人工智能

减少质量缺陷及其涉及的工作量和成本，是当今制造业面临的最大挑战之一。由于产品不符合预期或达不到可接受的质量标准而不得不重新设计、返工，甚至为客户退款，可能对企业收入产生巨大的财务影响（高达 40%）。这就是为什么许多企业想方设法防止缺陷外流的原因。

但这不仅仅是识别缺陷那么简单。工业 4.0 的兴起迫使制造商让工厂变得更加智能。为了取得成功并保持竞争力，他们需要找到在一开始就能防止缺陷出现的方法，这需要了解质量问题发生的原因和位置。

许多企业已转向机器视觉解决方案来提供缺陷检测，但直到最近，这些系统还难以部署、长期维护、扩展，也很难超出检测异常的范畴。

幸运的是，视觉解决方案提供商 Eigen Innovations 提供了旨在让用户尽可能接近零缺陷制造的软件和服务。

“这不仅关系到检测和预防缺陷，还涉及利用过程数据帮助制造商深入了解过程内部发生的情况”，Eigen Innovations 的首席收入官 Jonathan Weiss 表示。

为制造商配备智能视觉

Eigen 通过首先关注互操作性来做到这一点。该公司开发的解决方案可直接集成到 PLC 中，并支持几乎任何符合行业标准的相机或传感器硬件，因此制造商可以轻松地开始运行机器视觉系统。

其直观的用户界面使制造公司能够设计和管理定制的视觉系统，实时执行在线质量检测，确保零部件存在，优化流程以及简化缺陷的根本原因分析。

例如，一家大型跨国纸浆和纸张制造商在大卷高光纸和层压板涂层的质量控制方面遇到困难，该公司求助于 Eigen Innovations 来实施机器视觉系统。

“他们遇到了一个与涂层堆积有关的问题，导致特种高光纸产品出现条纹”，Weiss 说。该公司无法验证涂层是否均匀涂抹。Weiss 补充说，“如果不均匀，即使只有 8-10 秒，也会导致意外停机，使设备停止运行。”

在 Eigen 的帮助下，该纸张制造商应用了一套智能视觉系统，从而能够发现层压板涂抹过程中的图案，并识别出涂层堆积的区域。Weiss 解释说，由于能够了解堆积的根本原因，并在问题开始发生时获得实时警报，该制造商每年能节省超过 100 万美元。

“视觉系统需要能够识别缺陷并采取相应措施”，Weiss 表示。（视频 1）“由于可以与控制网络通信，我们的解决方案允许制造商接收实时警报，并在检测到问题时触发自动响应。”

除了在线质量检查、实时监控和过程优化外，Eigen 还可以帮助制造商应对需要定期检查的需求。

例如，一家生产塑料部件的汽车原始设备制造商的每个工厂每周可生产超过 15,000 个零件。预计每个工厂有 42,000 个检查点。这个数量不仅无法手动处理，而且制造商需要查找的缺陷类型（例如焊接完整性问题）也不容易用人眼识别。

最初，该原始设备制造商考虑抽取随机样本并进行破坏性测试来检查组件完整性，但这会造成不必要的浪费和返工，而且无法保证在将产品运送给客户之前发现所有缺陷。

“最终，他们需要一种自动化的方式来保证质量和每周的产量”，Weiss 说。

通过与 Eigen 合作，该公司创建了一个解决方案，利用热成像仪捕捉焊接过程的各种视图。这些图像随后融合在一起，生成零件的数字映射，并且关键的过程数据将映射到检查区域，提供人眼无法提供的实时洞察。

“每个零件都要实时经历验证过程，几秒或几毫秒内即可完成”，Weiss 解释说。“他们目前达到的规模之大，仅依靠人眼是无法实现的。”

持续改进机器视觉解决方案

Eigen 以提供用户友好型机器视觉解决方案而自豪。机器操作员可以帮助实时训练和标记模型，确保解决方案随着时间的推移获得更高的准确性和性能。

“它非常易于使用，以至于我们的机器操作员和质量工程师在进行机器学习时甚至不知道他们正在进行机器学习”，Weiss 说。“例如，如果他们看到表面上有不应该存在的划痕，他们可以将其标记，更新模型，软件将来就会识别类似的划痕。”

该公司与英特尔的多层次合作关系使其能够快速测试、验证、采用机器视觉，并最终将其引入工厂。借助 OpenVINO^™ 工具套件，Eigen 不仅能够为用户优化其模型开发和性能，还能根据用例使用各种不同的相机和硬件。

“我们有许多客户已经尝试过视觉系统，能使用现有硬件这一事实对他们很有吸引力”，Weiss 说。“他们不必再进行大笔资本支出。”

未来的机器视觉

展望未来，Eigen 认为机器视觉将继续在制造业中发挥重要作用。随着制造商面临劳动力短缺和找不到熟练工人的问题，机器视觉解决方案将能够介入并填补空白。

“视觉系统将成为员工队伍中不复存在的操作员的眼睛”，Weiss 表示。“我们的解决方案为工厂人员提供了以最高标准有效完成工作所需的工具。”
 

本文由 insight.tech 的副主编 Christina Cardoza 编辑。