[@portabletext/react] Unknown block type "span", specify a component for it in the `components.types` prop
プラスチック射出成形向け自動品質検査とは何か
プラスチック射出成形向けAI不良検出は、カメラとAIモデルを使って、すべての部品がプレス、取出ロボット、または組立セルを離れる瞬間を監視し、不適合品がトレイに到達する前にフラグする。パネルのオペレーターや剛直なルールベースのマシンビジョンに頼る代わりに、モデルはあなたのライン上の合格品と不合格品の画像から学習し、金型、樹脂、色の変化に応じて適応する。
現場ではこれをインライン視覚品質管理、AIベースの不良検出、またはプラスチック射出成形向けAIビジョンと呼ぶ。技術ファミリーは同じである。固定カメラ、制御された照明設定、あなたのラインのサンプルで訓練されたAIモデル、そしてすべてのショットが検査され、合格・フラグ・拒否のいずれかとして記録されるトレーサビリティ記録。
それがしないこと:あなたの金型保全、プロセスエンジニア、顧客監査の代替。それがすること:出荷する部品数と規格に合格する部品数が一致することを、すべてのシフト、すべての金型で保証し、顧客苦情が戻ってきたとき監査人に提示できる記録を残す。
プラスチック射出成形ラインで検出する欠陥
ヒケ
部品が冷却した後に現れる厚いセクション上の凹型くぼみ。パック圧力の不足、パック時間の短さ、または金型のホットスポットによって生じる。テクスチャー付きA面や暗色では目を見逃す。斜め照明付きカメラは、組立セルに到達する前に取出ステーションでそれらを検出する。
パーティングラインのフラッシュ
金型の2つの半分の間を逃れ、パーティングライン、スライド、またはエジェクタピン周辺で凍結する薄いプラスチック膜。クランプトン数が低いこと、金型が摩耗していること、またはベンティングチャネルが詰まっていることを示す。パーティングラインを見下ろすカメラは、出荷前にフラッシュを検出する。指先チェックが実用的でない形状でも検出する。
ショートショット
キャビティが完全に充填されず、フィーチャ、コーナー、または薄リブを欠いた部品が出てくる。通常、コールドランナー、低注入速度、またはエアトラップによって生じる。スナップフィットクリップやネジボス上のショートショットは部品を使用不能にし、ほとんどのラインでの顧客拒否の最大の単一原因である。すべてのショットを基準画像と比較するカメラは、ロボットがコンベアに部品を落とした瞬間にショートショットを検出する。
ウェルドラインとニットライン
穴、インサート、またはサイドアクション周辺で2つの溶融フロントが出会い、完全に絡み合う前に凍結する場所の可視ライン。ゲート位置、溶融温度、または注入速度に作業が必要であることを示す。ラインは時に外観上の問題、時に強度問題である。いずれにせよ顧客が制限を指定し、カメラがそれをショットごとに執行する。
反りと寸法ドリフト
部品は金型から正しい形状で出るが、冷却するにつれて曲がり、ねじれ、または不均一に収縮する。不均一な壁厚、不均一な金型温度、またはパッキングの不均衡によって生じる。フィクスチャ上のすべての部品の形状プリントを撮るカメラは、最初の顧客拒否の数時間前に、金型がドリフトを開始した瞬間を検出する。
表面フローマークとシルバーストリーク
波状の表面パターンまたは流れ方向に沿った細い銀色の線。溶融が冷たすぎる、リグラインド比率が高すぎる、または樹脂が湿りすぎていることを示す。あなたの特定の樹脂と色で訓練されたカメラは、外観上の苦情を顧客がフラグするのを待つ代わりに、ストリークが現れた瞬間にそれを発見する。
それが開始リストである。オンボーディング中に、あなた固有のラインでこれらクラスのうちどれが最も重要かを較正し、それに応じてモデルをチューニングする。
プラスチック射出成形ラインで自動視覚検査が運用される仕組み
Enaoで視覚検査を運用する射出成形セルは、隣のセルに1つの追加コンポーネントを加えたもののように見える。リファービッシュiPhoneが、取出ステーション、コンベア、または専用検査フィクスチャの下向きまたは斜めビューを持つスタンドに取り付けられる。シンプルなLEDバーが、すべてのショットに対してカメラに同じ光を与える。
ロボットが部品を落とすと、カメラが写真を撮る。iPhone上のモデルが部品をOKまたは上記7つの欠陥ファミリーのいずれかに分類し、結果をあなたのトレーサビリティログに書き込む。1つのシフトが連続して20個のフラグ付き部品を出した場合、オペレーターはアラートを受け取る。1つの金型が1日にわたってヒケの緩やかなドリフトを示した場合、ダッシュボードは顧客より先にそれをフラグする。
モデルは前日のラベルで一晩再訓練される。これにより、金型変更、樹脂変更、または色変更は1四半期ではなく1シフトで吸収される。新規部品番号は同じフローを通る。オペレーターが最初の100ショットをラベル付けし、モデルがショット101から引き継ぎ、プロセスエンジニアがシフト終了時にラベルをレビューする。
規格外部品はトレイに到達しなくなり、屑は品質管理事務所ではなく検査ポイントで記録され、オペレーターはまだ人間が必要な仕事の部分に注意の時間を取り戻す。これには金型変更、樹脂切り替え、顧客苦情対応が含まれる。
射出成形ラインでのAIビジョンと手作業チェックの比較
手作業のオペレーターチェックまたはルールベースのマシンビジョンからAI主導の検査に移行するラインは、樹脂ファミリーや部品形状に関係なく同じ段階的変化を見る。
微細欠陥の検出率 — 従来のマシンビジョン(Cognex、groundlight、advantechplastics、Solomon-3D、Overview.ai)は、出荷前にラベル付き画像ライブラリと6桁の統合費用を必要とする。Enaoはラベル付きデータなしで初日に80%精度に到達し、オペレーターがiPhoneで数百のサンプルにタグを付けると95%を超えて上昇する。
新しい金型または部品番号への対応時間 — 手作業:オペレーター指導、ゴールデンサンプル、紙のQCシート。現場が新しい部品を流暢に読むまで2〜4週間。Enao:100個のラベル付きショットでモデルが稼働。同じシフトで、すべてのプレスで更新する紙シートは不要。
顧客が戻ってきたときのトレーサビリティ — 手作業:クリップボード上の手書きログ、部分的なカバレッジ、欠落シフト。再構築に1週間。Enao:すべてのショットを画像、分類、信頼度とともに記録。再構築は10分。
稼働開始のコスト — 手作業:プレスごとシフトごとに検査員を追加し、訓練に加えて毎月の継続費用。Enao:セルごと1,000ユーロ未満のハードウェア。ラインがスケールしてもコストは一定のまま。
金型ドリフト時の挙動 — 手作業:顧客がフラグするまで拒否が緩やかに増加。原因究明に数日。Enao:ダッシュボードがドリフトを開始日に表示。プロセスエンジニアはタイムスタンプと画像を持つ。
