Search for:

การตรวจสอบการประกอบประตูรถยนต์โดยใช้ AI

กรณีศึกษา

ปุ่มประตูรถมีความสำคัญในการผลิตและประกอบยานพาหนะ แม้จะมีขนาดเล็ก แต่ปุ่มเหล่านี้ควบคุมระบบต่างๆ ของรถยนต์ได้โดยตรง เช่น กระจกไฟฟ้า เซ็นทรัลล็อค คุณสมบัติป้องกันการโจรกรรม และการปรับเบาะนั่ง การทำงานที่เหมาะสมมีความสำคัญอย่างยิ่งต่อประสิทธิภาพโดยรวมและความปลอดภัยของยานพาหนะ ความสม่ำเสมอของรูปลักษณ์ของปุ่มยังมีความสำคัญต่อการรักษาการรับรู้คุณภาพภายนอกของรถยนต์ ซึ่งส่งผลกระทบอย่างมากต่อคุณภาพโดยรวมและความพึงพอใจของลูกค้า

โจทย์งาน

ขณะที่ประตูเคลื่อนไปตามสายการผลิต พนักงานจะติดตั้งปุ่มต่างๆ ตามลำดับ หลังการติดตั้ง การทดสอบต่างๆ เช่น การตรวจสอบการทำงาน อายุการใช้งาน อิเล็กทรอนิกส์ ความทนทาน และการตรวจสอบด้วยภาพ ทำให้มั่นใจได้ว่าปุ่มแต่ละปุ่มตรงตามมาตรฐานคุณภาพ อย่างไรก็ตาม ความแตกต่างในการออกแบบปุ่มในรถยนต์แต่ละรุ่นจำเป็นต้องมีการทดสอบด้วยตนเองและทางคอมพิวเตอร์เพื่อการทำงานที่ราบรื่น การทดสอบอย่างต่อเนื่องอาจทำให้มนุษย์เกิดความล้า ซึ่งส่งผลต่อความแม่นยำและประสิทธิภาพของการตรวจสอบ

วิธีการ

การใช้ระบบการจัดการอัจฉริยะของ AccuPick และแขนหุ่นยนต์เพื่อวางตำแหน่งปุ่มประตูอย่างแม่นยำโดยใช้การตัดสินด้วยภาพ 3 มิติ ช่วยให้มั่นใจได้ว่าการทดสอบการกดที่แม่นยำ รวมถึงการยึดสลัก ตอบสนองความต้องการในการประมวลผลความเร็วสูงของสายการประกอบ นอกจากนี้ สายการผลิตยังติดตั้งระบบตรวจสอบด้วยภาพ SolVision AI ซึ่งใช้โครงข่ายประสาทเทียมขั้นสูงเพื่อตรวจจับความผิดปกติ จำแนกวัตถุ และรับประกันความสมบูรณ์ของส่วนประกอบต่างๆ เช่น เซ็นทรัลล็อค สวิตช์หน้าต่าง และกระจก

ผลที่ได้รับ

ปรับปรุงประสิทธิภาพระบบอัตโนมัติในการทดสอบสายการผลิต วิสัยทัศน์ AI เมื่อจับคู่กับแขนหุ่นยนต์ ให้ความยืดหยุ่นเป็นพิเศษและเหนือกว่าอัตราการผลิตของแรงงานคน ลดความเหนื่อยล้าจากงานซ้ำ ๆ จึงลดโอกาสที่จะเกิดข้อผิดพลาด

การควบคุมคุณภาพชิ้นส่วนยานยนต์โดยใช้ AI

กรณีศึกษา

ลูกค้าพยายามเพิ่มประสิทธิภาพกระบวนการควบคุมคุณภาพสำหรับไฟหน้ารถยนต์หลังการประกอบ เพื่อให้มั่นใจว่าอุปกรณ์ติดตั้งทั้งหมดบนชุดไฟหน้าแต่ละชุดมีความถูกต้องและถูกต้อง

