Կերամիկական ենթաշերտի արտադրության մեջ, կառուցվածքային կարևորագույն թերությունները և բարենպաստ կոսմետիկ անոմալիաները հուսալիորեն տարբերելու անկարողությունը ուղղակիորեն քայքայում է շահույթի սահմանները: Ժամանակակից էլեկտրոնիկան հիմնված է անթերի կերամիկական հիմքերի վրա՝ ջերմությունը ցրելու և հոսանք փոխանցելու համար: Մակերեւույթի նշանի սխալ դասակարգումը որպես միկրոճեղք հանգեցնում է անհարկի ջարդոնի: Սա առաջացնում է թանկարժեք կեղծ մերժումներ: Ընդհակառակը, իրական միկրոճեղքի բացակայությունը վտանգում է դաշտի աղետալի ձախողումներ ծայրահեղ ջերմային կամ մեխանիկական սթրեսի պայմաններում: Բարձր հուսալիության ոլորտները չեն կարող հանդուրժել այս կեղծ ընդունումները:
Այս ուղեցույցը խախտում է այս անոմալիաների կառուցվածքային տարբերությունները: Մենք գնահատում ենք արդյունաբերության մեջ օգտագործվող ընթացիկ ստուգումների մեթոդաբանությունները: Դուք նաև կգտնեք տեսչական համակարգ ընտրելու գործնական շրջանակ: Դուք կսովորեք, թե ինչպես հավասարակշռել բարձր արագության թողունակությունը ճշգրիտ ճշգրտությամբ: Ի վերջո, դուք կարող եք պաշտպանել ձեր բերքատվությունը՝ պահպանելով որակի խիստ չափանիշները:
Արատների ծանրությունը. միկրոճաքերը խախտում են կառուցվածքի ամբողջականությունը և տարածվում սթրեսի պայմաններում; մակերևույթի հետքերը սովորաբար մակերեսային են, կոսմետիկ արտեֆակտներ բեռնաթափումից կամ գործիքավորումից:
Կոնտրաստային մարտահրավեր. կերամիկայի բարձր արտացոլումը և բարդ հացահատիկային կառուցվածքը դարձնում են ավանդական կանոնների վրա հիմնված օպտիկական ստուգումը հակված կեղծ մերժման բարձր մակարդակի:
Տեխնոլոգիաների տեղաշարժ՝ արդյունավետ կերամիկական ենթաշերտի միկրոճաքերի ստուգումն ավելի ու ավելի է հիմնվում արհեստական ինտելեկտի վրա հիմնված մեքենայական տեսլականի վրա՝ արատների մորֆոլոգիան կամ ուլտրաձայնային փորձարկումը ստորգետնյա վավերացման համար համատեքստային դարձնելու համար:
Գնահատման չափանիշ. Ստուգման արդիականացման համար հաջողության առաջնային չափանիշը գերմարդկանցության մակարդակի (կեղծ դրական) նվազումն է՝ առանց փախուստի (կեղծ բացասական) բարձրացման:
Որակի ապահովման բաժինները բախվում են նուրբ հավասարակշռման ակտի: Նրանք պետք է բռնեն յուրաքանչյուր մահացու թերություն՝ չհեռացնելով լավ ապրանքները: Կերամիկական թերությունների սխալ դասակարգումը մեծապես ազդում է ձեր արտադրության արդյունավետության վրա: Այն արհեստականորեն բարձրացնում է ձեր մեկ միավորի ծախսերը և նվազեցնում ընդհանուր եկամտաբերությունը:
Ֆունկցիոնալ կատարյալ ենթաշերտերից հրաժարվելը վնասում է ձեր շահույթի մարժան: Գործիքների անվնաս նշանները հաճախ ավտոմատ օպտիկական ազդանշաններ են առաջացնում: Մակերեսային քերծվածքները վատ լուսավորության պայմաններում խիստ են թվում: Այս ընդունելի միավորներից հրաժարվելը արհեստականորեն նվազեցնում է ձեր եկամտաբերությունը: Այն ստիպում է ձեր հաստատությանը ավելի շատ միավորներ արտադրել՝ քվոտային բավարարելու համար: Այս գերարտադրությունը լրացուցիչ հումք է սպառում։ Այն նաև վատնում է մեքենայի արժեքավոր ժամանակը և օպերատորի աշխատանքը: Գերազանցման տոկոսադրույքները ուղղակիորեն խաթարում են ձեր արտադրական արդյունավետությունը:
