Search for:

การตัดขอบรางรถไฟอัตโนมัติโดยใช้ AI

กรณีศึกษา

Kyushu Railway Machinery Manufacturing Co., Ltd. ซึ่งเป็นผู้ใช้ปลายทาง ทำหน้าที่เป็นผู้ผลิตแผ่นข้อต่อสำหรับรางรถไฟที่สำคัญที่สุดในญี่ปุ่น โดยมีบทบาทสำคัญในการรักษาเสถียรภาพการดำเนินงานทั่วประเทศ เมื่อพิจารณาถึงความสำคัญอย่างยิ่งยวดของทางรถไฟในโครงสร้างพื้นฐานด้านการคมนาคมขนส่ง การดูแลให้มีอุปทานแผ่นข้อต่อที่มั่นคงจึงเป็นสิ่งสำคัญยิ่ง เหตุฉุกเฉิน เช่น ภัยพิบัติหรืออุบัติเหตุอาจต้องมีการผลิตตลอด 24 ชั่วโมงเพื่อตอบสนองความต้องการที่เพิ่มขึ้น โดยเน้นถึงความจำเป็นสำหรับห่วงโซ่อุปทานที่มั่นคง ในขณะเดียวกันก็ลดความเครียดและความเสี่ยงของพนักงานด้วย

โจทย์งาน

แผ่นข้อต่อรางจำเป็นต้องมีการตัดขอบด้วยตนเองก่อนที่จะเข้าสู่กระบวนการบำบัดความร้อน โดยมีการตัดขอบเกือบ 1,000 รายการในแต่ละวัน แม้จะดูเรียบง่าย แต่งานนี้กลับมีความเสี่ยงโดยธรรมชาติ บริษัทแสวงหาการบูรณาการหุ่นยนต์และเทคโนโลยี Internet of Things (IoT) เข้ากับกระบวนการขนส่งและจัดส่งแผ่นข้อต่อรางหลังการให้ความร้อนเพื่อเพิ่มประสิทธิภาพ

วิธีการ

ลูกค้าใช้หุ่นยนต์นำทางด้วยวิสัยทัศน์ SolMotion เพื่อทำให้งานที่สำคัญนี้เป็นแบบอัตโนมัติ เทคโนโลยีแมชชีนวิชัน AI 3D ขั้นสูงของ SolMotion ช่วยให้มั่นใจถึงตำแหน่งที่แม่นยำของแผ่นข้อต่อ ช่วยให้ตัดขอบได้อย่างราบรื่น ระบบหุ่นยนต์นำทางด้วยการมองเห็นที่บูรณาการโดย ICS SAKABE ช่วยให้สามารถปฏิบัติงานได้โดยไม่ต้องใช้คนควบคุม ซึ่งช่วยเพิ่มเสถียรภาพในการจัดหาผลิตภัณฑ์ ลดความเสี่ยงของผู้ปฏิบัติงาน และเพิ่มประสิทธิภาพโดยรวม

ผลที่ได้รับ

รับประกันการจ่ายแผ่นข้อต่อที่สอดคล้องกัน ซึ่งเป็นสิ่งสำคัญสำหรับการรักษาเสถียรภาพการดำเนินงานทางรถไฟ ปรับปรุงกระบวนการตัดขอบ นำไปสู่ประสิทธิภาพการผลิตที่เพิ่มขึ้นและประสิทธิภาพ ,ลดความจำเป็นในการแทรกแซงด้วยตนเอง ซึ่งอาจบรรเทาความเครียดของผู้ปฏิบัติงานที่ปฏิบัติงานซ้ำๆ

ภาพประกอบ

การรับรู้เหรียญโดยใช้ AI

กรณีศึกษา

เหรียญซึ่งเริ่มนำมาใช้ในสมัยโบราณเพื่อใช้เป็นรูปแบบการชำระเงิน ได้พัฒนาให้มีบทบาทสำคัญในการหมุนเวียนของสกุลเงิน หลังจากกระบวนการสร้างเหรียญ เหรียญจะต้องได้รับการตรวจสอบโดยเจ้าหน้าที่อย่างพิถีพิถันเพื่อให้แน่ใจว่าขนาดและรูปลักษณ์ของเหรียญนั้นตรงตามมาตรฐานที่กำหนดก่อนที่จะเข้ารับการคัดกรองการจำแนกประเภท

โจทย์งาน

การจัดประเภทเหรียญที่มีการสะท้อนแสงสูงและคล้ายกันถือเป็นความท้าทายที่สำคัญ แม้จะมีความพยายามเมื่อเร็วๆ นี้ในการรวมเทคโนโลยีการมองเห็นเข้ากับกระบวนการทำเหรียญ เหรียญยังคงมีความท้าทายเป็นพิเศษสำหรับเครื่องจักรในการระบุ เนื่องจากวัสดุโลหะ รูปแบบ และขนาดที่ต่างกันเกือบทั้งหมด ตัวอย่างตัวอย่างพบได้ในรูเปียห์อินโดนีเซีย ซึ่งเหรียญในสกุลเงิน 100, 200 และ 500 มีรูปแบบที่เหมือนกันและแสดงเพียงขนาดที่แตกต่างกันเล็กน้อยเท่านั้น ระบบการตรวจสอบแบบเดิมประสบปัญหาในการจัดการกับโลหะสะท้อนแสงได้อย่างมีประสิทธิภาพ และเมื่อต้องเผชิญกับเหรียญที่เกือบจะเหมือนกันและมีการแปรผันเพียงเล็กน้อย ระบบที่ยึดกฎเกณฑ์จะมีความเสี่ยงสูงที่จะถูกจำแนกประเภทผิด

