Tin tức

Tầm nhìn kiểm tra trong dập kim loại hỗ trợ kiểm soát chất lượng AI trực tuyến như thế nào?

Kiểm tra bằng thị giác máy trong dập tạo hình cho phép kiểm soát chất lượng AI trực tuyến bằng cách tích hợp camera độ phân giải cao, hệ thống chiếu sáng chuyên dụng và thuật toán xử lý biên trực tiếp vào khuôn dập tiến bộ hoặc dây chuyền máy dập chuyển tiếp, đạt được kiểm tra 100% chi tiết với thời gian chu kỳ dưới 0,5 giây. Không giống như lấy mẫu ngoại tuyến, thường phát hiện lỗi sau khi đã sản xuất từ 1.000 đến 5.000 chi tiết, hệ thống AI trực tuyến xác định các bất thường như ba via, vết nứt và sai lệch kích thước trong mili giây, kích hoạt dừng máy dập ngay lập tức hoặc phân loại tự động. Đối với máy dập 300 tấn điển hình chạy ở tốc độ 60 hành trình mỗi phút, điều này giúp giảm chi phí ngăn chặn lỗi lên đến 95% so với phương pháp kiểm tra thủ công truyền thống.

Kiến trúc cốt lõi của hệ thống thị giác AI trực tuyến cho dập là gì?

Kiến trúc cốt lõi bao gồm bốn mô-đun chính: bộ phận thu nhận hình ảnh, nguồn chiếu sáng chuyên dụng, bộ điều khiển biên dựa trên PC công nghiệp hoặc GPU, và giao diện phần mềm kết nối với PLC máy dập. Bộ phận thu nhận hình ảnh thường sử dụng camera quét vùng từ 5 megapixel đến 12 megapixel hoặc camera quét dòng độ phân giải 8k, được đặt phía trên cửa ra khuôn hoặc bên trong khuôn tích hợp cảm biến. Chiếu sáng là yếu tố quan trọng; dãy đèn LED nhấp nháy có bước sóng từ 450 nm đến 850 nm (từ xanh lam đến hồng ngoại) được đồng bộ với chu kỳ máy dập để đóng băng chuyển động ở tốc độ 1/10.000 giây, ngăn ngừa nhòe hình trên các chi tiết di chuyển với tốc độ tuyến tính từ 1,5 đến 3 mét mỗi giây. Bộ điều khiển biên chạy các mô hình mạng nơ-ron tích chập (CNN) đã được huấn luyện trên 5.000 đến 20.000 hình ảnh được chú thích cho mỗi mã chi tiết, đạt thời gian suy luận từ 10 đến 30 mili giây mỗi hình ảnh. Hệ thống xuất tín hiệu đạt/không đạt đến PLC máy dập qua EtherCAT hoặc Profinet, với thời gian phản hồi điển hình dưới 100 mili giây từ lúc chụp ảnh đến khi truyền tín hiệu.

AI cải thiện độ chính xác phát hiện lỗi như thế nào so với hệ thống thị giác truyền thống?

Thị giác máy truyền thống dựa vào các thuật toán dựa trên quy tắc để đo các đặc điểm hình học cụ thể, như vị trí cạnh hoặc ngưỡng mức xám pixel, vốn rất nhạy cảm với biến đổi ánh sáng và độ phản xạ của chi tiết. Ngược lại, hệ thống dựa trên AI sử dụng các mô hình phân đoạn ngữ nghĩa và phát hiện bất thường để học phân bố thống kê của các chi tiết dập bình thường, cho phép phát hiện các lỗi không xác định như vi nứt rộng 0,05 mm hoặc hiện tượng bám dính bề mặt tinh vi mà hệ thống dựa trên quy tắc bỏ sót. Ví dụ, hệ thống dựa trên quy tắc thường đạt tỷ lệ loại bỏ sai từ 5% đến 8% trên các chi tiết thép không gỉ bóng cao do phản xạ gương, trong khi hệ thống AI được huấn luyện với tăng cường dữ liệu phản xạ giảm tỷ lệ này xuống dưới 1,5%. Ngoài ra, các mô hình AI có thể phân loại loại lỗi với độ chính xác từ 97% đến 99% cho các hạng mục như nứt tách, nhăn và mỏng thành, cho phép theo dõi xu hướng mài mòn khuôn theo thời gian thực. Ưu điểm chính là khả năng thích ứng: khi một lô cuộn thép mới có kết cấu bề mặt hơi khác, các mô hình AI có thể được huấn luyện lại bằng học chuyển giao chỉ với 200 đến 500 hình ảnh, trong khi hệ thống truyền thống yêu cầu điều chỉnh thủ công hàng chục thông số.