Կեղծ բացասականները շատ ավելի լուրջ վտանգ են ներկայացնում: Microcracks- ը գործում է որպես ուժեղ սթրեսի կենտրոնացում: Նրանք մեծ ռիսկեր են ներկայացնում բարձր հուսալիության ծրագրերում: Օդատիեզերական բաղադրիչները և էլեկտրաէներգիայի էլեկտրոնիկան պահանջում են անթերի բաղադրիչներ: Չբացահայտված միկրոճեղքը կարող է առաջացնել ենթաշերտի կոտրվածք: Այն նույնիսկ կարող է առաջացնել ջերմային արտահոսք մարտկոցների համակարգերում: Նման խափանումները հանգեցնում են ապրանքների զանգվածային հետկանչման: Նրանք ներկայացնում են պատասխանատվության լուրջ ռիսկեր և ընդմիշտ վնասում ապրանքանիշի հեղինակությանը: Խուսափող թերություններն անընդունելի են զրոյական արատներով արտադրական միջավայրերում:
Ստուգման կենսունակ լուծումը պետք է համապատասխանի երեք կարևորագույն չափանիշներին.
Արագություն. Այն պետք է ներկայացնի կրկնվող դասակարգում արտադրական գծի արագությամբ: Մեկ ժամում միավորները (UPH) չեն կարող ընկնել:
Ճշգրտություն. այն պետք է հետևողականորեն նվազեցնի ավելորդ սպանությունների մակարդակը, մինչդեռ փախուստի դրույքաչափերը զրոյական են:
Համապատասխանություն. Այն պետք է խստորեն պահպանի ոլորտին բնորոշ որակի չափանիշներին: Դրանք ներառում են IPC և MIL-STD կանոնակարգերը:
Այս չափանիշներին համապատասխանելը պահանջում է դուրս գալ մարդկային սուբյեկտիվ ստուգումից: Ձեզ անհրաժեշտ են ավտոմատացված, կրկնվող և համատեքստում տեղյակ համակարգեր:
Այս անոմալիաների ֆիզիկական բնույթը հասկանալը շատ կարևոր է: Դուք չեք կարող վարժեցնել AI կամ կարգավորել օպտիկական համակարգը առանց այս գիտելիքների: Միկրոճեղքերը և մակերեսային հետքերը ծագում են բոլորովին տարբեր գործընթացներից: Նրանք նաև ցուցադրում են հստակ ձևաբանական գծեր խոշորացման տակ:
Միկրոճեղքերը սպառնում են ամբողջ ենթաշերտի ֆիզիկական կայունությանը: Նրանք փոխզիջում են դիէլեկտրական ուժը և մեխանիկական ամրությունը:
Արմատային պատճառները. Ջերմային ցնցումները հաճախ առաջացնում են այս կոտրվածքները: Ախտացման գործընթացում անհավասար սառեցումը առաջացնում է զանգվածային ներքին սթրես: Մեխանիկական սթրեսը խորանարդի կամ սինուլյացիայի ժամանակ նույնպես կոտրում է նյութը: Ագրեսիվ լազերային կտրումը կարող է առաջացնել միկրո կոտրվածքներ կտրված եզրի երկայնքով:
Բնութագրերը. Այս թերությունները սովորաբար խորը և նեղ են: Նրանք հաճախ հայտնվում են ատամնավոր կամ ճյուղավորվող նախշերով: Նրանք խորը ներթափանցում են ենթաշերտի մատրիցը: Քանի որ դրանք խաթարում են կառուցվածքային ցանցը, նրանք ունեն տարածման մեծ ներուժ: Ջերմային ցիկլով փոքր միկրոճեղքը կընդլայնվի այնքան ժամանակ, մինչև հիմքը փշրվի:
