ソリューションアプリケーション(Page 2)
SOLUTIONS —

アプリケーション

AI ビジョン アプリケーションは、カメラとディープラーニングを使用して、製品の検査、部品のカウント、コードの読み取り、アセンブリの検証、ロボットの誘導などを自動的に行うことで、製造業にインテリジェントな自動化をもたらします。各アプリケーションはタスクごとに編成されています。これは、カメラが何を認識するか、モデルがどのようにトレーニングされるか、出力が検査の決定であるか物理的な動きであるかがタスクによって決定されるためです。アプリケーションは、AI Inspection と AI Robotics の 2 つのファミリーに分類されます。各ページには、そのタスク向けの実証済みの実稼働デプロイメントがまとめられており、自社のラインに最適なアプリケーションを見つけるのに役立ちます。

AI検査

自動化に抵抗のあるチェックに AI 検査を適用: 固定パターンのない欠陥、人間のみが記録できる測定値、注意力に依存する手順。各ページには、ルールや視覚が欠落し続けていたチェックをカメラや AR デバイスが引き継いだ展開が集められています。

工業用 OCR は、金属にエッチングされた文字、反射キャップ上の湾曲した文字、またはプロセス自体によってぼやけた文字など、ドキュメント スキャナーでは設計されていなかったマーキングを読み取ります。これらの導入では、手動でキー入力することなく、トレーサビリティ システムに取り込まれたシリアル番号とバッチ コードが表示されます。

AI カウントは、積み重ねられたり、重なり合ったり、またはすべて同じように置かれているアイテムに対して、誰もが不信感を抱いているにもかかわらず繰り返し行われる集計を削除します。ここでの展開では、カメラビューから数秒で行われた棚卸とセットチェックが表示され、集計者によって合計は変わりません。

AI の仕分けと分類は、農産物のグレードやほぼ同一のコインなど、固定ルールでは微妙すぎる違いがあるアイテムを処理します。これらの展開は、サンプル画像から学習した並べ替えを示し、一定のしきい値の調整を必要とする自然な変化に対応しています。

AI アセンブリ検証は、ユニットがまだステーションにある間に間違ったコンポーネントや欠落しているコンポーネントを検出します。この場合、分解ではなく再作業に数分かかります。これらのデプロイメントでは、オペレーターの速度を低下させることなく、リアルタイムで正しい構成と照合してチェックされたビルドが表示されます。

AI 欠陥検出は、ルールでは不可能な問題、つまり、二度と同じに見えない欠陥、位置の移動、背景テクスチャに隠れる問題に答えます。これらの展開は、メーカーが少数のラベル付き画像から検出をトレーニングし、新しい欠陥タイプが出現しても精度を維持していることを示しています。

AI 品質検査はラインの最後での判断を引き継ぎます。そこでは製品は全体として合格する必要があり、許容可能なばらつきは欠陥によく似ています。ここでの展開は、人間の採点者に疲労によるドリフトを引き起こすことなく、ライン速度で実行される最終チェックを示しています。

存在と不在の検出により、欠落した部品がすり抜けてしまう隙間を埋めます。部品が非常に小さいか、または空の位置をかすめて通過してしまうほど多数の部品です。これらの展開では、ユニットが移動する前に、手で数えることができない速度で確認されたすべてのポケット、コネクタ、ファスナーが表示されます。

AI遠隔監視は、巡回の代わりにカメラを設置し、現場を離れることはなく、訪問の合間にのみ故障する機械や計器を監視します。これらの展開は、既存の IP カメラが継続的な監視に変わり、異常な状態が行動を必要とする人に押し付けられることを示しています。

ゲージの自動読み取りにより、ダイヤルまで歩き、目を細めて、システムが検証できない番号を書き留めるというルーチンが不要になります。これらの導入では、アナログ ゲージとインジケータ パネルが記録されたデジタル データに変換され、範囲外の測定値が発生した瞬間にフラグが立てられることが示されています。

