男女性高爱潮免费视频

  1. <code id="gimn9"></code>

  2. <code id="gimn9"></code>

    <code id="gimn9"></code><object id="gimn9"></object><nav id="gimn9"><video id="gimn9"></video></nav>

    <del id="gimn9"></del><center id="gimn9"></center>

      為機床工具企業提供深度市場分析                     

    用戶名:   密碼:         免費注冊  |   申請VIP  |  

    English  |   German  |   Japanese  |   添加收藏  |  
    機床電器

    車床 銑床 鉆床 數控系統 加工中心 鍛壓機床 刨插拉床 螺紋加工機床 齒輪加工機床
    磨床 鏜床 刀具 功能部件 配件附件 檢驗測量 機床電器 特種加工 機器人

    機床電器

    電工電力 工程機械 航空航天 汽車 模具
    儀器儀表 通用機械 軌道交通 船舶

    搜索
    熱門關鍵字:

    數控機床

     | 數控車床 | 數控系統 | 滾齒機 | 數控銑床 | 銑刀 | 主軸 | 立式加工中心 | 機器人
    您現在的位置:機床電器網> 技術前沿>臺達AI視覺檢測解決方案高效掌握瑕疵零件大幅提升產品良率
    臺達AI視覺檢測解決方案高效掌握瑕疵零件大幅提升產品良率
    2020-2-21  來源:中達電通  作者:-
     
           工業 4.0 在全球制造業掀起智能化浪潮,通過智能制造系統,制造流程將可大幅優化,進而提升產線效能、降低成本支出,在智能制造系統中,人工智能扮演了重要角色,尤其是深度學習(Deep Learning)演算法更開始被應用到產線系統中的視覺檢測,快速而精準的判別產品瑕疵。
      
           機器視覺檢測有效取代人眼,全靠“深度學習”
      
           深度學習屬于機器學習的領域,其演算方式是通過不斷重復判別物件獲得龐大數據,再經過大量的運算讓精準度不斷接近完美,臺達指出,目前深度學習已經被大量應用于各種領域,制造業的視覺檢測則是其中重點應用。
      
           產品檢測是制造業質量管理的一環,過去皆由現場作業員親力親為,然而人眼有其極限,檢測速度與正確率會隨著作業時間拉長降低,再加上產線速度越來越快、產品體積逐漸輕薄短小,后期機器視覺開始取代人眼,成為產線檢測主流。
      
           在產線中,視覺檢測有四大主要功能,包括量測、辨識、定位、檢查等,而檢測是所有功能中最困難的部分,由于現場人員對瑕疵的認知不同,因此即便是已然自動化的機器視覺,仍會存在因系統設定或現場質管人員不同,導致出貨產品質量無法一致性的問題,要解決此一問題,臺達指出深度學習將會是最佳方式。
      
      
           純 AOI 系統將快速消失,結合 AI 成轉型關鍵
      
           將深度學習導入至產線檢測,對制造業與系統供應商兩端來說,都可提升工作效率。在使用者端,視覺檢測系統可以省下大量人眼檢核的成本,機器視覺軟硬件架構的準確率與判斷速度,已遠遠超過人眼,而且設定完成后,即可長時間不間斷且以一致標準的工作,將可為制造業者省下大量的人力成本。
      
           過往的機器視覺系統,每一次上線都必須不斷調整設定,在智能制造概念中,產線必須可快速回應訂單,彈性調整生產內容,現行機器視覺檢測的繁復設定將難以滿足彈性化生產需求,深度學習架構只要事先通過訓練,即可快速上線使用,且還能自主學習,系統可以自動找出最佳的 OK/NG 參數,不必再由人員調整,在此狀態下,各設備的瑕疵檢測標準將可一致性,不會因品牌、使用時間的不同產生差別。
      
           至于系統整合商,運用人工智能也將強化市場競爭力。人工智能在視覺檢測市場正加速普及,純 AOI 系統在制造業的競爭力將會快速消失,不過臺達也指出,現在市場對人工智能的導入也有迷思,多數廠商認為將 AOI 全面替換為人工智能,將可立即降低漏檢與誤判機率,然而這種一步到位的想法在實際狀況中并不可行,反而會讓漏檢和誤檢率大幅增加,建議應該保留現行 AOI 功能并結合人工智能,才能迭加兩者的優勢。
      
           產品漏檢率趨近于零,誤判率極低
      
           臺達針對視覺檢測所推出的 DAVS 即是以人工智能為核心的運送系統,此系統可以結合既有的 AOI 系統,讓既有設備可延長使用年限,以此保障制造業者過去的投資,而人工智能與 AOI 整合的模式,也提升了產品的檢出率。
      
           以SMT用電感(用于手機/小型化PCB)為例,除非是嚴重裂紋,否則傳統的 AOI 系統常無法判斷影像中的線條是原有紋路或裂痕,且AOI對其中度裂紋的檢出率小于 50%,輕微裂紋檢出率更是在 5% 以下,加裝 DAVS 之后,檢出率大幅提升,不但漏檢率為零,誤判率更低于 0.3%。
      
           臺達指出,工業 4.0 強調產線彈性化與快速自主學習,DAVS 通過人工智能與 AOI 的結合,以深度學習解決了現在 AOI 系統難以檢測的產品瑕疵,同時讓漏檢率趨近于零,達到超高檢出率需求,藉此提升出貨產品質量。
      
           此外 DAVS 容易安裝的特色,可讓檢控設備建置在產線中的每一個重要環節,一旦制造過程中出現錯誤,系統就可立即提醒改善,避免將錯誤累積到最后檢測端,造成更大的成本浪費,也由于 DAVS 可大幅減少人力與管理成本,其投資可在 0.8~1.5 年之間回收。臺達以自身打造AOI設備的扎實經驗,建議制造業者可依自身需求,于AOI設備加裝建置便利的人工智能視覺檢測系統,向智能制造更邁近一步。
        投稿箱:
            如果您有機床行業、企業相關新聞稿件發表,或進行資訊合作,歡迎聯系本網編輯部, 郵箱:skjcsc@vip.sina.com
    男女性高爱潮免费视频

    1. <code id="gimn9"></code>

    2. <code id="gimn9"></code>

      <code id="gimn9"></code><object id="gimn9"></object><nav id="gimn9"><video id="gimn9"></video></nav>

      <del id="gimn9"></del><center id="gimn9"></center>