Deere は AI を利用して溶接孔の問題を解決

溶接は重機製造業界の不可欠な部分であり、溶接中に技術者が直面する課題の 1 つは気孔率 (溶接金属に空洞が存在すること) です。

これらの空洞は溶接強度を弱め、再加工または欠陥部品全体の廃棄さえも必要とします。

これには、費用と時間がかかる場合があります。訓練を受けた溶接技術者は、聴覚と視覚による検査で気孔を検出できますが、これらの技術者を見つけるのは難しい場合があります。また、騒々しく煙の多い工場設定で、欠陥を聞いたり見たりするのに苦労することもあります。

既存の自動監視システムでは、多くの場合、偽陽性率が高く、生産が遅くなり、コストが増加します。

農業、建設、林業機械を製造する John Deere は、Intel と提携して、この問題に対する人工知能 (AI) ベースのソリューションを構築しました。

マシン ビジョン ソリューションは、カメラの配置が困難になる可能性がある煙や火花を伴う非常に過酷な環境のため、溶接アプリケーション向けに作成することが長い間困難でした。

これらの課題を克服するために、John Deere とそのパートナーと協力して、カメラを溶接の近距離に配置し、人間の目の能力を超えた洞察を提供する AI ソリューションを作成しました。

このソリューションは、Intel OpenVINO (Visual Inference and Neural Network Optimization) ツールキットを利用して、ストリーミング ビデオをフレームごとに調べ、欠陥を探します。

AI モデルによって欠陥が特定されると、ソリューションは即座に溶接ロボットの電源を切り、技術者が安全に介入できるようにします。溶接プロセス中の溶接気孔率の問題に対処するための業界全体の過去の試みは、常に成功しているとは限りません。これらの欠陥が製造プロセスの後半で発見された場合、再作業や完全なアセンブリの廃棄が必要になり、混乱と費用がかかる可能性があります.

Deere とのパイロットに基づいて、このソリューションは最大 97.14% の精度で多孔性欠陥を検出できます。これは、製造業者にとって大きなコストと生産性の節約になります。スタンドアロン ソリューションは、サードパーティの電源や溶接ロボット モデルに依存しないため、真にスケーラブルです。

エンド ツー エンドの統合システムにより、メーカーは新規および既存の溶接機器を接続し、複数の計算集約型画像データ ストリームをキャプチャし、機械学習モデルをエッジ デバイスに展開することもできます。

もちろん、溶接品質の課題は John Deere だけのものではありません。ユニークなのはディアのアプローチです。同社のエンジニアは、AI とマシン ビジョンを活用して品質検査を自動化し、問題が発生したときに問題を検出できるようにして、工場現場での迅速な意思決定を促進し、QA プロセスを自動化して品質を向上させ、コストを削減し、工場のスループットを向上させています。

Deere と協力している間、当社が焦点を当てていたのは、会社が将来持つ可能性のある他の品質や効率のニーズをサポートするために、ソリューションの存続期間を確保することでした.

これは、既存の製造設備、プロセス、および管理にインテリジェンスを追加しようとしている企業にとって重要なポイントです。将来の柔軟性と使いやすさのために相互運用性とスケーラビリティを確保しながら、今日の課題の解決を支援できるソリューション プロバイダーと提携することが不可欠です。

「溶接は難しい。この AI ソリューションは、... マシンを以前よりも効率的に生産するのに役立つ可能性を秘めています」と Deere の建設および林業部門の品質ディレクターである Andy Benko 氏は述べています。