โจทย์งาน

การตรวจสอบไฟหน้ารถยนต์ด้วยตนเองหลังการประกอบถือเป็นความท้าทายที่สำคัญ รวมถึงความเสี่ยงจากข้อผิดพลาดของมนุษย์ในการระบุส่วนประกอบที่ซับซ้อนและการตรวจจับชิ้นส่วนที่มีสีไม่ถูกต้อง ลักษณะงานซ้ำๆ และปริมาณของหน่วยที่ต้องตรวจสอบยังเพิ่มโอกาสในการควบคุมดูแลที่เกิดจากความเมื่อยล้าอีกด้วย การเอาชนะความท้าทายเหล่านี้ถือเป็นสิ่งสำคัญในการปรับปรุงความแม่นยำและลดข้อผิดพลาดในกระบวนการควบคุมคุณภาพ

วิธีการ

META-aivi ระบบการมองเห็น AR + AI ของ Solomon ผสานรวมเข้ากับเวิร์กสเตชันการตรวจสอบได้อย่างราบรื่น โดยใช้กล้อง IP คงที่สำหรับการควบคุมดูแลที่ขับเคลื่อนด้วย AI ในระหว่างกระบวนการตรวจสอบคุณภาพหลังการประกอบ META-aivi ทำให้ขั้นตอนเป็นดิจิทัลด้วยความแม่นยำและประสิทธิภาพของ AI ตรวจจับว่ามีหรือไม่มีฟิกซ์เจอร์ และรับรองการยืนยันชิ้นส่วนที่มีสีถูกต้อง ซึ่งช่วยลดเวลาในการตรวจสอบได้อย่างเห็นได้ชัด และลดความเสี่ยงของข้อผิดพลาดของมนุษย์ ทำให้เกิดกระบวนการควบคุมคุณภาพที่มีความคล่องตัวและเชื่อถือได้

ผลที่ได้รับ

ลดข้อผิดพลาดของมนุษย์ในระหว่างการตรวจสอบ ลดเวลารอบการตรวจสอบ กระบวนการตรวจสอบการควบคุมคุณภาพแบบดิจิทัล

 

 

การตรวจจับข้อบกพร่องของสีรถยนต์โดยใช้ AI

กรณีศึกษา

การอบรถยนต์เป็นเทคนิคขั้นสูงที่ใช้เพื่อปกป้องและตกแต่งแผงตัวถังรถยนต์ ปืนสเปรย์ใช้เม็ดสีและตัวทำละลายอย่างสม่ำเสมอ ตามด้วยการอบที่อุณหภูมิสูง ทำให้สีแห้งตัวอย่างรวดเร็วเพื่อสร้างสีที่คงทน

โจทย์งาน

กระบวนการอบสีรถยนต์เป็นที่ยอมรับกันดี แต่ข้อผิดพลาดในการผลิต เช่น แรงดันที่ไม่ถูกต้องหรือระยะห่างของปืนสเปรย์ มักทำให้ความหนาของสีเคลือบไม่สม่ำเสมอ ปัญหาเกี่ยวกับอุณหภูมิและระยะเวลาในการอบ ผลกระทบทางกลที่ทำให้เกิดรอยขีดข่วน และคุณภาพของวัสดุที่ไม่ได้มาตรฐาน ส่งผลให้เกิดข้อบกพร่องของสี ซึ่งรวมถึงรอยขีดข่วนบนพื้นผิว รอยบุบ และการใช้งาน (การวิ่ง) ที่ไม่สม่ำเสมอบนแผ่นเหล็ก การตรวจสอบด้วยตนเองมีแนวโน้มที่จะไม่มีประสิทธิภาพเนื่องจากปัจจัยของมนุษย์ เช่น ความเหนื่อยล้าและความว้าวุ่นใจ ซึ่งนำไปสู่การกำกับดูแลข้อบกพร่องที่อาจเกิดขึ้น ดังนั้นจึงมีความต้องการระบบตรวจสอบอัตโนมัติเพื่อให้มั่นใจทั้งความแม่นยำในการตรวจจับสูงและประสิทธิภาพในการดำเนินงาน