Tại sao kiểm tra thị giác trực tuyến lại quan trọng đối với quy trình dập tốc độ cao?

Máy dập tốc độ cao hoạt động ở tốc độ 100 đến 1.200 hành trình mỗi phút, nghĩa là bất kỳ sự vỡ khuôn hoặc mài mòn dụng cụ nào cũng có thể tạo ra hàng nghìn chi tiết lỗi trong vòng chưa đầy một phút. Kiểm tra thị giác trực tuyến rất quan trọng vì nó cung cấp độ phủ 100%, loại bỏ rủi ro thống kê liên quan đến việc lấy mẫu; ở tỷ lệ lấy mẫu 1 chi tiết trên 500, một đợt lỗi xảy ra giữa các lần lấy mẫu có thể tạo ra 300 chi tiết lỗi liên tiếp trước khi được phát hiện. Đối với các linh kiện an toàn ô tô như neo dây đai an toàn hoặc vỏ túi khí, điều này có thể dẫn đến hỏng hóc nghiêm trọng tại hiện trường và chi phí thu hồi vượt quá 10 triệu đô la mỗi sự cố. Hơn nữa, kiểm tra trực tuyến cho phép bảo trì dự đoán: bằng cách theo dõi tần suất của các loại lỗi cụ thể, như chiều cao ba via tăng từ 0,02 mm lên 0,08 mm, hệ thống có thể dự đoán tuổi thọ khuôn còn lại trong phạm vi 5.000 hành trình, cho phép thay dụng cụ theo lịch trình trong thời gian ngừng máy theo kế hoạch. Dữ liệu từ hệ thống thị giác cũng cung cấp cho điều khiển quy trình vòng kín, tự động điều chỉnh lực dập (từ 80% đến 95% công suất) hoặc lực giữ phôi để khắc phục các biến đổi nhỏ về độ dày vật liệu (ví dụ: ±0,01 mm) trước khi chúng gây ra sản phẩm không đạt chuẩn.

Ứng dụng dập nào được hưởng lợi nhiều nhất từ kiểm tra thị giác trực tuyến hỗ trợ AI?

Các ứng dụng có lợi ích cao nhất là những ứng dụng có hình dạng phức tạp, dung sai chặt chẽ hoặc chức năng an toàn quan trọng. Bao gồm: (1) linh kiện thân xe ô tô yêu cầu dung sai kích thước ±0,1 mm; (2) lá thép động cơ điện nơi chiều cao ba via phải dưới 0,03 mm để ngăn ngừa đoản mạch; (3) đầu nối tab pin cho xe điện, nơi vết xước bề mặt dài hơn 0,1 mm có thể gây thoát nhiệt; (4) lò xo và kẹp chính xác nơi bắt buộc phát hiện vết nứt ở độ phóng đại 5x; và (5) tấm chắn điện tử tiêu dùng khối lượng lớn yêu cầu chất lượng bề mặt thẩm mỹ khớp với tiêu chuẩn tham chiếu 80 đơn vị bóng. Ngược lại, các hoạt động cắt phôi đơn giản với dung sai rộng (±0,5 mm) và sản lượng hàng năm thấp (dưới 100.000 chi tiết) có thể không biện minh cho chi phí vốn, vì chi phí hệ thống từ 25.000 đến 60.000 đô la mỗi trạm có thể vượt quá chi phí phế phẩm cho chi tiết cụ thể đó. Đối với khuôn dập tiến bộ có 10 đến 20 trạm, kiểm tra thị giác trực tuyến tốt nhất nên được đặt ở trạm cuối cùng để kiểm tra tất cả các đặc điểm cùng lúc, thay vì ở các trạm trung gian nơi định hướng chi tiết kém ổn định hơn.