Կոսմետիկ անոմալիաները խնդրահարույց տեսք ունեն, բայց ֆունկցիոնալ վտանգ չեն ներկայացնում: Նրանք չեն ներթափանցում ներքին կառուցվածքը:
Արմատային պատճառները. քերծվածքների հետ վարվելը ամենատարածված մեղավորն է: Ենթաշերտերը քսվում են փոխակրիչ գոտիներին կամ ավտոմատ բռնակներին: Գործիքների շփումը մետաղական մնացորդներ է թողնում կերամիկական դեմքի վրա: Աննշան ջնարակի կամ ցեխի անհամապատասխանությունները նույնպես ստեղծում են տեսողական գունաթափումներ:
Բնութագրերը. Մակերեւութային նշանները սովորաբար մակերեսային են և լայն: Նրանք ցուցադրում են միատեսակ նախշեր, այլ ոչ թե ատամնավոր եզրեր: Նրանք մնում են խստորեն սահմանափակված վերին մակերեսային շերտով: Նրանք բացարձակապես ոչ մի ազդեցություն չունեն դիէլեկտրական ուժի վրա: Նրանք չեն թուլացնում վերջնական բաղադրիչի մեխանիկական ամրությունը:
Արդյունավետ իրականացում կերամիկական ենթաշերտի միկրոճաքերի ստուգումը ներառում է զգալի ֆիզիկական խոչընդոտների հաղթահարում: Կերամիկան իրեն շատ տարբեր է պահում մետաղներից կամ պլաստմասսայից՝ ստուգման լուսավորության ներքո: Նրանց օպտիկական հատկությունները ակտիվորեն պայքարում են ստանդարտ տեսողության տեսախցիկների դեմ:
Ալյումինի և ալյումինի նիտրիդի ենթաշերտերը բարձր անդրադարձնող են: Նրանք առանձնանում են բարդ, բյուրեղային հացահատիկի կառուցվածքներով: Այս նյութերը անկանխատեսելիորեն ցրում են միջադեպի լույսը: Այս անկանխատեսելի ցրումը առաջացնում է կոշտ ստվերներ ամբողջ մակերեսով: Այս ստվերները հեշտությամբ ընդօրինակում են իրական ճաքերի մուգ գծերը: Ընդհակառակը, չափազանց շողալը ամբողջությամբ լվանում է մակերեսային թերությունները: Ստանդարտ օղակաձև լույսերը սովորաբար ձախողվում են այս նյութերի վրա: Ձեզ անհրաժեշտ է առաջադեմ լուսավորություն՝ փայլը թափանցելու համար:
Մազերի գծի միկրոճաքերը չունեն տեսողական տարբերակում: Նրանք հաճախ կիսում են մոխրագույնի նույն արժեքները, ինչ շրջապատող կերամիկական հացահատիկի սահմանները: Ավանդական ավտոմատացված օպտիկական ստուգումը (AOI) հիմնված է պիքսելների կոնտրաստի կանոնների վրա: Եթե պիքսելը շեմից ավելի մուգ է, համակարգը նշում է թերությունը: Քանի որ հատիկների սահմանները և միկրոճեղքերը կիսում են մթության նույն մակարդակները, կանոնների վրա հիմնված ալգորիթմները ձախողվում են: Նրանք ջախջախում են եզրերի հայտնաբերման ստանդարտ գործիքները՝ առաջացնելով կեղծ մերժման զանգվածային ցատկեր:
Վաղ փուլի միկրոճեղքերը աներևակայելի փոքր են: Նրանք կարող են ունենալ ընդամենը մի քանի միկրոն լայնություն: Այս անոմալիաների հայտնաբերումը պահանջում է չափազանց բարձր լուծաչափի օպտիկա: Այնուամենայնիվ, բարձր լուծաչափով տեսախցիկները ներհատուկ կերպով նվազեցնում են տեսադաշտը (FOV): Ավելի փոքր FOV նշանակում է, որ տեսախցիկը պետք է ավելի շատ նկարներ անի մեկ սուբստրատը ծածկելու համար: Սա կտրուկ դանդաղեցնում է ստուգման ժամանակները: Միկրոն մակարդակի հայտնաբերման հավասարակշռումը բարձր արագությամբ արտադրության հետ մնում է առաջնային ինժեներական մարտահրավեր:
