マシンビジョンを活用した製造欠陥の検出と防止

インダストリー 4.0 の台頭により、メーカーは生産ラインの速度と精度を向上させるというプレッシャーの増大に直面しています。

製造上の欠陥は大きな経済的負担となる可能性があります。 米国品質協会によると、多くの組織は売上収益の 15 ～ 20% を品質関連コストに費やしています。 総事業費の 40% もの支出。 製品が出荷される前に欠陥を検出し、発生する前に欠陥を防止するための一歩を踏み出すことで、スクラップややり直しが減り、時間が節約され、メーカーの収益が向上します。

メーカーは、人間の目だけに頼るのではなく、ソフトウェアとハ​​ードウェアの要素で構成されるマシン ビジョン ソリューションに目を向けて、製品の目視検査を実行しています。 マシンビジョン 検査プロセスから主観を排除し、より一貫性のある結果を提供し、人的ミスのリスクを排除します。

マシン ビジョンを使用すると、ソフトウェアがカメラから視覚入力を受け取り、見ているものを分析し、その情報に基づいて動作することができます。欠陥検出用のマシン ビジョン ソリューションでは、製品が完成するにつれて産業用カメラが画像をキャプチャします。欠陥検出ソフトウェアは、画像をスキャンして製品の欠陥を探し、異常にフラグを立て、不合格メカニズムをトリガーしてラインを開始し、現場の管理者にアラートを送信します。人間の検査官とは違い、 マシンビジョンカメラ データを取得して保持することで、製造プロセスにおける欠陥につながる問題を長期にわたってメーカーに知らせることができるため、予防技術を追求できるようになります。

図1： マシン ビジョン カメラは、欠陥を特定し、電子回路基板の適切な組み立てを保証するのに役立ちます。

テクノロジーは急速に進化していますが、一部の品質管理アプリケーションではマシン ビジョンが優れた選択肢となり、他のアプリケーションではそうでない要因があります。 マシンビジョンソリューションで使用される 高速カメラ 特定の詳細を探す場合、XNUMX 秒あたり多くの部品を検査できますが、ソフトウェアは、汚れ、向き、または閉塞による部品の外観の変化などの予期せぬ異常に対処することができません。 たとえば、半導体製造工場では、マシン ビジョンの欠陥検出ソリューションが各シリコン ウェーハの品質を評価し、ひび割れや欠陥がある場合には製品をラインから外す可能性があります。

市場にあるソリューションにはばらつきがありますが、ほとんどのソリューションは、ソリューションを立ち上げて実行し、時間の経過とともに結果を改善するパターンに従っています。

• 特徴抽出： まず、メーカーは欠陥をチェックするためのテンプレートをソフトウェアに提示します。 多くの場合、異常が発生した場合に欠陥としてフラグが立てられるように、特定の要素が強調表示された画像の形式で提供されます。 たとえば、自動車のバルブ スプリングが曲がった場合、マシン ビジョン ソリューションがアラートを送信し、ロボット アームがバルブ スプリングをラインから取り除きます。
• モデルのトレーニング： 実装が始まると、人間の管理者がラベル付きの画像をソフトウェアにフィードして、テンプレートに関する知識を深めます。 画像は、特定の欠陥が現れるかどうかに基づいて、良好な部分と不良な部分に分類されます。
• テスト： 厳密な試行と頻繁な修正を経て、欠陥検出が正確であることを確認すると、ソリューションは人間による継続的な監視なしで稼働できるようになります。

マシンビジョンは欠陥のパターンを迅速にカタログ化できるため、人間の検査員よりも優れており、このシステムは欠陥の根本原因を特定するのに役立ちます。 このソフトウェアは製造分析をリアルタイムで適用することで、製品ラベルの位置がずれているなど、どの変数が正しくなかったかを正確にマークし、欠陥がいつどのくらいの頻度で発生するかを記録できるため、管理者は根本原因を特定できます。

製造施設におけるマシンビジョンの欠陥検出と防止には、幅広い潜在的な用途が存在します。 いくつかの例を示します。

• 製造工場: 高解像度のマシンビジョンカメラは、製品の最も小さな異常も検出できます。 このレベルの詳細な検査は、製品が医療機器や自動車のエンジン部品など、欠陥があると危険な場合に特に重要です。
• 食料生産： 食品製造プロセスでは、マシンビジョンを使用して、ラベルの間違ったパッケージを見つけ、ラベルのテキストとバーコードを読み取り、ポテトチップスの調味料などの添加成分の量を監視できます。 マシンビジョンソリューションは、ラベル、原材料、安全シールなどの詳細に関する文書とデータを提供することで、食品メーカーが厳しい業界基準や規制を満たすのに役立ちます。
• 交通： マシンビジョンテクノロジーを使用することで、自動車メーカーは組み立てプロセスを監視し、リアルタイムで欠陥を特定できます。 たとえば、ソフトウェアは車のタイヤの表面の欠陥にフラグを立て、それをラインから外すように人間またはロボットに通知する可能性があります。 自動システムを使用して欠陥部品を特定し、除去すると、記録されたデータのストリームが提供されるため、規制遵守に役立ちます。

医療業界： 病院、医師、患者向け​​に作られた製品は、正しく密封され、ラベルが貼られていることを確認するために注意深く検査する必要があります。 投薬ミスの影響 米国では毎年XNUMX万人以上の患者がおり、 そして、マシンビジョンソリューションは、人間の検査員が見ることができない欠陥を検出することで、その数を減らすことができます。

Emergent は、次の機能と信頼性を活用します。 GigEビジョン また、広くアクセス可能なイーサネット インフラストラクチャにより、堅牢で信頼性の高いデータの取得と送信が保証され、優れたパフォーマンスが実現されます。最適化された GigE Vision セットアップを利用し、NVIDIA のようなテクノロジをサポートすることにより、 GPUダイレクト Emergent は、GPU メモリに直接画像を転送するため、大量のデータ転送を処理する際のシステムの CPU とメモリの負担を軽減します。 代わりに、GigE Vision 標準との互換性と、準拠したソフトウェアおよび周辺機器との相互運用性を維持しながら、データ処理タスクに GPU の能力を利用します。

図3： Sony PolarSens CMOS 偏光センサーでは、すべてのレンズ上の小さなワイヤーグリッド偏光子が 0 ピクセル グループで 45°、90°、135°、XNUMX° の偏光角を持っています。

追加のカメラオプションについては、こちらをご覧ください。 インタラクティブなシステムデザイナーツール。