Metal imalatında yapay zekâ en çok kalite kontrolde işe yarar. Kamera parçanın görüntüsünü alır, yapay zekâ destekli görüntü işleme bu görüntüde çatlak, çizik ve yüzey kusuru arar, eksik parçayı ve kaynağı kontrol eder, kusurları tiplerine göre ayırır.
Metal parçayı gözle kontrol eden bir operatörü düşünün. Parlak, işlenmiş bir yüzeyde ince bir çizik ışığın açısına göre bir görünür bir kaybolur. Yağ lekesi, talaş izi ve döküm yüzeyinin doğal pürüzü de gerçek kusurla karışır. Aynı parçayı iki operatör farklı değerlendirir. Yapay zekâ bu tutarsızlığı ortadan kaldırır, çünkü her parçaya aynı modelle ve aynı ölçütle bakar.
Metal yüzey neden zor bir denetim alanı
Metal ışığı yansıtır. İşlenmiş ve parlak bölgeler kamerada parlama yapar, aynı kusur farklı açıdan farklı görünür. Bu yüzden metalde denetimin başarısı önce aydınlatma ve kamera açısına bağlıdır. Örneğin düz ışık altında görünmeyen ince bir çizik, yandan gelen bir ışıkla net bir gölge olarak ortaya çıkar. Görünümü her parçada değişen kusurlarda ise örnek görsellerle eğitilen bir yapay zekâ modeli, sabit kurallara göre çok daha tutarlı sonuç verir.
Yüzey kusurlarını yakalamak
Model yüksek çözünürlüklü görüntülerde çatlak, çizik, ezik ve gözenek arar. Kusurlu parçayı işaretler ve hattan ayırır. Kusuru erken yakalamak, o parçanın sonraki operasyonlara emek ve zaman harcatmasını da önler.
Kusurları tipine göre ayırmak
Bulunan kusurlar çizik, çökme, çatlak ya da gözenek gibi sınıflara ayrılır ve ayrı ayrı sayılır. Bu ayrım size hangi kusurun hangi operasyondan kaynaklandığını gösterir. Yüzeysel bir çizik rötuşla kurtarılabilir, bir çatlak ise parçayı doğrudan hurdaya gönderir. Ayrımı model yaptığında operatörün önüne yalnızca karar gerektiren parçalar gelir.
Kaynağı kontrol etmek
Punta ve saplama kaynaklarında kaynağın yerinde olup olmadığı, konumu ve görünümü kontrol edilir. Eksik ya da kaymış bir punta noktası görüntü üzerinde işaretlenir. Kontrolü kaynak hücresinin çıkışında ya da bir sonraki istasyonda yapabilirsiniz.
Eksik parçayı ve adedi kontrol etmek
Montajı biten üründe cıvata, somun, klips ya da alt bileşen gibi parçaların yerinde olup olmadığına bakılır. Eksik montajlı ürün bir sonraki istasyona geçmeden ayrılır. Aynı görüntüden parça ya da kusur sayımı da yapılabilir. Böylece sevkiyat öncesi adet kontrolü ve fire takibi elle sayıma gerek kalmadan yürür.
Kayıtlar size kusurun kaynağını gösterir
Her karar kusur tipi, konumu ve zamanıyla kaydedilir. Bu kayıtları vardiya, parti ve tezgah bazında açtığınızda kusurların nerede yoğunlaştığını görürsünüz. Örneğin belirli bir tezgahtan çıkan parçalarda çizik sayısı artıyorsa sorunun kaynağı muhtemelen o tezgahtaki takım ya da fikstürdür. Denetim böylece yalnızca kusurlu parçayı ayırmakla kalmaz, kusurun nereden geldiğini de gösterir.
İlk adım: numunelerle başlayın
En çok sorun yaşadığınız parçadan birkaç kusurlu ve birkaç kusursuz numune ayırın. Kamera ve aydınlatma bu numuneler üzerinde denenir, parlamanın nasıl yönetileceği ve modelin kusurları ne kadar güvenilir yakaladığı daha hat kurulmadan ölçülür. Denetimi kaynak ve pres hattındaki robotla aynı istasyonda kurmak da mümkün. Bu tür metal imalat otomasyonu projelerinde kamera, robotun parçayı bıraktığı noktaya yerleşir. Numuneleriniz hazırsa bize yazın, yapay zekâ destekli denetimi sizin parçalarınız üzerinde deneyelim.
Sık sorulan sorular
Parlak metal yüzeyde kusur tespiti yapılabilir mi?
Evet. Parlamayı azaltan aydınlatma ve kamera açısı numuneler üzerinde denenerek bulunur. Sistemin güvenilirliği de bu denemede ölçülür.
Mevcut kaynak robotuma kontrol eklenebilir mi?
Evet. Kamera hücrenin çıkışına ya da sonraki istasyona yerleştirilir, sonuç robot ya da hat kontrolcüsüne sinyal olarak gider.
Model için kaç numune gerekir?
Kusur tipine ve görünüm çeşitliliğine göre değişir. Çalışma kusurlu ve kusursuz numunelerin toplanmasıyla başlar, gerekli miktar deneme aşamasında netleşir.