Ստուգման ճիշտ տեխնոլոգիայի ընտրությունը որոշում է ձեր հաջողությունը: Տարբեր համակարգեր ուղղված են տարբեր տեսակի անոմալիաների: Դուք պետք է համապատասխանեցնեք ձեր տեխնոլոգիայի ընտրությունը ձեր հատուկ որակի պահանջներին:
Կերամիկական զննման տեխնոլոգիաների համեմատություն
Տեխնոլոգիա |
Առաջնային ուժեղ կողմեր |
Հիմնական սահմանափակումներ |
Լավագույն օգտագործման դեպք |
|---|---|---|---|
Ավանդական AOI |
Բարձր արագություն, կանոնների հեշտ կարգավորում, ծախսարդյունավետ: |
Բարձր կեղծ մերժումներ ցածր կոնտրաստային թերությունների վրա: |
Կոպիտ թերությունների հայտնաբերում կամ մետաղականացման բացակայություն: |
AI / Deep Learning |
Համատեքստային ըմբռնում, տարբերում է նշանները ճաքերից: |
Պահանջում է տվյալների կայուն հավաքածուներ և վերապատրաստման ժամանակ: |
Բարձր ճշգրտության ներգծային մակերևույթի ստուգում: |
Ուլտրաձայնային (SAM) |
Հայտնաբերում է թաքնված ներքին դատարկությունները և խորը ստորգետնյա ճաքերը: |
Դանդաղ թողունակությունը, հաճախ պահանջում է ջրի միացում: |
Անցանց խմբաքանակի նմուշառում կամ ձախողման վերլուծություն: |
Ավանդական AOI-ն գերազանցում է բարձր արագությամբ բազային ստուգումները: Դա լավագույնն է կոպիտ թերությունները հայտնաբերելու համար: Դուք պետք է օգտագործեք այն՝ բացակայող մետաղացման շերտերը կամ մեծ եզրային չիպերը գտնելու համար: Այնուամենայնիվ, այն ունի լուրջ սահմանափակումներ: AOI-ն ամբողջությամբ հենվում է պիքսելային հակադրության կոշտ կանոնների վրա: Այն հաճախ շփոթում է մակերեսի անվնաս հետքերը մահացու միկրոճաքերի հետ: Այս խառնաշփոթը ստիպում է արտադրողներին իրականացնել ձեռքով երկրորդական վերանայումներ: Մարդկային օպերատորները պետք է կրկնակի ստուգեն յուրաքանչյուր մերժված հատվածը, ինչը դանդաղեցնում է ամբողջ հաստատության աշխատանքը:
AI համակարգերը հսկայական թռիչք են ներկայացնում: Նրանք լավագույնն են բարձր ճշգրտության համար կերամիկական մակերեսի հետքերի հայտնաբերում . Նրանք հեշտությամբ տարբերում են ճաքերի բարդ մորֆոլոգիաները բարորակ քերծվածքներից: Խորը ուսուցման մոդելներն օգտագործում են նեյրոնային ցանցեր, որոնք պատրաստված են դասակարգված պատկերների տվյալների հավաքածուների վրա: Նրանք հասկանում են տեսողական կոնտեքստը, ինչպես մարդկային տեսուչը: Նրանք ճանաչում են ճեղքի ճյուղավորումը՝ գործիքի նշանի ուղիղ ձգման դիմաց: Նրանք այս վերլուծությունը կատարում են մեքենայի արագությամբ: Հիմնական սահմանափակումը տվյալների պատրաստումն է: Ձեզ անհրաժեշտ է ամուր, լավ պիտակավորված տվյալների բազա: Դուք պետք է օգտագործեք մոդելի օրինակները ինչպես իրական թերությունների, այնպես էլ ընդունելի տատանումների՝ այն արդյունավետ մարզելու համար:
Ուլտրաձայնային ոչ կործանարար փորձարկումը (NDT) նայում է մակերեսի տակ: Դա լավագույնն է ներքին դատարկությունները հայտնաբերելու համար: SAM-ը գտնում է, որ շերտազատումը և ստորգետնյա միկրոճաքերը լիովին անտեսանելի են օպտիկական տեսախցիկների համար: Այն բարձր հաճախականությամբ ձայնային ալիքներ է ուղարկում կերամիկական մատրիցայի մեջ և չափում արձագանքները: Չնայած շատ ճշգրիտ, այն ունի հիմնական սահմանափակումներ: SAM-ը սովորաբար շատ ավելի դանդաղ է, քան օպտիկական մեթոդները: Այն հաճախ պահանջում է ենթաշերտը ջրի մեջ ընկղմել:
Ընդլայնված տեսչական համակարգ գնելը միայն առաջին քայլն է: Դուք պետք է այն անխափան կերպով ինտեգրեք ձեր առկա աշխատանքային գործընթացին: Վաճառողներին գնահատելը պահանջում է անցյալի շուկայավարման պահանջները դիտարկել: Դուք պետք է կենտրոնանաք տեղակայման գործնական իրողությունների վրա:
Արտադրական գծի տարածքը միշտ բարձր է: Գնահատեք, թե արդյոք նոր լուծումը կարող է վերազինվել առկա բեռնաթափման սարքավորումների վրա: Կարո՞ղ են տեսախցիկի զանգվածները տեղադրվել ձեր ընթացիկ փոխակրիչների վերևում: Եթե ոչ, ձեզանից կպահանջվի առանձին տեսչական բջիջ: Առանձին բջիջները ավելի շատ հատակ են զբաղեցնում: Նրանք նաև պահանջում են լրացուցիչ ռոբոտային բեռնիչներ՝ ենթաշերտերը բեռնելու և բեռնաթափելու համար: Ձեր արդիականացման ժամանակացույցի մեջ ներառեք այս ոտնահետքի և մշակման պահանջները:
AI լուծումները պահանջում են շարունակական կառավարում: Խստորեն գնահատեք վաճառողի ծրագրային ապահովման գործածությունը: Կարո՞ղ է ձեր գոյություն ունեցող QA թիմը մարզել և թարմացնել մոդելները: Դուք չպետք է վարձեք նվիրված տվյալների գիտնական: Լավագույն համակարգերն առաջարկում են ինտուիտիվ, առանց կոդերի միջերեսներ: Նրանք որակյալ ինժեներներին թույլ են տալիս ընդգծել էկրանի թերությունները և ակնթարթորեն վերապատրաստել մոդելը: Փնտրեք վաճառողներին, ովքեր օգտագործում են փոխանցումային ուսուցում: Այս տեխնիկան պահանջում է շատ ավելի քիչ պատկերներ՝ նոր արտադրանքի գիծը հիմնելու համար:
Ծրագրային ապահովումը չի կարող շտկել վատ պատկերը: Եթե թերությունն անտեսանելի է չմշակված լուսանկարում, AI-ն չի կարող գտնել այն: Ճանաչեք այս իրականությունը վաղաժամ: Համոզվեք, որ վաճառողը նշում է կերամիկական մակերեսներին հարմարեցված մասնագիտացված լուսավորություն: Հարցրեք բազմանկյուն կառուցվածքային լույսի մասին: Պահանջեք մութ դաշտի լուսավորություն՝ ճեղքերի եզրերն ընդգծելու համար: Պահանջեք կոաքսիալ լուսավորություն՝ արտացոլող փայլը հարթելու համար: Սարքավորումը պետք է ստեղծի օպտիկական տարանջատում, նախքան ծրագրաշարը վերլուծում է պատկերը:
Երբեք մի գնեք ստուգման համակարգ ստանդարտ տեխնիկական թերթիկից: Պահանջեք հայեցակարգի խիստ ապացույց (PoC): Վաճառողին ուղարկեք ձեր սեփական արտադրության նմուշները: Մասնավորապես, ուղարկեք նրանց ծայրամասային մասերը: Ներառեք ճշգրիտ ենթաշերտեր, որոնք պատմականորեն շփոթեցնում են ձեր մարդկային տեսուչներին: Եթե ավտոմատացված համակարգը կարողանա ճիշտ դասակարգել ձեր ամենադժվար մասերը, այն հեշտությամբ կկարգավորի նորմալ արտադրությունը: Ֆիզիկական PoC-ն իրական հնարավորությունները հաստատելու միակ միջոցն է:
Վերջնական միկրոճաքի և մակերեսային բարորակ հետքի միջև տարբերակումն այլևս մշտական խոչընդոտ չէ: Պետք չէ հույս դնել դանդաղ, սուբյեկտիվ մարդկային ստուգումների վրա:
Ընդլայնումը դեպի առաջադեմ, համատեքստում տեղյակ տեսչական համակարգերի փոխակերպում է ձեր ՈԱ բաժինը: Այն ՈԱ-ն ավանդական ծախսերի կենտրոնից տեղափոխում է եկամտաբերության պաշտպանության ակտիվ մեխանիզմի:
AI-ի վրա հիմնված մեքենայական տեսողությունը հաջողությամբ նավարկում է կերամիկայի բարդ օպտիկական հատկությունները՝ կտրուկ նվազեցնելով գերմահացման մակարդակը:
Անմիջապես ստուգեք ձեր ընթացիկ կեղծ մերժման տոկոսադրույքները: Հաշվարկեք, թե օրական որքան լավ ապրանք եք դեն նետում:
Նմուշի գնահատում կազմակերպելու համար խորհրդակցեք մասնագիտացված տեսչական վաճառողների հետ: Օգտագործեք այս ելակետային տվյալները՝ ձեր հնարավոր ROI-ն ճշգրիտ հաշվարկելու համար:
A. Բարձր լուծաչափի օպտիկան՝ զուգակցված AI-ի հետ, կարող է հայտնաբերել ճեղքեր մինչև 5-20 մկմ: Դրան հասնելու համար անհրաժեշտ է ճշգրիտ վերահսկողություն տեսադաշտի նկատմամբ: Այն նաև պահանջում է լուսավորության մասնագիտացված կարգավորումներ, ինչպիսիք են մութ դաշտի լուսավորությունը՝ ճեղքերի եզրերի երկայնքով անհրաժեշտ հակադրություն ստեղծելու համար:
A: Ոչ: Մեքենայական տեսողությունը խստորեն նախատեսված է մակերեսային և մերձմակերևույթի թերությունների համար: Այն ամբողջությամբ հենվում է արտացոլված լույսի վրա: Ուլտրաձայնային փորձարկումը (SAM) մնում է բացարձակապես պահանջված՝ հայտնաբերելու խորը ներքին դատարկությունները կամ ստորգետնյա կառուցվածքային անոմալիաները, որոնք թաքնված են անթափանց կերամիկական շերտի տակ:
Պատ.՝ Վաճառողները հաճախ օգտագործում են այնպիսի մեթոդներ, ինչպիսիք են փոխանցման ուսուցումը կամ սինթետիկ տվյալների ստեղծումը՝ պատկերի սակավությունը հաղթահարելու համար: Բացի այդ, շատ ժամանակակից համակարգեր օգտագործում են անոմալիաների հայտնաբերման մոդելներ՝ հիմնված չվերահսկվող ուսուցման վրա: Այս մոդելները պահանջում են միայն 'լավ' ենթաշերտերի պատկերներ՝ ցանկացած անսպասելի շեղումները հաջողությամբ նշելու համար:
A: Այո: Մակերեւույթի բարձր կոշտությունը ստանդարտ լուսավորության պայմաններում ստեղծում է զգալի օպտիկական աղմուկ: Սա հաղթահարելու համար անհրաժեշտ է բազմակողմ լուսավորություն՝ ստվերները չեղարկելու համար: Ձեզ անհրաժեշտ են նաև խորը ուսուցման ալգորիթմներ, որոնք հատուկ պատրաստված են՝ անտեսելու ենթաշերտի բնական հյուսվածքը՝ միաժամանակ ընդգծելով իրական անոմալիաները:
