智能图像处理为工业4.0应用中的生产工人提供支持

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了智能图像处理为工业4.0应用中的生产工人提供支持相关的知识,希望对你有一定的参考价值。

同时,人与机器之间的交互将继续关注人类。鉴于熟练工人的普遍短缺和高标准的工业安全性,对于公司而言,这绝非易事。成功进行流程优化的其他挑战是大量的变体,复杂的任务和流程以及不断提高的质量要求。这怎么能成功?更多信息尽在振工链。
借助辅助系统“ Clever Klaus”,德国OPTIMUM数据管理解决方案公司开发了一种智能解决方案:易于集成,基于摄像头的助手使用数字化来优化和简化手动检查流程。通过使用IDS的高分辨率USB3工业相机和智能数据库结合工业图像识别,该辅助系统可以识别每个步骤,并在整个装配过程中为员工提供实时帮助。根据简单的原则:即使是这些复杂的过程,也可以进行指令-检查-确认-记录

技术图片
智能装配辅助系统“ Clever Klaus”通过数字装配说明逐步指导员工。工人扫描订单文档,然后开始组装过程。安装在工作台上方的IDS摄像机记录了安装的工件或单个零件。操作说明和错误消息均实时显示在触摸显示器上:在每个成功的工作步骤之后,工作人员会收到确认。组装完成后,系统将提供无故障生产的证据。
Optimum数据管理解决方案有限公司董事总经理Wolfgang Mahanty解释说:“摄像机会产生数字阴影。”?记录和处理过程中的所有数字数据-何时以及如何完成。这样就可以创建知识库并随后将知识转移给所有人。Mahanty总结了对相机的需求时说:“相机必须捕获许多细节和各种变化并提供稳定的图像。感官识别必须可靠,即传感器必须能够应付恶劣或不断变化的照明条件。” 。原因是:“在今天的工厂中,员工应获得尽可能多的日光,这会影响记录的质量。”
IDS的USB3工业相机UI-3590CP没问题。安森美半导体的AR1820HSSC00SHEA0感光卷帘CMOS传感器使用BSI(“背面照明”)技术,即使在弱光条件下也可确保出色的图像质量。即使捕获最小的细节,也会产生具有低图像噪点的超高分辨率图像。分辨率为18 MP(4912 x 3684),可达到21 fps的帧速率。Wolfgang Mahanty确认:“在DINA 3上检测到的产品偏差为1mm”。此外,小巧,紧凑的尺寸以及易于集成的相机使“聪明的克劳斯”团队信服。
位于德国路德维希堡的德国公司Mann + Hummel是过滤领域的全球市场领导者和专家,他也赞赏使用IDS摄像头模型优化的辅助系统的优势。Mann + Hummel的技术经理Peter Sawatzky也依靠“ Clever Klaus”的使用。“在我们的过滤器组件的最终组装过程中,需要进行许多手动操作。这需要更换具有非常复杂且因此容易出现故障的感觉查询的设备。辅助系统使我们信服,因为我们犯的错误少得多。”?在工作准备期间可以很容易地学习到新的变体,并且工人可以在同一天安装它们。Sawatzky强调说:“因此,我们的变体管理变得更加容易。”?
额外的优点:该系统可以很容易地集成到各自的生产设备中,如果客户的应用需要,甚至可以非常简单且经济高效地使用多个相机型号。
在克劳斯的帮助下,员工可以通过数字分步说明快速,安全地学习新程序。通过个人装配辅助系统减轻了工人的负担,简化了工作组织,大大提高了生产率。通过提高质量保证,减少了装配成本,同时将投诉成本降至最低。Sawatzky证实:“由于‘Clever Klaus‘在装配过程中一直在为我们的工人提供支持,因此投诉数量大大减少了。
个人见解
特别是在电子和汽车领域,诸如OPTIMUM数据管理解决方案有限公司的辅助系统之类的辅助系统正在日益加速过程并确保提高的效率和质量。制造过程几乎完美无缺地运行,有完整的文档记录并可以追溯。这样,它们可以帮助公司提高生产率,并在必要时获得竞争优势。简单,直观的操作是成功引入Industry 4.0及其相关工具的重要基础。因此,Optimum一直在努力研究如何轻松教授该系统。这可以使用CAD数据,智能过滤器甚至人工智能来完成。数字化道路上的又一步是虚拟调试的可能性。
毫无疑问:数字化一直在发展,对于未来工厂中提高效率和质量的解决方案的需求正在增长。借助易于集成的个性化辅助系统和智能图像处理功能,可以轻松快速地将其覆盖。可以在短时间内收回成本的投资,更多信息尽在振工链。

以上是关于智能图像处理为工业4.0应用中的生产工人提供支持的主要内容,如果未能解决你的问题,请参考以下文章

EMQ打造面向工业 4.0 的智能工厂|云边协同架构助力视觉 AI 缺陷检测应用构建

概念- 工业4.0

除了 AI,这些技术为 IIoT 插上飞向“4.0”的翅膀

工业AI落地场景案例实战,飞桨EasyDL让工业更智能

专刊征稿:机器学习在煤炭石油和地热能工业中的应用

人工智能与工业4.0在智能制造的应用