Automatické rozpoznávanie vád (ADR)

02Čo tým získate

Čo tým získate

• Nižšia subjektívnosť hodnotenia — rozhodnutie nezávisí od únavy a praxe obsluhy
• Vyššia opakovateľnosť a stabilita procesu pri sériovej výrobe
• Dá sa doplniť na existujúcu linku aj umiestniť mimo kontrolnej lavice (napr. ROBOMAG 1200)
• Kompletná archivácia vyhodnotených snímok

03Čo treba vedieť pri výbere

Čo je automatické rozpoznávanie vád?

Automatické rozpoznávanie vád (ADR) je pokročilý prístup k nedeštruktívnemu skúšaniu, pri ktorom sa snímanie obrazu, detekcia indikácií a podpora vyhodnotenia vykonávajú automaticky pomocou kamier, snímačov, riadeného osvetlenia a algoritmov postavených na umelej inteligencii. Systémy sú navrhnuté tak, aby zlepšovali konzistentnosť, opakovateľnosť, produktivitu a sledovateľnosť kontrolných procesov — najmä vo vysokosériovej výrobe so stabilnými a dobre definovanými podmienkami kontroly.

• Automatizované snímanie obrazu a podpora kontroly
• Digitálne záznamy z kontroly a sledovateľnosť
• Opakovateľné vyhodnocovanie kandidátnych indikácií
• Nižšia pracovná záťaž obsluhy pri opakovaných kontrolných úlohách
• Krátke takty a nepretržitá prevádzka 24/7
• Konfigurovateľné smerovanie dielov OK, NOK a neistých
• Štatistické reportovanie a dlhodobé sledovanie procesu

04Čo treba vedieť pri výbere

NDT metódy vhodné na automatizáciu

Systémy ADR sa dajú nakonfigurovať pre vybrané metódy NDT. Podľa konkrétnej aplikácie sa dodávajú ako samostatné kontrolné stanice alebo sa integrujú do automatizovaných výrobných liniek s dopravníkmi, robotickou manipuláciou, karteziánskymi manipulátormi či bin-pickingom.

• Vizuálna kontrola (VT) — vhodná na detekciu viditeľných trhlín a povrchových anomálií
• Magnetická prášková skúška (MPI) — na povrchové a podpovrchové vady feromagnetických materiálov
• Fluorescenčná kapilárna skúška (FPI) — účinná na detekciu povrchovo otvorených indikácií pod UV osvetlením
• Ultrazvukové skúšanie (UT) — napríklad pri vybraných aplikáciách, ako je kontrola bodových zvarov

05Čo treba vedieť pri výbere

Ako automatické rozpoznávanie vád funguje pri NDT skúšaní?

06Čo treba vedieť pri výbere

Manipulácia a polohovanie dielov

Diely môžu byť automaticky manipulované pomocou dopravníkov, robotov, karteziánskych manipulátorov, prípravkov alebo bin-pickingových systémov. Správne polohovanie je nevyhnutné na dosiahnutie opakovateľných kontrolných podmienok a stabilného snímania obrazu.

07Čo treba vedieť pri výbere

Snímanie obrazu a osvetlenie

Priemyselné kamery, optika a prispôsobené osvetlenie sa volia podľa konkrétnej kontrolnej úlohy. Systém strojového videnia je navrhnutý tak, aby zachytil požadované kontrolované oblasti definované v kontrolnom postupe schválenom zákazníkom.

08Čo treba vedieť pri výbere

Pri vhodných geometriách dielov možno systém nakonfigurovať tak, aby dosiahol plné pokrytie špecifikovaných kontrolovaných povrchov. Skutočné pokrytie sa overuje počas štúdie realizovateľnosti a validácie.

09Čo treba vedieť pri výbere

Vyhodnotenie postavené na AI

Modely hlbokého učenia spracúvajú získané obrazové dáta a detekujú, klasifikujú alebo merajú kandidátne indikácie. Relevantnosť každej indikácie sa vyhodnocuje podľa definovaných pravidiel, požiadaviek zákazníka a použiteľných kritérií prípustnosti.

10Čo treba vedieť pri výbere

Podpora rozhodovania a triedenie

Systém môže podporovať rozhodovacie procesy OK/NOK tým, že na výsledky kontroly aplikuje validované pravidlá schválené zákazníkom. Podľa konkrétnej aplikácie môžu byť neisté výsledky smerované na ľudské preskúmanie.

11Čo treba vedieť pri výbere

Plne automatizované triedenie môže byť implementované len po zákaznícky špecifickej validácii, ktorá potvrdí, že výkon systému spĺňa dohodnutý kontrolný postup, kritériá prípustnosti, výrobné požiadavky a platné predpisy.

12Čo treba vedieť pri výbere

Proces implementácie ADR

Implementácia systému automatického rozpoznávania vád je postupný proces navrhnutý tak, aby znižoval technické riziká a overoval výkon v realistických podmienkach.