วิธีการ

SolVision ระบบการมองเห็น AI ของโซโลมอน ยกระดับระบบอัตโนมัติทางอุตสาหกรรมด้วยการมองเห็นเครื่องจักรที่ขับเคลื่อนด้วย AI SolVision ใช้การเรียนรู้เชิงลึกเพื่อฝึกโมเดลอย่างรวดเร็วจากภาพตัวอย่างชุดเล็กๆ ที่ถ่ายโดยกล้อง 3D อุตสาหกรรม แนวทางนี้ช่วยให้สามารถระบุตำแหน่งข้อบกพร่องได้อย่างรวดเร็วและแม่นยำ ช่วยให้มั่นใจได้ถึงมาตรฐานการตรวจสอบที่สม่ำเสมอและการตรวจจับความผิดปกติของสีรถอย่างมีประสิทธิภาพ

ผลที่ได้รับ

ความแม่นยำในการตรวจจับข้อบกพร่องมากขึ้น ปรับปรุงประสิทธิภาพการตรวจสอบ เพิ่มประสิทธิภาพการผลิต

ภาพประกอบ

การรับรู้หมายเลขประจำตัวรถยนต์

การรับรู้หมายเลขประจำตัวรถยนต์ หรือที่เรียกว่า Vehicle Identification Number (VIN) Recognition เป็นกระบวนการใช้เทคโนโลยีเพื่อสแกนและแยกข้อมูลจากหมายเลขประจำตัวรถยนต์ที่ติดอยู่กับรถยนต์ เพื่อใช้ในการระบุรถคันนั้น ๆ ซึ่งเทคโนโลยีนี้มักใช้ร่วมกับระบบตรวจจับภาพและการประมวลผลภาพด้วยคอมพิวเตอร์ (Computer Vision) ในการดึงข้อมูลหมายเลขประจำตัวรถออกมาโดยอัตโนมัติ โดยมีขั้นตอนและเทคโนโลยีที่เกี่ยวข้องดังนี้:

1. เทคโนโลยีการรู้จำอักขระจากภาพ (Optical Character Recognition – OCR)
OCR เป็นเทคโนโลยีหลักที่ใช้ในการแยกอักขระที่อยู่ในภาพของหมายเลขประจำตัวรถ ซึ่งมักจะถูกฝังไว้บนแผ่นป้ายที่มีตัวเลขและตัวอักษรที่เป็นเอกลักษณ์ ระบบ OCR จะใช้กล้องหรือเซ็นเซอร์สแกน VIN และแปลงเป็นข้อมูลที่สามารถใช้ได้ในระบบคอมพิวเตอร์

2. กระบวนการทำงานของการรับรู้หมายเลขประจำตัวรถ
     – การถ่ายภาพ VIN: ขั้นตอนแรกคือการใช้กล้องความละเอียดสูงหรือเซ็นเซอร์เพื่อจับภาพ VIN ที่ถูกติดตั้งบนส่วนต่าง ๆ ของตัวถังรถ เช่น บนเสากลางประตู ฝั่งคนขับ หรือใกล้กับเครื่องยนต์
     – การตรวจจับตำแหน่ง VIN: ระบบจะใช้การประมวลผลภาพในการค้นหาตำแหน่งของ VIN ในภาพ และระบุขอบเขตของ VIN เพื่อแยกหมายเลขออกจากส่วนอื่น ๆ ของภาพ
     – การแปลงอักขระ: หลังจากที่ระบุตำแหน่งของ VIN ได้แล้ว OCR จะถูกนำมาใช้เพื่อแปลงตัวเลขและตัวอักษรบน VIN ให้เป็นข้อมูลดิจิทัล
     – การตรวจสอบความถูกต้อง: หลังจากระบบแยกข้อมูลออกมาแล้ว ข้อมูลจะถูกตรวจสอบความถูกต้องของหมายเลข VIN ด้วยการเปรียบเทียบกับฐานข้อมูลรถยนต์ หรือกฎเฉพาะที่กำหนดเกี่ยวกับการสร้างหมายเลขประจำตัวรถ

