Search for:

Bin Picking รายการกึ่งโปร่งใสโดยใช้ AI

กรณีศึกษา

ลูกค้าต้องการโซลูชันการหยิบถังอัตโนมัติที่สามารถหยิบจุกนมขวดนมที่ทับซ้อนกันจำนวน 700 ชิ้นทุกชั่วโมงได้อย่างมีประสิทธิภาพ

โจทย์งาน

ระบบการหยิบถังขยะจำเป็นต้องระบุทิศทางแบบสุ่มหลายทิศทาง และจัดตำแหน่งจุกนมขวดอย่างแม่นยำ สิ่งนี้มีความท้าทายมากขึ้นด้วยรูปร่างและวัสดุกึ่งโปร่งใสของวัตถุ ซึ่งระบบการมองเห็นมาตรฐานพบว่ายากต่อการตรวจจับอย่างแม่นยำเนื่องจากธรรมชาติของวัตถุโปร่งแสง

วิธีการ

ลูกค้าใช้ SolScan เครื่องสแกนแสงที่มีโครงสร้างของโซโลมอน เพื่อสร้างพอยต์คลาวด์ที่มีรายละเอียด ข้อมูลนี้ถูกรวมเข้ากับซอฟต์แวร์การหยิบถังของ AccuPick ซึ่งใช้เทคโนโลยีการเรียนรู้เชิงลึกขั้นสูงเพื่อระบุจุดหยิบที่ดีที่สุดสำหรับวัตถุแต่ละชิ้นที่ตรวจพบ AccuPick ยังปรับเส้นทางการเคลื่อนที่ของหุ่นยนต์ FANUC LR Mate ให้เหมาะสม ซึ่งช่วยเพิ่มประสิทธิภาพรอบการทำงานโดยรวม ถ้วยดูดที่ออกแบบเป็นพิเศษถูกนำมาใช้เพื่อยึดสิ่งของแต่ละรายการอย่างแน่นหนา โดยไม่คำนึงถึงการวางแนว เพื่อให้มั่นใจว่าวางตำแหน่งได้อย่างแม่นยำในระหว่างกระบวนการหยิบถังขยะ

ผลที่ได้รับ

ได้รับความแม่นยำในการหยิบ 97% ตรงตามข้อกำหนดในการจัดวางวัตถุ เกินความคาดหมายด้วยการหยิบ 850 ครั้งต่อชั่วโมง

ภาพประกอบ

การตรวจสอบเครื่องดับเพลิงโดยใช้ AR + AI

กรณีศึกษา

ผู้ผลิตจะต้องปฏิบัติตามกฎระเบียบด้านสุขภาพและความปลอดภัยที่เข้มงวด โดยความปลอดภัยจากอัคคีภัยเป็นองค์ประกอบสำคัญ เพื่อให้มั่นใจว่าสอดคล้องกับกฎระเบียบด้านความปลอดภัยจากอัคคีภัยในท้องถิ่น ลูกค้ามุ่งหวังที่จะค้นหาโซลูชันที่มีประสิทธิภาพสำหรับการตรวจสอบถังดับเพลิงในสถานที่ทั้งหมด

โจทย์งาน

ความท้าทายหลักเกิดจากการมีถังดับเพลิงจำนวนมากที่ต้องได้รับการตรวจสอบ กระบวนการตรวจสอบในปัจจุบันเกี่ยวข้องกับการตรวจสอบด้วยตนเองและการส่งแบบฟอร์มที่ครอบคลุมสำหรับเครื่องดับเพลิงแต่ละเครื่อง ซึ่งเป็นขั้นตอนที่ใช้เวลาหลายชั่วโมงและจำเป็นต้องทำซ้ำทุกวัน สิ่งนี้กระตุ้นให้ลูกค้าค้นหาวิธีการปรับปรุงและปรับปรุงกระบวนการที่จำเป็นแต่ใช้แรงงานเข้มข้นนี้

วิธีการ

ขั้นตอนแรกคือการใช้ META-aivi โดยการสร้างแบบจำลอง AI ที่แม่นยำ ซึ่งสามารถระบุเครื่องดับเพลิงประเภทต่างๆ และส่วนประกอบต่างๆ ได้ การนำ META-aivi มาใช้ส่งผลให้เวลาในการตรวจสอบลดลง 60% และในกรณีที่ชิ้นส่วนในถังดับเพลิงที่ได้รับการตรวจสอบสูญหาย ผู้ปฏิบัติงานจะได้รับแจ้งแบบเรียลไทม์

ผลที่ได้รับ

เปิดใช้งานการตรวจจับส่วนประกอบที่หายไปหรือผิดพลาดแบบเรียลไทม์ ปรับกระบวนการให้เป็นดิจิทัลเพื่อการรายงานการตรวจสอบที่ง่ายขึ้น ลดเวลาในการตรวจสอบลง 60%

