Search for:

การอ่านเกจมิเตอร์โดยใช้ AR + AI

กรณีศึกษา

ในการผลิตพลาสติก การตรวจสอบมิเตอร์และเกจของอุปกรณ์เป็นประจำเป็นสิ่งสำคัญอย่างยิ่งในการรักษาการผลิตและรับรองการปฏิบัติตามมาตรฐานด้านกฎระเบียบ ในกรณีนี้ พนักงานจำเป็นต้องตรวจสอบเกจดิจิทัลและแอนะล็อกทุกชั่วโมง บันทึกข้อมูลลงในแบบฟอร์มกระดาษ จากนั้นป้อนข้อมูลลงในระบบไอทีของลูกค้าด้วยตนเอง ด้วยตระหนักถึงความจำเป็นในการเพิ่มประสิทธิภาพและความแม่นยำในขั้นตอนที่ซ้ำกันนี้ ลูกค้าจึงค้นหาโซลูชันเพื่อปรับปรุงและเสริมความแข็งแกร่งให้กับกระบวนการนี้

โจทย์งาน

กระบวนการตรวจสอบเผชิญกับความท้าทายเนื่องจากการตรวจสอบเกจแบบแมนนวลอย่างละเอียดถี่ถ้วน ส่งผลให้พนักงานเกิดความเมื่อยล้า นำไปสู่ข้อผิดพลาดและข้อผิดพลาดในการบันทึกข้อมูล การพึ่งพาเส้นทางกระดาษจริงทำให้เกิดปัญหามากมาย ส่งผลให้เอกสารวางผิดที่และอาจต้องเสียค่าปรับระหว่างการตรวจสอบ การอ่านค่าแบบดิจิทัลจากทั้งเกจแบบแอนะล็อกและมิเตอร์แบบดิจิทัลเพิ่มความซับซ้อนในการค้นหาโซลูชันที่มีประสิทธิภาพ

วิธีการ

META-aivi ได้รับการบูรณาการเข้ากับระบบการจัดการของบริษัทได้อย่างราบรื่น ช่วยให้ผู้ปฏิบัติงานสามารถเก็บข้อมูลมาตรวัดได้อย่างง่ายดายโดยการถ่ายภาพด้วยแท็บเล็ตหรือสมาร์ทโฟน จากนั้นแปลงข้อมูลเป็นดิจิทัลทันทีและอัปโหลดไปยังฐานข้อมูลของลูกค้าเพื่อ การเก็บบันทึกและการเข้าถึงอย่างทันท่วงทีในกรณีของการตรวจสอบในอนาคต

ผลที่ได้รับ

เร็วกว่ากระบวนการตรวจสอบเกจมิเตอร์ก่อนหน้านี้ถึง 70% บันทึกการตรวจสอบจะอัปโหลดไปยังระบบไอทีของลูกค้าโดยอัตโนมัติ ลดข้อผิดพลาดในการบันทึกข้อมูล

ภาพประกอบ

วิดีโอประกอบ

การตรวจสอบชิ้นส่วนฉีดขึ้นรูปยางโดยใช้ AI

กรณีศึกษา

กระบวนการฉีดขึ้นรูปยางได้รับอิทธิพลจากปัจจัยต่างๆ รวมถึงคุณภาพของวัตถุดิบ ข้อมูลจำเพาะของเครื่องจักร ชิ้นส่วนแม่พิมพ์ และพารามิเตอร์การฉีด ข้อบกพร่องสามารถเกิดขึ้นได้ ตั้งแต่ปัญหาความสวยงามเล็กน้อย เช่น คราบและรอยขีดข่วน ไปจนถึงความเสียหายทางโครงสร้างที่สำคัญอันเป็นผลมาจากวัสดุที่ไม่เพียงพอหรือการจัดการที่ไม่ถูกต้องระหว่างการดีดออก