Chi phí của hệ thống kiểm tra thị giác AI trực tuyến là bao nhiêu và thời gian hoàn vốn là bao lâu?

Tổng chi phí lắp đặt của hệ thống kiểm tra thị giác AI trực tuyến cho một máy dập dao động từ 25.000 đô la cho thiết lập 2 camera cơ bản đến 120.000 đô la cho hệ thống nhiều camera với tạo hồ sơ laser 3D và giám sát toàn diện tình trạng khuôn. Phân bổ chi phí thường bao gồm: camera và ống kính (3.000 đến 15.000 đô la), PC công nghiệp và GPU (4.000 đến 10.000 đô la), chiếu sáng và bộ điều khiển (2.000 đến 8.000 đô la), phần mềm và tích hợp (8.000 đến 30.000 đô la), và lắp đặt/kiểm chứng (5.000 đến 15.000 đô la). Thời gian hoàn vốn được tính dựa trên giảm phế phẩm và tránh thời gian ngừng máy: đối với máy dập sản xuất chi tiết trị giá 0,50 đô la mỗi chiếc ở tốc độ 500 hành trình mỗi phút với tỷ lệ phế phẩm 2%, tổn thất phế phẩm hàng tháng là 21.600 đô la. Nếu kiểm tra AI giảm phế phẩm xuống 0,3%, tiết kiệm hàng tháng là 18.360 đô la, mang lại thời gian hoàn vốn từ 1,4 đến 2,5 tháng cho hệ thống trị giá 45.000 đô la. Tiết kiệm bổ sung đến từ việc giảm nhân công kiểm soát chất lượng thủ công (thường 1 đến 2 công nhân mỗi ca, tốn 30.000 đến 60.000 đô la hàng năm mỗi công nhân) và ngăn ngừa hư hỏng khuôn, nơi một lần sửa chữa va chạm tốn 5.000 đến 25.000 đô la.

Làm thế nào để kiểm chứng và duy trì mô hình AI thị giác cho các điều kiện sản xuất thay đổi?

Việc kiểm chứng bắt đầu bằng phương pháp chạy vàng: thu thập 1.000 hình ảnh của các chi tiết đạt chuẩn và 500 hình ảnh của các chi tiết có lỗi được tạo ra nhân tạo (ví dụ: vết nứt khắc laser, lỗ khoan) để thiết lập độ chính xác cơ sở. Mô hình phải đạt tối thiểu 99,5% tỷ lệ phát hiện trên các lỗi nghiêm trọng và tỷ lệ loại bỏ sai tối đa 2% trước khi triển khai; điều này được xác minh bằng bộ dữ liệu giữ lại mà mô hình chưa từng thấy trong quá trình huấn luyện. Để duy trì, hệ thống sử dụng thuật toán giám sát độ trôi so sánh phân bố hàng ngày của các đặc điểm hình ảnh (ví dụ: độ sắc nét cạnh trung bình, biểu đồ gradient) với đường cơ sở ban đầu; nếu chỉ số độ trôi vượt ngưỡng 0,15, cảnh báo sẽ kích hoạt việc huấn luyện lại. Việc huấn luyện lại với hình ảnh mới được khuyến nghị mỗi 1 đến 3 tháng hoặc bất cứ khi nào có nhà cung cấp cuộn thép mới được chứng nhận, vì độ nhám bề mặt vật liệu (Ra) có thể thay đổi từ 0,2 đến 0,8 µm giữa các nhà cung cấp. Hệ thống cũng yêu cầu hiệu chuẩn hàng tuần thời gian phơi sáng camera và cường độ chiếu sáng, sử dụng chi tiết tham chiếu được chứng nhận với kích thước đã biết, để đảm bảo độ chính xác đo lường duy trì trong phạm vi ±0,01 mm. Việc ghi nhật ký tất cả các lần loại bỏ sai và xem xét thủ công để tìm nguyên nhân gốc là rất quan trọng, vì dữ liệu này cung cấp cho vòng cải tiến liên tục cho cả hệ thống thị giác và chính quy trình dập.