3. การใช้งานของการรับรู้หมายเลขประจำตัวรถ
     – การลงทะเบียนรถยนต์: การรับรู้ VIN ใช้ในขั้นตอนการลงทะเบียนรถเพื่อตรวจสอบความถูกต้องของข้อมูล
     – การตรวจสอบประวัติรถยนต์: หมายเลข VIN สามารถใช้ตรวจสอบประวัติการซ่อมบำรุง อุบัติเหตุ หรือข้อมูลประกันภัยของรถ
     – การควบคุมและบังคับใช้กฎหมาย: เจ้าหน้าที่ตำรวจหรือหน่วยงานที่เกี่ยวข้องใช้ระบบนี้ในการตรวจสอบว่ารถมีการลงทะเบียนและมีประวัติอาชญากรรมหรือไม่
      – การจัดการสินค้าคงคลัง: ตัวแทนจำหน่ายรถยนต์และผู้ผลิตใช้การรับรู้หมายเลข VIN เพื่อจัดการการตรวจสอบสต็อก การติดตามรถที่ถูกผลิต และการส่งมอบ

4. ข้อดีของการใช้การรับรู้ VIN ด้วย AI
     – ลดข้อผิดพลาดจากมนุษย์: การอ่านหมายเลขด้วยตนเองอาจเกิดความผิดพลาดได้ แต่ด้วยระบบ AI ข้อผิดพลาดนี้จะลดลง
     – ความเร็วในการประมวลผล: การใช้ระบบ OCR ช่วยให้สามารถตรวจจับและแปลงข้อมูลได้ในเวลาอันสั้น
     – การประมวลผลข้อมูลขนาดใหญ่: ระบบสามารถประมวลผลข้อมูลจำนวนมากได้ ทำให้สามารถใช้ในสถานการณ์ที่ต้องจัดการรถยนต์จำนวนมาก เช่น ในโกดังหรือลานจอดรถ

5. ความท้าทายของระบบการรับรู้หมายเลขประจำตัวรถ
     – คุณภาพของภาพ: หากกล้องหรือเซ็นเซอร์ที่ใช้ไม่ดีพอ หรือหาก VIN มีความเสียหายหรือไม่ชัดเจน ระบบอาจไม่สามารถอ่านหมายเลขได้อย่างถูกต้อง
     – การจัดการกับ VIN ที่ถูกดัดแปลง: ในบางกรณี หมายเลข VIN อาจถูกดัดแปลงหรือปลอมแปลง ซึ่งอาจทำให้ระบบตรวจจับไม่สามารถรับรู้ได้

การนำเทคโนโลยีการรับรู้หมายเลขประจำตัวรถยนต์ด้วย AI และ OCR เข้ามาใช้นี้ช่วยให้การจัดการรถยนต์มีประสิทธิภาพและความถูกต้องมากขึ้น ลดข้อผิดพลาดในการระบุรถ และเป็นประโยชน์ในการตรวจสอบและจัดการรถยนต์ในหลายภาคส่วน

การรับรู้หมายเลขซีเรียลของเครื่องยนต์โดยใช้ AI

กรณีศึกษา

หลังจากผลิตเครื่องยนต์ในรถยนต์แล้ว หมายเลขซีเรียลที่ไม่ซ้ำกันจะถูกแกะสลักหรือแกะสลักด้วยเลเซอร์บนพื้นผิวโลหะของเครื่องยนต์แต่ละตัว หมายเลขซีเรียลนี้พร้อมด้วยสัญลักษณ์เพิ่มเติมใดๆ จะถูกบันทึกและเก็บถาวรเพื่อใช้อ้างอิงในอนาคต ตามปกติแล้ว การระบุและการบันทึกเครื่องหมายเหล่านี้จะดำเนินการด้วยตนเอง ซึ่งเป็นกระบวนการที่ใช้เวลานานและใช้แรงงานมาก

โจทย์งาน

โดยทั่วไปหมายเลขประจำเครื่องของเครื่องยนต์จะระบุไว้ที่ตัวเครื่องยนต์ อย่างไรก็ตาม การถ่ายภาพตัวเลขเหล่านี้ให้ชัดเจนทำให้เกิดความท้าทายเนื่องจากมีเงาที่อาจรบกวนการมองเห็นได้ องค์ประกอบของโลหะทำให้เรื่องซับซ้อนยิ่งขึ้นโดยทำให้ความสว่างพื้นหลังไม่สม่ำเสมอหรือคอนทราสต์ต่ำ ทำให้ระบบอัตโนมัติอ่านตัวเลขได้อย่างแม่นยำได้ยาก แม้แต่การตรวจสอบด้วยภาพด้วยตนเองก็ยังประสบปัญหาในการระบุหมายเลขซีเรียลเหล่านี้ในสายการผลิตอย่างรวดเร็ว

วิธีการ

SolVision ช่วยให้การแยกและการแปลงหมายเลขซีเรียลของเครื่องยนต์จากรูปภาพเป็นข้อมูลดิจิทัลได้อย่างราบรื่น โดยใช้เครื่องมือตรวจสอบด้วยภาพขั้นสูงและเทคโนโลยี Optical Character Recognition (OCR) ช่วยให้สามารถบูรณาการเข้ากับระบบฐานข้อมูลและเชื่อมโยงกับบันทึกยานพาหนะได้อย่างมีประสิทธิภาพ SolVision AI เป็นเลิศในการปรับให้เข้ากับสภาพแวดล้อมที่หลากหลาย ช่วยให้มั่นใจได้ถึงการจดจำอักขระบนสายการผลิตที่แม่นยำและรวดเร็ว

ผลที่ได้รับ

จับและบันทึกหมายเลขซีเรียลของเครื่องยนต์โดยอัตโนมัติ OCR อ่านและตรวจสอบเครื่องหมายตัวอักษรและตัวเลขได้อย่างแม่นยำ ผสานรวมกับฐานข้อมูลสำหรับการติดตามและการจัดการแบบเรียลไทม์

ภาพประกอบ

การประกอบยานยนต์โดยใช้หุ่นยนต์นำทางด้วยวิสัยทัศน์

การประกอบยานยนต์โดยใช้หุ่นยนต์นำทางด้วยวิสัยทัศน์ (Vision-Guided Robotics) เป็นการผสมผสานระหว่างหุ่นยนต์อัตโนมัติและเทคโนโลยีการประมวลผลภาพเพื่อเพิ่มประสิทธิภาพและความแม่นยำในกระบวนการผลิต ต่อไปนี้เป็นรายละเอียดเกี่ยวกับการใช้หุ่นยนต์ที่นำทางด้วยวิสัยทัศน์ในสายการผลิตยานยนต์:

1. การนำทางด้วยวิสัยทัศน์ (Vision Guidance)

หุ่นยนต์ที่ใช้ในการประกอบยานยนต์จะติดตั้งกล้องหรือเซ็นเซอร์ที่มีความละเอียดสูง เพื่อช่วยในการตรวจจับตำแหน่ง รูปทรง และลักษณะของชิ้นส่วนที่เกี่ยวข้องกับการประกอบ เทคโนโลยีการประมวลผลภาพ (Computer Vision) จะถูกนำมาใช้ในการวิเคราะห์ภาพและสั่งการให้หุ่นยนต์เคลื่อนไหวหรือประกอบชิ้นส่วนได้อย่างแม่นยำ โดยไม่ต้องใช้โครงสร้างที่ตายตัวหรือแนวทางแบบเดิม

2. การประกอบชิ้นส่วน

หุ่นยนต์ที่มีการนำทางด้วยวิสัยทัศน์สามารถตรวจจับชิ้นส่วนยานยนต์ที่หลากหลาย และทำการประกอบได้ตามลำดับที่กำหนด ไม่ว่าจะเป็นการติดตั้งเครื่องยนต์ การยึดน็อต การเชื่อมโลหะ หรือการประกอบชิ้นส่วนภายในห้องโดยสาร ด้วยการใช้วิสัยทัศน์ หุ่นยนต์สามารถปรับเปลี่ยนตามการเคลื่อนไหวที่จำเป็นเมื่อมีชิ้นส่วนที่ขยับหรือไม่อยู่ในตำแหน่งที่ถูกต้อง