โจทย์งาน

ระบบการมองเห็นตามกฎแบบเดิมๆ ซึ่งอาศัยข้อมูลที่ครอบคลุมสำหรับการฝึกอบรม ประสบปัญหากับลักษณะไดนามิกและตำแหน่งของข้อบกพร่องที่แตกต่างกันในชิ้นส่วนที่ฉีดขึ้นรูป ส่งผลให้มีอัตราความแม่นยำต่ำ การตรวจสอบด้วยตนเองซึ่งถูกขัดขวางเนื่องจากการขาดข้อบกพร่องที่ได้มาตรฐาน ได้รับการพิสูจน์แล้วว่าช้าเกินไปและไม่สอดคล้องกันสำหรับการควบคุมคุณภาพที่มีประสิทธิผล

วิธีการ

SolVision ใช้การเรียนรู้เชิงลึกของ AI เพื่อตรวจสอบชิ้นส่วนที่ฉีดขึ้นรูปโดยการวิเคราะห์ภาพตัวอย่างเพื่อเรียนรู้ลักษณะเฉพาะของข้อบกพร่องต่างๆ ทำให้สามารถตรวจจับและระบุได้อย่างแม่นยำ เนื่องจากฐานข้อมูลเต็มไปด้วยรูปภาพเพิ่มเติม โมเดล AI จึงแข็งแกร่งขึ้น ช่วยเพิ่มความแม่นยำของระบบในการจดจำข้อบกพร่อง

ผลที่ได้รับ

ปรับปรุงกระบวนการควบคุมคุณภาพ เปิดใช้งานการตรวจจับข้อบกพร่องต่างๆ ได้อย่างแม่นยำ ปรับปรุงการรับรู้การตรวจจับอย่างต่อเนื่องผ่านการเรียนรู้เชิงลึก

กรณีศึกษา

กระบวนการฉีดขึ้นรูปยางได้รับอิทธิพลจากปัจจัยต่างๆ รวมถึงคุณภาพของวัตถุดิบ ข้อมูลจำเพาะของเครื่องจักร ชิ้นส่วนแม่พิมพ์ และพารามิเตอร์การฉีด ข้อบกพร่องสามารถเกิดขึ้นได้ ตั้งแต่ปัญหาความสวยงามเล็กน้อย เช่น คราบและรอยขีดข่วน ไปจนถึงความเสียหายทางโครงสร้างที่สำคัญอันเป็นผลมาจากวัสดุที่ไม่เพียงพอหรือการจัดการที่ไม่ถูกต้องระหว่างการดีดออก

โจทย์งาน

ระบบการมองเห็นตามกฎแบบเดิมๆ ซึ่งอาศัยข้อมูลที่ครอบคลุมสำหรับการฝึกอบรม ประสบปัญหากับลักษณะไดนามิกและตำแหน่งของข้อบกพร่องที่แตกต่างกันในชิ้นส่วนที่ฉีดขึ้นรูป ส่งผลให้มีอัตราความแม่นยำต่ำ การตรวจสอบด้วยตนเองซึ่งถูกขัดขวางเนื่องจากการขาดข้อบกพร่องที่ได้มาตรฐาน ได้รับการพิสูจน์แล้วว่าช้าเกินไปและไม่สอดคล้องกันสำหรับการควบคุมคุณภาพที่มีประสิทธิผล

วิธีการ

SolVision ใช้การเรียนรู้เชิงลึกของ AI เพื่อตรวจสอบชิ้นส่วนที่ฉีดขึ้นรูปโดยการวิเคราะห์ภาพตัวอย่างเพื่อเรียนรู้ลักษณะเฉพาะของข้อบกพร่องต่างๆ ทำให้สามารถตรวจจับและระบุได้อย่างแม่นยำ เนื่องจากฐานข้อมูลเต็มไปด้วยรูปภาพเพิ่มเติม โมเดล AI จึงแข็งแกร่งขึ้น ช่วยเพิ่มความแม่นยำของระบบในการจดจำข้อบกพร่อง