Những thách thức triển khai chính là gì và làm thế nào để khắc phục chúng?

Những thách thức chính là xử lý chi tiết sau khi dập, cặn dầu hoặc dung dịch làm mát trên chi tiết, và rung động tần số cao từ máy dập. Bề mặt dầu gây chói và phản xạ không đồng nhất; điều này được khắc phục bằng cách sử dụng chiếu sáng phân cực với bộ lọc phân cực chéo, giảm chói 90%, hoặc lắp đặt dao khí để loại bỏ dầu thừa trước trạm thị giác. Cách ly rung động được thực hiện bằng cách gắn camera trên khung thép cứng với bộ giảm chấn cao su, giới hạn gia tốc dưới 0,5 g ở tần số 50 đến 200 Hz. Thách thức thứ hai là độ trễ dữ liệu: ở tốc độ 500 hành trình mỗi phút, camera phải kích hoạt chính xác tại điểm chết trên của máy dập; bộ mã hóa quay với 4.096 xung mỗi vòng quay cung cấp độ chính xác kích hoạt ±0,1 độ, đảm bảo định vị chi tiết nhất quán trong phạm vi ±0,05 mm. Tích hợp với hệ thống điều khiển máy dập hiện có có thể phức tạp, nhưng các hệ thống hiện đại sử dụng giao thức OPC-UA hoặc MQTT tiêu chuẩn để giao tiếp với PLC và MES, tránh khóa chặt độc quyền. Cuối cùng, việc thu thập dữ liệu huấn luyện ban đầu tốn thời gian; để tăng tốc, các nhà sản xuất có thể sử dụng tạo dữ liệu tổng hợp, tạo 10.000 hình ảnh lỗi qua phần mềm kết xuất 3D trong 2 ngày, nhanh hơn 5 lần so với lấy mẫu vật lý.

Câu hỏi thường gặp

Hệ thống thị giác trực tuyến có thể kiểm tra một chi tiết dập nhanh đến mức nào?

Tốc độ kiểm tra bị giới hạn bởi thời gian phơi sáng camera và thời gian suy luận AI, với các hệ thống hiện tại đạt kiểm tra đầy đủ trong 80 đến 150 mili giây mỗi chi tiết. Điều này hỗ trợ tốc độ máy dập lên đến 750 hành trình mỗi phút khi sử dụng một camera và lên đến 1.200 hành trình mỗi phút với nhiều camera bao phủ các khu vực khác nhau. Hệ thống sử dụng kỹ thuật đệm kép trong đó AI xử lý hình ảnh N trong khi camera chụp hình ảnh N+1, đảm bảo không có thời gian chết.

Kích thước lỗi tối thiểu mà AI thị giác có thể phát hiện là bao nhiêu?

Trong môi trường được kiểm soát với chiếu sáng tối ưu, AI thị giác có thể phát hiện các lỗi nhỏ tới 0,02 mm chiều rộng và 0,05 mm chiều dài, tương đương kích thước sợi tóc người. Đối với lỗi 3D như vết lõm hoặc phần nhô lên, máy tạo hồ sơ laser 3D có thể phân giải chênh lệch chiều cao 0,01 mm. Giới hạn thực tế bị ảnh hưởng bởi độ phân giải camera và trường nhìn; camera 5 MP bao phủ khu vực 100 mm x 100 mm cung cấp độ phân giải pixel 0,045 mm mỗi pixel.

Hệ thống AI có thể được huấn luyện lại cho một chi tiết mới mà không dừng sản xuất không?

Có, sử dụng kiến trúc hai mô hình trong

Bài Viết Liên Quan

• Hướng Dẫn Chọn Máy Ép Dập 2024: So Sánh Tốc Độ và Lực Giữa Máy Ép Cơ Khí, Thủy Lực và Servo
• Công nghệ dập kim loại cải thiện hiệu suất tản nhiệt như thế nào
• 5 Cách Đã Được Chứng Minh Để Giảm Chi Phí Trong Các Bộ Phận Dập Kim Loại