(yù)測，2020年至2025年的復(fù)合年增長率為12.4%，市場規(guī)模約為3848億美元，而2020年為2147億美元。該分析公司表示，這種增長是制造過程中的工業(yè)自動(dòng)化，并且通過軟件解決方案對減少時(shí)間和降低成本的需求不斷增加。
AI驅(qū)動(dòng)的故障檢測是工業(yè)自動(dòng)化領(lǐng)域新興需求和創(chuàng)新領(lǐng)域的一個(gè)很好的例子。引起關(guān)注的部分趨勢是，在制造過程的兩個(gè)關(guān)鍵領(lǐng)域中，自動(dòng)進(jìn)行故障檢測的能力至關(guān)重要–將其作為預(yù)測性維護(hù)計(jì)劃的一部分和作為質(zhì)量保證工具的一部分來檢測工廠機(jī)械中的故障，以確保制造輸出符合規(guī)格。
機(jī)器視覺
一個(gè)關(guān)鍵的技術(shù)共性是對可靠且高度可配置的機(jī)器視覺的需求，尤其是在QA過程中，在該過程中，發(fā)現(xiàn)表面缺陷是該過程的關(guān)鍵要素。傳統(tǒng)的機(jī)器視覺解決方案(例如自動(dòng)光學(xué)檢查(AOI))依靠不靈活的規(guī)則或所謂的“黃金圖像”來將產(chǎn)品圖像與已知的無缺陷圖像進(jìn)行比較。但是，這里的問題是，任何誤報(bào)都會(huì)導(dǎo)致不必要的浪費(fèi)，而相反的情況則會(huì)使有缺陷的零件通過。在這個(gè)灰色地帶，人工智能可以改變有效性。在某些情況下，它可以提供高達(dá)95%的改進(jìn)，還消除了誤報(bào)。
人工智能機(jī)器視覺的挑戰(zhàn)和好處
有趣的是，制造商轉(zhuǎn)移到AI故障檢測環(huán)境的主要挑戰(zhàn)之一是確保用于訓(xùn)練AI的數(shù)據(jù)清晰無歧義。例如，人工檢查往往是主觀的，不同的檢查員會(huì)通過或未通過相同的缺陷，因此將主觀通過/失敗數(shù)據(jù)合并可能導(dǎo)致模棱兩可或矛盾的決策，從而導(dǎo)致模型不完善。即使擁有干凈的數(shù)據(jù)來訓(xùn)練AI，也只是過程的一小部分。確實(shí)，訓(xùn)練用于視覺檢查的概念驗(yàn)證AI模型可能只占整個(gè)部署總時(shí)間和成本的10%。
另一個(gè)關(guān)鍵挑戰(zhàn)是確保材料和環(huán)境因素(例如照明)的一致性。這兩種方法中的任何一種更改都可能立即導(dǎo)致非常高的錯(cuò)誤率，需要重新校準(zhǔn)或重新訓(xùn)練模型。然后，這需要成功的部署才能使環(huán)境變化檢測系統(tǒng)處于運(yùn)行狀態(tài)。但是，除了故障檢測之外，環(huán)境變化檢測系統(tǒng)還可以提供廣泛的好處。例如，分段系統(tǒng)可能會(huì)提高工人的安全性(如果在受限區(qū)域檢測到運(yùn)動(dòng)，則通過自動(dòng)切斷機(jī)器的動(dòng)力)，監(jiān)視火、煙或其他空氣質(zhì)量危害(如灰塵或氣體泄漏)的安全性。
遠(yuǎn)見卓識(shí)
AI機(jī)器視覺有更廣泛的應(yīng)用，特別是隨著它開始成熟。瑞士無人機(jī)公司Sulzer Schmid和AI公司NNAISENSE進(jìn)行了合作，其中一個(gè)令人興奮的領(lǐng)域是自動(dòng)監(jiān)視風(fēng)力渦輪機(jī)葉片的損壞。先前對轉(zhuǎn)子葉片的詳細(xì)檢查將涉及完全停機(jī)，然后技術(shù)人員“爬到塔架上”以手動(dòng)檢查表面是否磨損。
自動(dòng)化系統(tǒng)使用Sulzer Schmid的3DX檢測平臺(tái)來連續(xù)獲取高清圖像，并實(shí)現(xiàn)100%的刀片覆蓋率，同時(shí)將人為錯(cuò)誤和操作風(fēng)險(xiǎn)降至低。 AI軟件會(huì)自動(dòng)掃描整個(gè)刀片表面，僅突出顯示不一致性和需要關(guān)注的區(qū)域以進(jìn)行手動(dòng)檢查，從而節(jié)省了數(shù)百個(gè)工作時(shí)間，否則將花費(fèi)大量時(shí)間檢查完美運(yùn)行的刀片表面。
當(dāng)然，人工智能機(jī)器視覺的使用已經(jīng)遠(yuǎn)遠(yuǎn)超出了渦輪機(jī)葉片的范圍，并且?guī)缀鯘B透到了現(xiàn)代生活的各個(gè)方面。這一事實(shí)從近開放采購的潛在改變游戲規(guī)則的新物體檢測框架DETR可以看出，或檢測變壓器。
實(shí)時(shí)合作
總體上來說，支持AI的故障檢測無疑是當(dāng)前的熱點(diǎn)，而且組件和試點(diǎn)項(xiàng)目的日趨成熟表明在未來幾年中將繼續(xù)擴(kuò)展。由德國政府資助的SPAICER是一個(gè)合作項(xiàng)目，展示了大工業(yè)對這一概念的重視程度–SPAICER旨在使用前沿的AI技術(shù)和Industry 4.0標(biāo)準(zhǔn)來優(yōu)化生產(chǎn)過程并實(shí)時(shí)預(yù)測故障。于2020年4月啟動(dòng)，相關(guān)合作伙伴包括西門子、寶馬、?？怂?、微軟、福特、戴姆勒、蔡司和戴爾。
早期的使用案例是利用AI來預(yù)測材料波動(dòng)對一家德國中型公司的工具磨損率的影響，該公司在工具磨損和更換方面每小時(shí)產(chǎn)生的成本高達(dá)500000歐元。目的是實(shí)時(shí)對變化及其影響進(jìn)行分類，從而降低生產(chǎn)的總體風(fēng)險(xiǎn)，從而創(chuàng)建更具彈性的生產(chǎn)流程。
搜索實(shí)時(shí)數(shù)據(jù)(以及當(dāng)時(shí)的實(shí)時(shí)可操作數(shù)據(jù))不可避免地是自動(dòng)故障檢測的關(guān)鍵。日益強(qiáng)大的AI的使用使這個(gè)以前無法實(shí)現(xiàn)的前景成為今天的現(xiàn)實(shí)可能性，也是明天的重要業(yè)務(wù)資產(chǎn)。確實(shí)，從中期來看，可能會(huì)帶來越來越商品化的SaaS風(fēng)格的云AI平臺(tái)，這些平臺(tái)具有專門的故障檢測和監(jiān)視模塊，并被用于內(nèi)部傳感器和具有機(jī)器視覺的攝像頭系統(tǒng)。
(原標(biāo)題：工業(yè)4.0：支持AI的故障檢測)
浙公網(wǎng)安備 33010602000006號(hào)
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號(hào)