ผลที่ได้รับ

ปรับปรุงกระบวนการควบคุมคุณภาพ เปิดใช้งานการตรวจจับข้อบกพร่องต่างๆ ได้อย่างแม่นยำ ปรับปรุงการรับรู้การตรวจจับอย่างต่อเนื่องผ่านการเรียนรู้เชิงลึก

[34] การตรวจสอบ SOP การผลิตพลาสติกโดยใช้ AR + AI

กรณีศึกษา

ในการผลิตโพลีเมอร์เทอร์โมพลาสติก การยึดมั่นในขั้นตอนการปฏิบัติงานมาตรฐาน (SOP) มีความสำคัญอย่างยิ่งต่อการรักษาคุณภาพและประสิทธิภาพ โดยเฉพาะอย่างยิ่งในการอัดขึ้นรูป Acrylonitrile Butadiene Styrene (ABS) การอัดขึ้นรูป ABS เกี่ยวข้องกับการให้ความร้อนและการหลอมเม็ด ABS การอัดวัสดุที่หลอมละลายผ่านแม่พิมพ์ จากนั้นทำให้เย็นลงและทำให้ผลิตภัณฑ์แข็งตัว ซึ่งต้องใช้การควบคุมที่แม่นยำเพื่อผลิตท่อ ฟิล์ม และโปรไฟล์คุณภาพสูง

โจทย์งาน

การดูแลให้ปฏิบัติตาม SOP ในกระบวนการอัดขึ้นรูป ABS อย่างสม่ำเสมอถือเป็นสิ่งสำคัญแต่ก็ท้าทาย ผู้ปฏิบัติงานต้องปฏิบัติตามแต่ละขั้นตอนอย่างพิถีพิถันเพื่อรักษาคุณภาพของผลิตภัณฑ์และป้องกันการหยุดสายการผลิตเนื่องจากข้อผิดพลาดของผู้ปฏิบัติงาน การตั้งค่าที่ไม่ถูกต้อง โดยเฉพาะอุณหภูมิ ก่อให้เกิดความเสี่ยงด้านความปลอดภัยที่สำคัญ ซึ่งนำไปสู่ความร้อนสูงเกิน เครื่องทำงานผิดปกติ และอันตรายที่อาจเกิดขึ้น กระบวนการที่ซับซ้อนจำเป็นต้องมีการแทรกแซงของมนุษย์ ทำให้ระบบอัตโนมัติเต็มรูปแบบไม่สามารถทำได้ และเน้นย้ำถึงความจำเป็นในการบังคับใช้ SOP อย่างระมัดระวัง

วิธีการ

เพื่อจัดการกับความท้าทายเหล่านี้ บริษัทได้ใช้ระบบที่แข็งแกร่งซึ่งออกแบบมาเพื่อติดตามและบังคับใช้การปฏิบัติตาม SOP ซึ่งช่วยเพิ่มคุณภาพผลิตภัณฑ์และประสิทธิภาพการดำเนินงานอย่างมีนัยสำคัญ หัวใจสำคัญของโซลูชันนี้คือการใช้แท็บเล็ตที่ติดตั้งระบบการมองเห็น META-aivi AR + AI เทคโนโลยี AI ขั้นสูงนี้จะซ้อนทับคำสั่งแบบเรียลไทม์บนหน้าจอแท็บเล็ตของผู้ปฏิบัติงาน โดยจะแนะนำพวกเขาทีละขั้นตอนตลอดแต่ละขั้นตอนของกระบวนการอัดขึ้นรูป ABS META-aivi ช่วยให้มั่นใจได้ว่างานต่างๆ จะเสร็จสิ้นอย่างมีประสิทธิภาพ ปลอดภัย และไม่มีข้อผิดพลาด ด้วยการให้คำแนะนำที่แม่นยำและคำนึงถึงบริบท การสนับสนุนแบบเรียลไทม์นี้ช่วยลดความเสี่ยงของการเบี่ยงเบน ป้องกันการหยุดทำงาน และรักษามาตรฐานความปลอดภัยที่เหมาะสมที่สุด ซึ่งท้ายที่สุดจะนำไปสู่กระบวนการที่มีความคล่องตัวและเชื่อถือได้มากขึ้น