3. การจัดการชิ้นส่วนที่มีความซับซ้อน

ในบางขั้นตอนของการประกอบยานยนต์ หุ่นยนต์ต้องจัดการกับชิ้นส่วนที่มีรูปทรงซับซ้อนหรือชิ้นส่วนที่มีขนาดเล็ก การใช้กล้องและระบบวิสัยทัศน์ช่วยให้หุ่นยนต์สามารถระบุรายละเอียดเล็ก ๆ น้อย ๆ และทำการประกอบหรือจัดวางชิ้นส่วนได้อย่างแม่นยำ เช่น การประกอบชิ้นส่วนภายในห้องโดยสารที่ต้องการความละเอียดสูง

4. การตรวจสอบและควบคุมคุณภาพ

หุ่นยนต์ที่มีการนำทางด้วยวิสัยทัศน์สามารถทำหน้าที่ในการตรวจสอบคุณภาพของชิ้นส่วนและกระบวนการประกอบได้แบบเรียลไทม์ ระบบกล้องที่ติดตั้งบนหุ่นยนต์จะช่วยตรวจจับข้อบกพร่องหรือความผิดพลาดของชิ้นส่วนที่อาจเกิดขึ้นระหว่างการประกอบ เช่น การตรวจสอบรอยเชื่อม การตรวจสอบตำแหน่งของชิ้นส่วนที่ติดตั้ง

5. ความยืดหยุ่นและการปรับตัว

หุ่นยนต์ที่มีการนำทางด้วยวิสัยทัศน์มีความสามารถในการปรับตัวเข้ากับการเปลี่ยนแปลงของสายการผลิตได้อย่างยืดหยุ่น เช่น หากมีการเปลี่ยนแปลงการออกแบบหรือกระบวนการประกอบ หุ่นยนต์สามารถปรับโปรแกรมและปรับตำแหน่งการเคลื่อนไหวโดยอิงจากข้อมูลที่ได้รับจากระบบวิสัยทัศน์ได้ทันที

6. การใช้งานร่วมกับระบบอัตโนมัติอื่น ๆ

หุ่นยนต์นำทางด้วยวิสัยทัศน์มักถูกใช้ร่วมกับระบบอัตโนมัติอื่น ๆ เช่น ระบบลำเลียงอัตโนมัติ (Automated Guided Vehicles – AGVs) ที่ช่วยในการเคลื่อนย้ายชิ้นส่วนจากส่วนหนึ่งของสายการผลิตไปยังอีกส่วนหนึ่ง ช่วยให้กระบวนการผลิตดำเนินไปอย่างราบรื่น

7. ประโยชน์ของการใช้หุ่นยนต์นำทางด้วยวิสัยทัศน์

  • ความแม่นยำสูง: สามารถประกอบชิ้นส่วนด้วยความละเอียดและแม่นยำมากกว่ามนุษย์
  • ประสิทธิภาพสูง: ทำงานได้ตลอดเวลาโดยไม่ต้องหยุดพัก ทำให้กระบวนการผลิตเร็วขึ้น
  • ลดข้อผิดพลาด: การใช้ระบบวิสัยทัศน์ช่วยลดข้อผิดพลาดในการประกอบที่อาจเกิดจากการใช้แรงงานมนุษย์
  • ลดต้นทุน: ในระยะยาว การใช้หุ่นยนต์ช่วยลดต้นทุนการผลิตและเพิ่มผลผลิต

การนำหุ่นยนต์ที่ใช้วิสัยทัศน์มาใช้ในการประกอบยานยนต์ช่วยเพิ่มทั้งคุณภาพและความเร็วในกระบวนการผลิต และเป็นส่วนสำคัญในการนำเทคโนโลยีเข้ามาปรับปรุงอุตสาหกรรมยานยนต์ในปัจจุบัน