Deere wendt zich tot AI om problemen met lasporositeit op te lossen

Lassen is een integraal onderdeel van de industrie voor de productie van zware apparatuur en een van de uitdagingen waarmee technici tijdens het lassen worden geconfronteerd, is porositeit:de aanwezigheid van holtes in het lasmetaal.

Deze holtes verzwakken de lassterkte en vereisen herbewerking of zelfs sloop van het gehele defecte onderdeel.

Dit kan kostbaar en tijdrovend zijn. Hoewel getrainde lastechnici porositeit kunnen detecteren met auditieve en visuele inspectie, kunnen deze technici moeilijk te vinden zijn. Ze kunnen ook moeite hebben met het horen of zien van defecten in luide en rokerige fabrieksinstellingen.

Bestaande geautomatiseerde bewakingssystemen ervaren vaak een hoog percentage valse positieven, wat de productie vertraagt ​​en de kosten verhoogt.

John Deere, die landbouw-, bouw- en bosbouwmachines maakt, werkte samen met Intel om een ​​op kunstmatige intelligentie (AI) gebaseerde oplossing voor dit probleem te bouwen.

Machine vision-oplossingen zijn lang moeilijk te maken geweest voor lastoepassingen vanwege extreem zware omgevingen met rook en vonken die problemen kunnen opleveren bij het plaatsen van de camera.

Om deze uitdagingen het hoofd te bieden, hebben we met John Deere en onze partners samengewerkt om een ​​AI-oplossing te creëren met een camera die dichtbij de las is geplaatst, waardoor inzichten worden geboden die verder gaan dan het menselijk oog.

Gebruikmakend van de Intel OpenVINO-toolkit (Visual Inference en Neural Network Optimization) onderzoekt de oplossing de streaming video frame voor frame, op zoek naar defecten.

Wanneer defecten worden geïdentificeerd door het AI-model, schakelt de oplossing de lasrobot direct uit zodat een monteur veilig kan ingrijpen. Eerdere pogingen in de industrie om problemen met de porositeit van de las tijdens het lasproces aan te pakken, zijn niet altijd succesvol geweest. Als deze gebreken later in het productieproces worden gevonden, moeten ze opnieuw worden bewerkt of zelfs worden gesloopt, wat storend en duur kan zijn.

Op basis van onze pilot met Deere kan de oplossing porositeitsdefecten detecteren met een nauwkeurigheid tot 97,14 procent - een enorme kosten- en productiviteitsbesparing voor fabrikanten. De stand-alone oplossing is niet afhankelijk van een externe voeding of het model lasrobot, waardoor deze echt schaalbaar is.

Het end-to-end, geïntegreerde systeem stelt fabrikanten ook in staat om nieuwe en bestaande lasapparatuur aan te sluiten, meerdere computerintensieve beeldgegevensstromen vast te leggen en machine learning-modellen in te zetten op edge-apparaten.

Uitdagingen op het gebied van laskwaliteit zijn natuurlijk niet uniek voor John Deere. Uniek is de aanpak van Deere. Ingenieurs bij het bedrijf leunen op AI en machinevisie om kwaliteitsinspectie te automatiseren, waardoor ze problemen kunnen detecteren wanneer ze zich voordoen om snelle besluitvorming op de fabrieksvloer te stimuleren, het QA-proces te automatiseren om de kwaliteit te verbeteren, de kosten te verlagen en de fabrieksdoorvoer te verhogen.

Tijdens onze samenwerking met Deere lag onze focus erop om de levensduur van de oplossing te garanderen om andere kwaliteits- of efficiëntiebehoeften te ondersteunen die het bedrijf in de toekomst zou kunnen hebben.

Dit is een groot voordeel voor bedrijven die intelligentie willen toevoegen aan bestaande productieapparatuur, -processen en -beheer. Het is van essentieel belang om samen te werken met leveranciers van oplossingen die kunnen helpen bij het oplossen van de uitdagingen van vandaag en tegelijkertijd zorgen voor interoperabiliteit en schaalbaarheid voor flexibiliteit en gebruiksgemak voor de toekomst.

“Lassen is ingewikkeld. Deze AI-oplossing heeft het potentieel om ons te helpen onze ... machines efficiënter dan voorheen te produceren", zegt Andy Benko, kwaliteitsdirecteur bij Deere's constructie- en bosbouweenheid.