[@portabletext/react] Unknown block type "span", specify a component for it in the `components.types` prop
금속 스탬핑의 자동 품질 검사란 무엇입니까?
금속 스탬핑용 AI 결함 검사는 카메라와 AI 모델을 사용해 프레스, 세컨더리 스테이션, 또는 세척을 떠나는 모든 부품을 관찰하고, 랙에 도달하기 전에 비적합 부품을 표시합니다. 패널의 운영자나 경직된 룰 기반 머신 비전 대신, 모델은 자기 라인의 적합 및 비적합 부품 이미지로부터 학습하고, 다이, 코일, 윤활유가 변할 때 적응합니다.
현장에서는 이를 라인 내 시각 품질 관리, AI 기반 결함 검출, 또는 금속 스탬핑용 AI 비전이라고 부릅니다. 기술 패밀리는 동일합니다. 고정 카메라, 제어된 조명 설정, 자기 라인의 예시로 학습된 AI 모델, 그리고 모든 스트라이크가 검사되어 수락, 표시, 또는 거부되었다는 추적성 기록입니다.
이것이 하지 않는 일은 다이 정비, 툴 엔지니어, 또는 고객 감사를 대체하는 것입니다. 이것이 하는 일은 모든 교대, 모든 다이에서 출하 부품 수가 사양을 통과한 부품 수와 일치하도록 보장하고, 고객 불만이 돌아왔을 때 감사관에게 보여줄 기록을 남기는 것입니다.
금속 스탬핑 라인에서 잡아내는 결함
절단 및 피어스 모서리 버
펀치 또는 트리밍된 모서리를 따라 남은 날카로운 금속 조각입니다. 펀치와 다이 마모, 너무 빡빡하거나 너무 느슨한 펀치 대 다이 클리어런스, 또는 깨진 다이로 인해 발생합니다. 부품 모서리를 따른 사광이 있는 카메라는 운영자가 손끍을 가로지르기 전에 버 높이를 잡아내고, 마모 곡선을 추적하므로 고객 거부가 시작되기 전에 다이를 재연마할 수 있습니다.
딘 드로잉 코너의 스플릿 및 티어
딘 드로잉 컵의 코너, 패널의 드로잉 이어, 또는 굽힘 플랜지의 헤어라인 균열입니다. 블랭크 홀더 압력이 잘못되었거나, 윤활유가 부족하거나, 코일이 사양 모서리에 있다는 것을 알려줍니다. 모든 부품의 같은 코너를 보는 카메라는 고객이 조립품을 균열 시험할 때까지 기다리는 대신 스플릿이 형성되는 순간 잡아냅니다.
플랜지와 사이드 월의 주름
딘 드로잉 후 사이드 월, 또는 헤밍 후 플랜지의 접힘과 잔물결입니다. 너무 적은 블랭크 홀더 압력, 균형 잃은 다이, 또는 코일 두께 드리프트로 인해 발생합니다. 카메라는 부품이 여전히 치수 점검을 충족할 때도 주름 패턴을 발견하고, 다음 코일이 문제를 악화시키기 전에 운영자에게 경고합니다.
스프링백 및 치수 드리프트
부품이 다이를 올바른 형상으로 떠난 다음 탄성 응력이 완화됨에 따라 약간 다른 각도로 되돌아갑니다. 코일 항복 강도가 드리프트했거나, 다이 마모가 굽힘 반경을 변경했거나, 윤활유가 마찰을 변경했다는 것을 알려줍니다. 픽스처나 형상 인쇄가 있는 카메라는 첫 고객 거부 몇 시간 전, 시작되는 날에 드리프트를 잡아냅니다.
표면 긁힘, 덴트, 딩
보이는 면의 선, 자국, 또는 인상입니다. 다이에 박힌 금속 칩, 부품을 문지르는 트랜스퍼 암, 또는 랙의 스택 마크로 인해 발생합니다. 다음 부품이 컨베이어에서 그것을 가리기 때문에 대부분 운영자를 놓칩니다. 배출 슈트의 카메라는 사람의 눈이 눈부심을 받는 고광택 표면에서도 샷별로 잡아냅니다.