ภาพประกอบ

วิดีโอประกอบ

การขนย้ายพาเลทแบบผสมอัตโนมัติโดยใช้ AI

กรณีศึกษา

มอบหมายงานในการดึงกล่องที่จัดเรียงในลักษณะกึ่งโครงสร้าง ซึ่งมักจะมีระดับการหมุนและความใกล้เคียงที่แตกต่างกัน ลูกค้าเผชิญกับความซับซ้อนในการทำให้กระบวนการนำออกจากพาเลทโดยอัตโนมัติสำหรับการโหลดพาเลทแบบผสม

โจทย์งาน

ความท้าทายเกิดขึ้นจากกล่องที่มีขนาดเกิน 200 ซม. โดยมีพื้นผิวและขนาดที่หลากหลายซึ่งทำให้การจดจำระบบวิชั่นมาตรฐานมีความซับซ้อน โซลูชันนี้ต้องการกล้องที่สามารถทำงานได้ภายในขอบเขตการมองเห็น 1.1 ม. x 1.1 ม. ที่ระยะ 1.6 ม. ด้วยความแม่นยำ 10 มม.

วิธีการ

โซลูชันการหยิบถัง AccuPick ของ Solomon ทำให้กระบวนการนำออกจากพาเลทเป็นอัตโนมัติได้อย่างราบรื่น โดยผสานรวมกับกล้อง Time of Flight (ToF) ที่ติดตั้งอยู่บนเครนโครงสำหรับตั้งสิ่งของเพื่อการเคลื่อนย้ายที่ยืดหยุ่นตลอดขอบเขตการมองเห็นและระยะการทำงานที่ต้องการ ในการจัดการพื้นผิวและรูปร่างที่หลากหลายภายในโหลดแบบผสม วิศวกรได้รวมเทคโนโลยี 2D และ 3D เพื่อฝึกโมเดล AI เพื่อให้มั่นใจว่าสามารถระบุมุมกล่องภายในพาเลทได้อย่างแม่นยำ และปรับปรุงกระบวนการหยิบสินค้าให้ตรงตามความต้องการของลูกค้า

ผลที่ได้รับ

ตรงตามข้อกำหนดในการหยิบและการวางตำแหน่งที่แม่นยำ การรวมกล้อง ToF ได้อย่างราบรื่น การระบุกล่องที่แม่นยำ

ภาพประกอบ

การตรวจจับข้อบกพร่องของสลักโลหะโดยใช้ AI

กรณีศึกษา

ลูกค้าค้นหาโซลูชันการตรวจจับข้อบกพร่องที่แม่นยำซึ่งสามารถระบุข้อบกพร่อง เช่น รอยบุบเล็กๆ บนสลักเกลียวที่ผลิตขึ้น โดยไม่คำนึงถึงตำแหน่งหรือทิศทางของสลักเกลียว

โจทย์งาน

เพื่อป้องกันความซ้ำซ้อนในการตรวจจับข้อบกพร่อง จำเป็นต้องวิเคราะห์โบลต์แต่ละตัวแยกจากกันจากมุมที่แตกต่างกันสามมุม เนื่องจากมีปริมาณการผลิตจำนวนมาก ลูกค้าจึงกำหนดให้กระบวนการตรวจสอบเสร็จสิ้นภายใน 1 วินาทีต่อสลักเกลียว โดยยังคงรักษาอัตราความแม่นยำขั้นต่ำไว้ที่ 90% งานนี้มีความซับซ้อนมากขึ้นด้วยพื้นผิวสะท้อนแสงของสลักเกลียว เนื่องจากการสะท้อนแสงอาจถูกตีความผิดว่าเป็นข้อบกพร่อง

วิธีการ

โซโลมอนคิดค้นระบบช่วยเหลือด้วยหุ่นยนต์ซึ่งจะหมุนสลักเกลียวแต่ละตัวได้ 360 องศา โดยจับภาพสามภาพเพื่อระบุข้อบกพร่องใดๆ เพื่อจัดการกับความท้าทายของพื้นผิวสะท้อนแสง โมเดล AI ใน SolVision ได้รับการฝึกอบรม และวิศวกรของเราให้คำแนะนำแก่ลูกค้าเกี่ยวกับแสงและสภาพพื้นหลังที่เหมาะสมที่สุดเพื่อลดการสะท้อน วิธีการบูรณาการนี้ช่วยให้กระบวนการตรวจสอบรวดเร็ว โดยเสร็จสิ้นการตรวจสอบภายในเวลาเพียง 49 มิลลิวินาทีต่อสลักเกลียว โดยมีอัตราความแม่นยำ 100% ไร้ที่ติ

ผลที่ได้รับ

49 มิลลิวินาทีต่อรอบเวลาการตรวจสอบโบลต์ ความแม่นยำในการตรวจจับข้อบกพร่อง 100% ลดอัตราลบลวงลงเหลือศูนย์

ภาพประกอบ