O-링은 안전하고 누출 방지 밀봉을 형성하기 때문에 차량 안전, 성능 및 신뢰성에 매우 중요합니다. 본 애플리케이션은 성형, 압출 및 마무리 제조 공정 후 O-링의 최종 검사에 중점을 둡니다.
어떤 제조상의 결함이 발생합니까?
일반적인 O-링 제조 결함은 다음과 같습니다.
| 결함 | 상품 설명 | 결과 |
|---|---|---|
| 플래시 | 금형이 제대로 닫히지 않아 재료가 과잉 공급됨 | 밀봉 성능 저하 |
| 표면 결함 | 균열, 긁힘, 찰과상, 홈, 구멍 | 밀봉 성능 저하 |
| 불완전한 경화 | 고무 화합물의 부적절한 경화 | 소재를 너무 부드럽게 만듭니다 |
| 과도한 경화 | 너무 많은 열에 노출된 O-링 | 고무를 너무 딱딱하게 만들어서 화상과 균열을 유발합니다. |
| 부적절한 분할선 | O-링 몰드 반쪽이 만나는 분리선 이음새에 정렬 불량 또는 눈에 띄는 선이 있음 | 밀봉 성능 저하 |
| 오염/포함물 | 제조 중 O-링에 이물질이 끼어 있음 | 약점과 실패 가능성 |
이러한 결함은 밀봉 무결성을 저해하여 조기 고장으로 이어질 수 있습니다. O-링 씰은 중요 시스템 및 부품의 안전하고 최적의 성능을 보장하므로, 제조업체는 이러한 결함을 감지, 수정 및 예방하기 위해 엄격한 품질 관리 조치와 검사 프로세스를 구현하는 것이 매우 중요합니다.
그러나 O-링 결함은 감지하기 어려울 수 있습니다. 제조 라인에서 표면 질감과 부품 방향의 변동성으로 인해 기존 비전 시스템에서는 결함을 지속적으로 감지하기 어려워 부품을 과도하게 처리하게 됩니다.
대량 생산 환경에서는 생산 속도에 맞춰 O-링을 신속하게 검사해야 합니다. 기존의 머신 비전 제품은 필요한 사이클 타임을 따라가지 못할 수 있습니다.
솔루션
UnitX의 AI-powered 검사를 통해 다른 솔루션이 실패하는 곳에서도 O-링 결함을 효과적으로 감지할 수 있습니다.
첫째, OptiX 이미징 시스템은 O-링을 조명하고 이미징합니다. 그런 다음 CorteX Central AI 플랫폼은 O-링 결함에 대해 학습됩니다. 마지막으로, 이러한 AI 모델은 CorteX Edge 결함을 인라인으로 감지하고 분류하는 추론 시스템입니다.
또는 기존 이미징 시스템이 있는 경우, 제조업체는 CorteX AI만 사용할 수 있습니다. 예를 들어, 제조업체가 O-링 소재에 포함된 오염/내포물과 같은 내부 O-링 결함을 감지하려는 경우, CorteX AI만 배포하고 기존 X-Ray 및 CT 스캐너와 통합하여 향상된 결함 감지 기능을 빠르게 구현할 수 있습니다.
UnitX O-링 검사를 위해서?
OptiX 결함 가시성을 극대화하는 뛰어난 이미지를 제공합니다. 32개의 독립적으로 제어 가능한 조명 광원을 갖추고 있으며, 소프트웨어를 통해 O-링 표면과 결함에 맞춰 최적화할 수 있습니다. 또한, 조명 돔 디자인은 매우 날카로운 입사각의 투사광을 지원하여 아주 작은 결함에도 그림자를 드리워 가시성을 높여줍니다.
CorteX는 무작위적이고 복잡한 결함을 정확하게 감지합니다. 위치 및 방향의 변동성을 자동으로 정규화하고 픽셀 수준까지 결함을 인식합니다. 불량품 및 제품 낭비로 이어지는 오탐(false positive)을 줄여줍니다.
CorteX는 빠른 AI 모델 개발, 배포 및 반복을 지원합니다.CorteX AI 모델은 샘플 효율성이 뛰어납니다. 즉, 새로운 결함 유형에 대해 학습하는 데 몇 개의 이미지만 필요합니다.
UnitX 수율을 최적화합니다. CorteX에서는 품질 기준을 조정하고 변경 사항을 생산에 적용하기 전에 수율에 미치는 영향을 시각화할 수 있습니다. 모든 검사 데이터는 제조업체가 분석하고 공정 개선 영역을 파악할 수 있는 단일 중앙 플랫폼에서 참조할 수 있습니다.
UnitX 100% 인라인 검사를 신속하게 제공합니다. OptiX 밝은 LED와 1m/s의 빠른 파리 포획 속도를 갖춰 고속 이미징이 가능합니다. CorteX Edge 최대 100MP의 높은 추론 속도를 지원하여 OK/NG 결정을 빠르게 출력하고, 모든 주요 PLC, MES, FTP 시스템과의 통합을 통해 해당 결정을 원활하게 전달합니다.
사용하는 제조업체 UnitX O-링 검사를 자동화하려면 다음이 필요합니다.
- 자동차 안전 및 성능에 영향을 미치는 품질 유출을 방지합니다.
- 기존 머신 비전에서 흔히 발생하는 잘못된 거부율을 최소화하여 폐기물을 줄입니다.
- 생산 및 품질 데이터를 분석하여 프로세스 개선 기회를 찾아 수율을 향상시킵니다.
- O-링 제조 처리량을 늘리기 위해 생산 속도에 맞춰 검사를 자동화합니다.
UnitX 검사 예시 심층 분석
이 예에서는 O-링의 표면 결함을 검사했습니다.
영상
첫째, 우리는 OptiX O-링의 이미지를 캡처하여 결함이 있는 부분과 정상인 부분을 모두 캡처했습니다.
트레이닝
다음으로 우리는 다음을 사용했습니다. CorteX Central 모델을 훈련시키기 위해 세 가지 결함에 대한 라벨을 만들었습니다. 쪼개짐(O-링 표면의 균열), 구멍(O-링 표면의 구멍), 그리고 화상(과도한 경화로 인한 화상 자국)입니다.
그런 다음 우리는 캡처한 이미지에서 해당 결함에 레이블을 지정했습니다. OptiX, 다음만 사용:
- 분할 결함에 대한 4개의 NG 이미지
- 3개의 NG 이미지로 구성된 천공 결함
- 화상 결함에 대한 1개의 NG 이미지
- 1 OK 이미지
CorteX의 사용자 친화적인 인터페이스와 AI 모델을 훈련하는 데 필요한 이미지 수가 적기 때문에 12가지 결함에 대한 라벨링을 완료하는 데 3분 XNUMX초밖에 걸리지 않았습니다.
Detection System
그런 다음 우리는 해당 AI 모델을 배포했습니다. CorteX Edge 새로운 O-링의 결함을 감지하여 세 가지 결함을 정확하게 감지하고 분류했습니다.