13Čo treba vedieť pri výbere

Štúdia realizovateľnosti

Proces obvykle začína štúdiou realizovateľnosti. V tejto fáze zákazník poskytuje technické požiadavky, informácie o kontrolovaných dieloch a reprezentatívne vzorky OK/NOK alebo vzorky obsahujúce relevantné indikácie.

14Čo treba vedieť pri výbere

Na základe týchto vstupov sa posudzuje vhodnosť zvolenej metódy NDT, testujú sa koncepty manipulácie s dielmi, navrhuje sa konfigurácia systému strojového videnia a vykonáva sa počiatočná detekcia indikácií postavená na AI pomocou zákaznícky špecifických obrazových dát.

15Čo treba vedieť pri výbere

Cieľom štúdie realizovateľnosti je potvrdiť, či sa požadované indikácie dajú spoľahlivo detekovať za riadených a opakovateľných podmienok.

16Čo treba vedieť pri výbere

Implementácia poloautomatického systému ADR

Po úspešnej štúdii realizovateľnosti často nasleduje implementácia poloautomatického systému ADR vo výrobnom prostredí.

17Čo treba vedieť pri výbere

V tejto fáze systém zaznamenáva kontrolné dáta a automaticky detekuje a zvýrazňuje potenciálne indikácie. Konečné vyhodnotenie a rozhodnutie o prípustnosti môžu zostať na kvalifikovanom personáli, zatiaľ čo výkon systému sa overuje v reálnych výrobných podmienkach.

18Čo treba vedieť pri výbere

Tento prístup podporuje bezpečnú validáciu, umožňuje ďalší zber dát a dovoľuje spresňovať modely AI, nastavenie parametrov modelu a kontrolné pravidlá pred zavedením vyšších úrovní automatizácie.

19Čo treba vedieť pri výbere

Plne automatizovaná kontrola a triedenie

Len čo systém ADR preukáže stabilný výkon podľa dohodnutých validačných kritérií na definovaných dieloch, môže byť pre danú aplikáciu rozšírený o automatizované triedenie OK/NOK, pokiaľ to umožňujú platné predpisy.

20Čo treba vedieť pri výbere

Plne automatizované triedenie sa implementuje len tam, kde boli kontrolný proces, kritériá prípustnosti, výkon systému, sledovateľnosť, nakladanie s neistými výsledkami a fail-safe správanie validované a schválené zákazníkom.

21Čo treba vedieť pri výbere

Aj pri automatizovaných systémoch zostávajú dôležité periodická validácia, dohľad nad procesom, údržba, riadenie verzií modelu a preskúmanie neistých alebo výnimočných prípadov.

22Čo treba vedieť pri výbere

Validácia AI, sledovateľnosť a riadenie životného cyklu

Každý systém ADR je vyvinutý a validovaný pre konkrétnu aplikáciu. Výkon závisí od kvality a reprezentatívnosti trénovacích a validačných dát, stabilných výrobných podmienok a jasne definovaných kritérií prípustnosti.

23Čo treba vedieť pri výbere

ATG môže poskytovať zákaznícky špecifickú konfiguráciu a validačnú podporu, vrátane:

• Riadeného nastavenia snímania obrazu
• Definovanej verzie modelu AI a softvérovej konfigurácie
• Podpory pri príprave a anotácii datasetu
• Testovania detekcie
• Definície kategórií OK/NOK/neisté
• Sledovateľných záznamov z kontroly
• Štatistického reportovania výsledkov kontroly
• Riadeného procesu pretrénovania a aktualizácie modelu
• Periodického preskúmania výkonu počas produkčného používania

24Čo treba vedieť pri výbere

Aktualizácie modelu, pretrénovanie, zmeny prahových hodnôt a softvérové úpravy by mali byť riadené prostredníctvom kontrolovaného procesu zmien. Pomáha to udržať stabilný výkon kontroly a podporuje auditovateľnosť počas celého životného cyklu systému.

25Čo treba vedieť pri výbere

Zákaznícke vzorky, snímky a kontrolné dáta sa používajú na štúdiu realizovateľnosti, trénovanie alebo validáciu len za zmluvne dohodnutých podmienok. Spôsob nakladania s dátami, doba uchovania, dôvernosť a prípadné použitie na zlepšovanie modelu sa so zákazníkom definujú pred začatím projektu.

26Čo treba vedieť pri výbere

Zložitosť kontrolovaných dielov a návratnosť investície u systémov ADR

Zložitosť projektu ADR rastie s geometriou dielu, drsnosťou povrchu, materiálovou variabilitou, dostupnosťou kontrolovaných oblastí a zložitosťou relevantných indikácií.

27Čo treba vedieť pri výbere

Najvhodnejšími kandidátmi na automatizáciu ADR sú obvykle sériovo vyrábané nekritické diely so stabilnou geometriou, opakovateľnými výrobnými podmienkami, jasne definovanými kritériami prípustnosti a dostatočným objemom kontroly.