AI安全監視は、積み込み手順から患者への汚染に至るまで、手順ミスがインシデントとなるチェックを対象としています。これらの展開では、毎回文書化された基準に照らして検査が実行され、誰の記憶にも依存しない記録が示されています。

AI SOP への準拠は、文書化された手順と、経験豊富なオペレーターがドリフトし、新人オペレーターが推測するステーションで実際に起こっていることとの間のギャップに対処します。これらの展開では、次の監査時ではなく、その時点でスキップまたは並べ替えられたステップを捕捉する AR ガイダンスが表示されます。

AIロボティクス

処理タスクを自動化するための AI ロボティクス アプリケーションは、かつては廃棄物として扱われていました。たとえば、ビンの中で乱雑に並べられた部品、パターンなく積み上げられたパレット、サイクルごとに異なる位置に置かれるワークピースなどです。各ページには、3D ビジョンが固定プログラミングではできない位置データをロボットに提供する導入例が集められています。

視覚誘導ロボット工学は、プログラムが想定する場所に正確に配置されることのない、教示されたパスと実際の部分との間のギャップを埋めます。これらの導入では、ロボットがワークピースの実際の位置にシール、トリミング、マーキング、研削を行い、サイクルごとに新たに測定されることを示しています。

ロボットによるビンピッキングは、ロボットをビンから遠ざけていたプレゼンテーション上の問題、つまり部品がランダムに乱雑になったり、重なり合ったり、反射したり、半透明になったりする問題を解決します。これらの展開では、3D ビジョンが各部品の衝突のないピックを、直径数ミリメートルの破片に至るまで見つけ出すことを示しています。

部品の向きが固定されていない状態で到着するため、ロボット機械が積み込みステップを手作業で行っています。これらの導入では、3D ビジョンが生のワークピースをビンから直接ピック座標を生成するため、機械はサイクル間で人を待つ必要がなくなりました。

視覚ガイドによるピック アンド プレイスにより、厳密な自動化に必要な治具やフィーダーが不要になり、固定されていない状態や混在した状態で到着したアイテムの位置が特定されます。これらの導入では、ロボットが部品ごとに専用の工具を使用せずに、ギアの積み込み、組立ラインへの供給、壊れやすい商品の取り扱いを行っていることが示されています。

箱のサイズ、ラベル、積み上げパターンが異なる場合、混合ケースの荷物をロボットでデパレタイズします。 AI ビジョンは最上層をセグメント化し、サイクルごとにいくつかのケースを選択し、プログラム対象の固定パターンなしで到着するパレットを処理します。

グラスファイバーボビンのロボットによるラック外し、さまざまな間隔と位置合わせで到着する輸送ラックから重いスプールを持ち上げます。 3D ビジョンが各ボビンの位置を特定するため、ロボットは扱いにくい大量の部品を手作業で扱うことなくアンロードできます。

ロボットによるキッティングは、フィーダーベースの自動化を打ち破る部品の多様性を実現します。1 つのキットには、5 ミリメートルのワッシャーに至るまで数十のコンポーネントが含まれます。これらの展開では、部品番号ごとに専用のフィーダーを構築することなく、混合セットが識別され、ビンから組み立てられることが示されています。

3D マッチングによってガイドされるロボットによる研削とレール エッジのトリミング。鋳造部品と溶接部品のばらつきが大きく、教示されたパスでは材料が残されたり、深く切断されすぎたりします。ロボットは各部品を測定し、ツールパスを実際の形状に適合させます。

3D マッチングは、サイクルごとに、プログラムが部品が配置されていると想定している場所と実際の場所との間のギャップを埋めます。これらの展開では、参照モデルに位置合わせされたスキャンされたワークピースが表示されるため、ツールは再固定せずに曲面や一貫性のない表面を追跡します。

SolVision · Defect detection
Run your own parts through SolVision —
Bring your defect images, get a trained inspection model back.