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

AI การตรวจจับข้อบกพร่องในการเชื่อม

ภาพประกอบ

วิดีโอประกอบ

การตรวจสอบเครื่องหมายรับรองความปลอดภัย

ภาพประกอบ

[2] การเจียรชิ้นส่วนโลหะด้วย Vision Guided Robotics

กรณีศึกษา

การเจียร แม้ว่าจะเป็นกระบวนการธรรมดาในการผลิตชิ้นส่วนโลหะ แต่ก็ยังคงเป็นหนึ่งในงานที่ซับซ้อนที่สุด การบรรลุผลิตภัณฑ์สำเร็จรูปตามที่ต้องการนั้นไม่ใช่เรื่องง่าย เนื่องจากต้องปฏิบัติตามมาตรฐานด้านคุณภาพ ความสามารถในการทำซ้ำ และความสามารถในการทำซ้ำอย่างเข้มงวด สิ่งนี้กลายเป็นเรื่องที่ท้าทายมากขึ้นเนื่องจากการขาดแคลนช่างเทคนิคที่มีทักษะและความไม่สอดคล้องกันโดยธรรมชาติของแรงกดที่ใช้ด้วยตนเอง

โจทย์งาน

การเจียรแบบอัตโนมัติโดยปราศจากการมองเห็นกลายเป็นงานที่แทบจะเป็นไปไม่ได้เลย เนื่องจากต้องใช้ความเที่ยงตรงสูง ตัวอย่างเช่น เมื่อผลิตโครงจักรยานโลหะด้วยการฉีดขึ้นรูป ผลิตภัณฑ์กึ่งสำเร็จรูปมักมีเส้นที่ไม่เท่ากันจากกล่องแม่พิมพ์ เพื่อให้เป็นไปตามมาตรฐานการผลิต จำเป็นต้องมีกระบวนการบดเพิ่มเติม อย่างไรก็ตาม ตำหนินั้นมีรูปร่างไม่สม่ำเสมอและกระจายไปตามจุดต่างๆ บนโครงโลหะ ทำให้การเจียรด้วยมือเป็นกระบวนการที่ลำบากและละเอียดอ่อน ซึ่งมักจะนำไปสู่ความผิดปกติหรือการแตกหักของผลิตภัณฑ์

วิธีการ

เทคโนโลยีการจับคู่ 3 มิติที่ล้ำสมัยของ SolMotion นำเสนอโซลูชันที่ทรงพลังสำหรับการเปรียบเทียบโปรไฟล์ของวัตถุกับตัวอย่างทองคำหรือแบบจำลอง CAD ด้วยการสร้างพอยต์คลาวด์แบบ 3 มิติ จะเผยให้เห็นแผนที่ข้อผิดพลาดที่ระบุความเบี่ยงเบนในการผลิตบนวัตถุ ด้วยการใช้ประโยชน์จากข้อมูลนี้ ระบบจะได้เส้นทาง 3 มิติที่แม่นยำสำหรับหุ่นยนต์ โดยนำทางด้วยเครื่องมือเจียร เป็นผลให้กระบวนการที่เป็นนวัตกรรมนี้ช่วยลดการทำงานซ้ำและของเสียที่เกิดจากผลิตภัณฑ์ที่ไม่ได้มาตรฐานได้อย่างมาก ซึ่งนำไปสู่การประหยัดต้นทุนเมื่อเวลาผ่านไป วิธีการที่เชื่อถือได้และมีประสิทธิภาพนี้ช่วยให้มั่นใจได้ถึงผลผลิตคุณภาพสูงและเพิ่มประสิทธิภาพการผลิตโดยรวม

ผลที่ได้รับ

ภาพประกอบ

https://www.pranakorntech.com/wp-content/uploads/2024/08/2-004-1.jpg

https://www.pranakorntech.com/wp-content/uploads/2024/08/2-005-1.png