28Čo treba vedieť pri výbere

Pri vhodných vysokosériových aplikáciách môžu zákazníci dosiahnuť návratnosť investície približne počas 1 až 3 rokov, v závislosti od objemu výroby, nákladov na pracovnú silu, rozsahu kontroly, riešenia falošných indikácií, požiadaviek na údržbu, požadovaného taktu a úrovne automatizácie.

29Čo treba vedieť pri výbere

Štúdia realizovateľnosti sa odporúča na odhad technickej zložitosti, očakávaného výkonu a ekonomickej návratnosti pre každú konkrétnu aplikáciu.

30Čo treba vedieť pri výbere

Zariadenia pre automatické rozpoznávanie vád dodávané spoločnosťou ATG

Podľa konkrétnej aplikácie môžu tieto systémy zahŕňať:

• Automatizovanú manipuláciu s dielmi
• Robotickú manipuláciu s dielmi, kamerami alebo kontrolnými nástrojmi
• Riadenú kontrolnú sekvenciu
• Snímanie obrazu strojovým videním vo viditeľnom alebo UV osvetlení
• Spracovanie obrazu navrhnuté na zníženie falošných indikácií
• AI rozpoznávanie kandidátnych indikácií
• Voliteľné meranie charakteristík relevantných indikácií
• Vyhodnotenie podľa pravidiel schválených zákazníkom a kritérií prípustnosti
• Triedenie dielov OK, NOK a neistých
• Smerovanie neistých dielov na ľudské preskúmanie, ak je požadované
• Štatistické reportovanie výsledkov kontroly
• Digitálne záznamy pre sledovateľnosť a audity kvality
• Zníženie pracovnej záťaže obsluhy pri opakovaných kontrolných úlohách

31Čo treba vedieť pri výbere

Vizuálna kontrola: automatizovaný systém vizuálnej kontroly ložísk (iVT B1)

Systémy ATG iVT (intelligent Visual Testing) podporujú automatizovanú vizuálnu kontrolu vybraných dielov a povrchov. Podľa konkrétnej aplikácie môžu systémy iVT detekovať a klasifikovať viditeľné kandidátne indikácie, ako sú škrabance, korózia, trhliny, povrchové znaky podobné pórovitosti, otlaky, prepálenia, nesprávna montáž, cudzie predmety, rozmerové anomálie alebo nesprávne značenie.

32Čo treba vedieť pri výbere

Magnetická prášková skúška: systémy iMT

Systémy ATG iMT (intelligent Magnetic Testing) ponúkajú poloautomatizované alebo plne automatizované aplikácie magnetickej práškovej kontroly.

33Čo treba vedieť pri výbere

Tieto systémy môžu pomáhať s posúdením prítomnosti, typu, polohy a veľkosti kandidátnych indikácií. Automatizovaná MT kontrola je technicky náročná, pretože výsledky môžu byť ovplyvnené tvarom dielu, stavom povrchu, úrovňou fluorescencie pozadia, podmienkami magnetizácie, osvetlením a kvalitou snímania obrazu.

34Čo treba vedieť pri výbere

ATG tieto výzvy rieši kombináciou know-how v NDT, riadeného kontrolného hardvéru, strojového videnia a vyhodnocovania obrazu postaveného na AI. Každý systém iMT je nakonfigurovaný a validovaný pre konkrétny kontrolovaný diel a kontrolné kritériá.

35Čo treba vedieť pri výbere

Kapilárna skúška: systémy iPT

Systémy ATG iPT (intelligent Penetrant Testing) podporujú automatizované aplikácie fluorescenčnej kapilárnej skúšky, vrátane nakladania, vykladania, snímania obrazu, detekcie indikácií, merania, reportovania a triedenia.

36Čo treba vedieť pri výbere

Príklady detekovaných indikácií

Výkon ADR je špecifický pre konkrétnu aplikáciu. Schopnosť detekcie, presnosť klasifikácie, presnosť merania a takt systému závisia od kontrolovaného dielu, metódy NDT, stavu povrchu, optickej konfigurácie, kvality datasetu a kritérií prípustnosti. Každý systém ADR musí byť validovaný pre svoje zamýšľané použitie predtým, než sa použije na produkčné uvoľňovanie dielov alebo automatizované triedenie. Konečná zodpovednosť za kontrolné postupy, kritériá prípustnosti a uvoľnenie produktu zostáva na zákazníkovi v súlade s použiteľnými normami, špecifikáciami a regulatórnymi požiadavkami.

Aj od iných výrobcov

Aj od iných výrobcov

Dodávame aj techniku renomovaných výrobcov mimo skupiny ATG. Kliknutím sa dostanete na ich stránky; s výberom, kalibráciou aj spotrebným materiálom poradíme.