ผลที่ได้รับ

ลดการหยุดทำงานของการผลิต เพิ่มคุณภาพผลิตภัณฑ์โดยรวม ลดความเสี่ยงให้เหลือน้อยที่สุดด้วยความปลอดภัยที่เพิ่มขึ้น

ภาพประกอบ

https://www.pranakorntech.com/wp-content/uploads/2024/08/34-143-1.jpg

[3] การตรวจจับข้อบกพร่องของผ้าคาร์บอนไฟเบอร์โดยใช้ AI

กรณีศึกษา

คาร์บอนไฟเบอร์เป็นวัสดุประสิทธิภาพสูงซึ่งเป็นที่รู้จักในด้านน้ำหนักเบา ความแข็งแรงสูง โมดูลัสยืดหยุ่นสูง และทนต่ออุณหภูมิ กรด และความเหนื่อยล้า ความเฉื่อยทางเคมีและการนำไฟฟ้าที่แข็งแกร่งทำให้มีคุณค่าในยานยนต์ การบินและอวกาศ การต่อเรือ การใช้งานทางอุตสาหกรรม และการเสริมแรงโครงสร้าง การตรวจจับข้อบกพร่องที่มีประสิทธิภาพถือเป็นสิ่งสำคัญเพื่อให้มั่นใจในคุณภาพและประสิทธิภาพของส่วนประกอบคาร์บอนไฟเบอร์

โจทย์งาน

การตรวจจับข้อบกพร่องในผ้าคาร์บอนไฟเบอร์เป็นเรื่องที่ท้าทาย เนื่องจากความนุ่มนวลและความละเอียดอ่อนของรอยที่อาจเกิดขึ้น ซึ่งมองเห็นได้ยากด้วยตาเปล่า ความแตกต่างของแสงและมุมการตรวจสอบทำให้วิธีการแบบดั้งเดิมมีความซับซ้อนมากขึ้น ซึ่งมักจะนำไปสู่ข้อบกพร่องที่พลาดและการตรวจสอบที่ไม่น่าเชื่อถือ

วิธีการ

SolVision นำเสนอโซลูชันที่มีประสิทธิภาพในการระบุข้อบกพร่องที่ไม่สามารถมองเห็นได้ด้วยตาเปล่า ด้วยการใช้เทคโนโลยีการตรวจสอบด้วยภาพ AI ขั้นสูง SolVision จะวิเคราะห์ตัวอย่างข้อบกพร่องต่างๆ และปรับตามความแปรผันของแสงและมุม วิธีการนี้ช่วยเพิ่มความแม่นยำในการตรวจจับข้อบกพร่องและปรับปรุงการควบคุมคุณภาพในกระบวนการผลิต

ผลที่ได้รับ

การควบคุมคุณภาพที่เพิ่มขึ้น , เพิ่มความแม่นยำในการตรวจสอบ , ปรับให้เข้ากับสภาพแสง

ภาพประกอบ

https://www.pranakorntech.com/wp-content/uploads/2024/08/3-006-1.jpg

https://www.pranakorntech.com/wp-content/uploads/2024/08/3-007-1.png

https://www.pranakorntech.com/wp-content/uploads/2024/08/3-008-1.png

https://www.pranakorntech.com/wp-content/uploads/2024/08/3-009-1.png

https://www.pranakorntech.com/wp-content/uploads/2024/08/3-010-1.png

https://www.pranakorntech.com/wp-content/uploads/2024/08/3-011-1.png

https://www.pranakorntech.com/wp-content/uploads/2024/08/3-012-1.png

https://www.pranakorntech.com/wp-content/uploads/2024/08/3-013-1.png

Copyright © Pranakorn Technology Enterprise Co.,Ltd.