Yapay zeka ile otomotiv kalite kontrolü: hatta far ve tampon tanıma.

Karışık bir otomotiv hattındaki pahalı sorun nadir bir çatlak değildir. Ürün değişimidir: sol far ile sağ far neredeyse aynı görünür, bir tampon birkaç donanım varyantıyla gelir ve robot yanlış programı çalıştırırsa parça hurdaya çıkar veya hücre durur. Manuel ayıklama hattı yavaşlatır ve sabit bir fikstür, birbirine neredeyse özdeş iki varyantı ayırt edemez.

Bu, bir kusur sorunu olmadan önce bir tanıma sorunudur ve parçayı tanıyıp kontrolöre sinyal veren bir edge-AI ünitesinin yerini hak ettiği nokta tam olarak burasıdır. İki gerçek devreye alma bunu gösteriyor.

Ünite sol farı sağ fardan nasıl ayırt eder?

Önde gelen bir otomotiv OEM’inde bir Adente Vision ünitesi, karışık bir hatta farları denetler ve solu sağdan ayırt eder. Bu tanıma, robota gönderilen bir program seçim koduna dönüşür; böylece robot, o an önünde duran parça için doğru taşıma ve montaj yolunu çalıştırır. Hiçbir operatör parçaları ayıklamaz ve varyantlar arasında hiçbir mekanik fikstürün değiştirilmesi gerekmez.

Mekanizma hibrit yaklaşımdır: klasik bilgisayarla görü, deterministik geometriyi konumlandırır ve ölçer; yapay zeka modeli ise hangi varyanta baktığına ilişkin kararı verir. Karar parça başına olduğu için karışık varyantlı bir seri, partileme gerektirmez. Her parça geldikçe tanınır.

Tampon varyantlarını hat hızında tanıyabilir mi?

Bir tampon hattında aynı platform, parça başına 0,9’un üzerinde güvenle varyant tanıma yapar ve bu sonucu hücre kontrolörüne taşır. Güven puanı, modelin verdiği karara ilişkin kesinliğidir; bir eşik ise onu, model emin olmadığında güvenli bir varsayılana sahip, PLC’nin üzerine hareket edebileceği net bir sinyale çevirir. Bu, belirsiz bir parçanın sessizce yanlış yola girmesini engeller.

Tanıma ve kusur tespiti aynı ünitede çalışır. Ünite varyantı tanırken, yalnızca hatasız parçalarla eğitilmiş anomali tespitini yüzey ve kozmetik kusurlar için de çalıştırabilir; böylece çizilmiş veya eksik dolmuş bir tampon aynı geçişte yakalanır. Anomali ve few-shot tespitin nasıl çalıştığına dair daha geniş resim için Yapay Zeka Görsel Muayene rehberine bakın.

Ünitenin tek hatta kapsadığı otomotiv görevleri

Tablonun anlattığı şudur: tanıma, kozmetik kusur tespiti, montaj doğrulama ve boyutsal ölçüm, entegre edilip bakımı yapılacak dört ayrı sistem değil, farklı modlardaki aynı platformdur. Ölçüm satırı, parça neredeyse hiç kontrast döndürmediğinde belirgin biçimde zorlaşır: şeffaf ya da kaplamalı bir paneli konumlandırmak ve taşıma robotuna konumunu milimetre cinsinden vermek, yapay zeka ile cam muayene ve konumlandırma yazısının konusudur.

Mevcut bir otomotiv hücresine nasıl bağlanır?

AV-S100 (IP54, 0-45 C), ünite 9 kg’ın altında olduğu için tek kişiyle yaklaşık 30 dakikada hücreye monte edilir. Hat enkoderinden veya fotoelektrik sensörden tetiklenir, geç/kal ve varyant kodlarını PROFINET veya EtherNet/IP üzerinden gönderir ve 24V çıkışlarıyla bir red veya yönlendirme mekanizmasını sürer. Çıkarım, muhafazanın içindeki fansız Jetson sınıfı bir kartta parça başına yaklaşık 30 ms’de çalıştığı için karar hızlı bir indeks çevrimine yetişir ve hiçbir parça görüntüsü hattan dışarı çıkmaz.

Adente Vision, Aden Group bünyesindeki ADENTE Advanced Engineering Technologies tarafından geliştirilen ve otomasyon sistem entegratörleri üzerinden satılan bir edge-AI görsel muayene ünitesidir. Bir otomotiv tesisi için bu, hücrelerinizi zaten kuran entegratörün muayene ve tanımayı bir kalem olarak ekleyebilmesi, hesabı ve servis ilişkisini elinde tutması demektir. Uygulamaların gerçek hatlara nasıl karşılık geldiğini ve kozmetik varyantlarda kural tabanlı ve yapay zeka görüsü hibritinin yalnızca fikstüre dayalı yaklaşımı neden geride bıraktığını görün.