วิธีการ

SolVision ได้เปลี่ยนโฉมการระบุเหรียญด้วยเทคโนโลยีการประมวลผลภาพที่ล้ำสมัย โดยใช้อัลกอริธึมขั้นสูงเพื่อวิเคราะห์เหรียญที่แตกต่างกันมากถึง 50 เหรียญได้อย่างง่ายดาย ด้วยความยืดหยุ่นต่อปัจจัยต่างๆ เช่น การเกิดออกซิเดชัน กระบวนการฝึกอบรมที่พิถีพิถันของระบบได้ปรับแต่งโมเดล AI เพื่อจัดหมวดหมู่ทั้งชุดด้วยความแม่นยำเป็นพิเศษ ทำให้งานสำหรับพนักงานธนาคารและพนักงานเก็บเงินง่ายขึ้นเมื่อต้องจัดการกับเหรียญจำนวนมาก

ผลที่ได้รับ

SolVision ใช้การประมวลผลภาพขั้นสูงและอัลกอริธึมเพื่อวิเคราะห์เหรียญที่แตกต่างกันได้ถึง 50 เหรียญอย่างแม่นยำ จัดการกับความท้าทายต่างๆ เช่น พื้นผิวสะท้อนแสงและรูปแบบที่เหมือนกันด้วยขนาดที่แตกต่างกันเล็กน้อย ,SolVision มีประสิทธิภาพในการจัดการเหรียญที่มีรูปแบบที่ใช้ร่วมกัน เช่น รูเปียห์อินโดนีเซีย และทนทานต่อปัจจัยต่างๆ เช่น ออกซิเดชัน ทำให้มั่นใจได้ถึงการระบุเหรียญที่แข็งแกร่งและแม่นยำ ระบบที่ขับเคลื่อนด้วย AI ของ SolVision เพิ่มความคล่องตัวในการตรวจสอบเหรียญ ลดความซับซ้อนของงานสำหรับพนักงานธนาคารและแคชเชียร์ที่ต้องจัดการกับปริมาณมาก เพิ่มประสิทธิภาพ และลดข้อผิดพลาดที่อาจเกิดขึ้นจากการตรวจสอบด้วยตนเองในสถาบันการเงิน

ภาพประกอบ

วิดีโอประกอบ

การตรวจจับข้อบกพร่องในการเชื่อมด้วยเลเซอร์โดยใช้ AI

กรณีศึกษา

ในบรรดาการเชื่อมประเภทต่างๆ การเชื่อมด้วยเลเซอร์มีความโดดเด่นในเรื่องการใช้ลำแสงโฟกัสเพื่อละลาย ระเหย ทำให้วัสดุเย็นลง และแข็งตัวอย่างรวดเร็ว ทำให้เกิดข้อต่อที่แข็งแรง ติดตั้งง่ายและให้การเชื่อมที่รวดเร็วและแม่นยำ แม้กับวัสดุทนความร้อนก็ตาม เทคนิคนี้ให้ประสิทธิภาพและคุณภาพที่เหนือกว่าเมื่อเทียบกับวิธีการเชื่อมแบบดั้งเดิม

โจทย์งาน

การเชื่อมด้วยเลเซอร์ครอบคลุมวิธีการหลักสองวิธี: การเชื่อมด้วยการนำความร้อนและการเชื่อมรูกุญแจ (หรือที่เรียกว่าการเชื่อมแบบเจาะลึก) ซึ่งแต่ละวิธีให้ลักษณะการเชื่อมที่เป็นเอกลักษณ์ อย่างไรก็ตาม ตำแหน่งและรูปแบบการเชื่อมที่เปลี่ยนแปลงตลอดเวลาทำให้เกิดความท้าทายที่น่ากลัวสำหรับระบบการตรวจสอบตามกฎในการระบุรูปแบบการทออย่างแม่นยำ หรือตรวจจับจุดการเชื่อมที่พลาดและข้อผิดพลาดในการผลิตอื่นๆ ด้วยเหตุนี้ จึงมักมีการตรวจสอบข้อบกพร่องในการเชื่อมด้วยตนเอง ซึ่งส่งผลให้คุณภาพการเชื่อมไม่สอดคล้องกัน

วิธีการ

SolVision คือระบบการตรวจสอบด้วยภาพโดยใช้ AI ซึ่งช่วยเพิ่มการควบคุมคุณภาพการเชื่อม การใช้ภาพตัวอย่างสีทองเพื่อฝึกโมเดล AI ทำให้ SolVision ตรวจจับความไม่สอดคล้องกันในการเชื่อมได้อย่างรวดเร็วและแม่นยำ เหนือกว่าวิธีการตรวจสอบทั่วไปในด้านความแม่นยำและประสิทธิภาพ ระบบอัจฉริยะนี้ระบุข้อบกพร่องในการเชื่อมได้อย่างแม่นยำ และระบุรอยเชื่อมที่พลาดโดยใช้เครื่องมือ AI การจำแนกประเภทและการแบ่งส่วน ด้วยเทคนิคการเรียนรู้เชิงลึกขั้นสูง SolVision ยังสามารถวิเคราะห์รูปแบบรอยเชื่อม และปรับปรุงกระบวนการตรวจสอบให้เหมาะสมยิ่งขึ้น

ผลที่ได้รับ

เพิ่มความแม่นยำในการตรวจจับข้อบกพร่อง เปิดใช้งานการวิเคราะห์รูปแบบอัตโนมัติ ปรับปรุงประสิทธิภาพการตรวจสอบ

ภาพประกอบ