코팅 및 도금 결함
마감된 스탬핑에서 너무 얇거나, 흐르거나, 핀홀이 있는 아연, 페인트, 또는 e-코트 커버리지입니다. 욕조 화학이 드리프트했거나, 스프레이 노즘이 부분적으로 막혔거나, 부품이 랙에 잘못 걸렸다는 것을 알려줍니다. 자기 부품에 학습된 카메라는 코팅 갑을 잡아내고 사람 검사원과 같은 샷을 피로 없이 실행합니다.
그것이 시작 목록입니다. 온보딩 중에 우리는 자기 라인에서 어느 클래스가 가장 중요한지 보정하고 모델을 그에 맞게 튆닝합니다.
자동 시각 검사가 금속 스탬핑 라인에서 작동하는 방식
Enao로 시각 검사를 가동하는 프레스 셀은 옆 셀과 비슷하게 보이며, 한 가지 추가 구성 요소가 있습니다. 리퍼비시 iPhone이 배출 슈트, 컨베이어, 또는 프레스와 랙 사이의 전용 검사 픽스처에 대한 아래 또는 비스듦한 시야로 스탠드에 마운트됩니다. 단순한 LED 바가 카메라에 모든 스트라이크에서 같은 광을 제공합니다.
부품이 컨베이어에 도착하면 카메라가 사진을 찍습니다. iPhone의 모델은 부품을 OK 또는 위 7개 결함 패밀리 중 하나로 분류하고 결과를 추적성 로그에 기록합니다. 다이가 연속으로 표시된 부품 20개를 제공하면 운영자가 알림을 받습니다. 프레스가 하루 동안 버 높이의 느린 드리프트를 보이면, 대시보드는 고객이 보기 전에 그것을 표시합니다.
모델은 전날의 라벨로 야간에 재학습하므로 다이 변경, 코일 변경, 또는 윤활유 변경이 한 분기가 아닌 한 교대 만에 흡수됩니다. 신규 부품 번호는 같은 흐름을 거칩니다. 운영자가 첫 100개 스트라이크를 라벨링하고, 모델이 101번째 스트라이크부터 인계받으며, 툴 엔지니어가 교대 종료 시 라벨을 검토합니다.
사양을 벗어난 부품은 랙에 도달하지 못하고, 스크랩은 QC 사무실이 아닌 검사 지점에서 기록되며, 운영자는 다이 셋업, 코일 변경, 고객 8D 등 여전히 사람이 필요한 작업에 시간을 되찾습니다.
금속 스탬핑 라인의 AI 비전 대 수동 점검
수동 운영자 점검 또는 룰 기반 머신 비전에서 AI 주도 검사로 옮기는 라인은 부품 형상이나 코일 등급에 관계없이 같은 단계 변화를 봅니다.
미세한 결함의 검출률 — 기존 머신 비전 (Overview.ai, Ciclo Vision, Solomon-3D, iFactory) 은 출하 전에 라벨링된 이미지 라이브러리와 6자리 통합이 필요합니다. Enao는 라벨링된 데이터 없이 첫날 80% 정확도에 도달하고, 운영자가 iPhone에서 수백 개 예시를 태그함에 따라 95%를 넘어 상승합니다.
신규 다이 또는 부품 번호 처리 시간 — 수동: 운영자 브리핑, 골든 샘플, 종이 QC 시트. 현장이 새 부품을 유창하게 읽기까지 2~4주. Enao: 라벨링된 100개 스트라이크면 모델이 가동됩니다. 같은 교대, 모든 프레스에서 업데이트할 종이 시트 없음.
고객이 돌아올 때의 추적성 — 수동: 클립보드의 손글쥌 로그, 부분 커버리지, 누락 교대. 재구성에 일주일 걸림. Enao: 모든 스트라이크가 이미지, 분류, 신뢰도와 함께 기록됨. 재구성에 10분 걸림.
가동 비용 — 수동: 프레스당 교대당 검사원 추가, 교육 외에 반복 월 비용. Enao: 셀당 1,000유로 미만 하드웨어. 라인이 확장됨에 따라 비용은 평탄하게 유지됩니다.
다이 마모 시 동작 — 수동: 고객이 표시할 때까지 점진적 거부 상승. 그 순간을 찾기까지 며칠의 근본 원인 작업. Enao: 대시보드는 시작되는 날 버 높이 드리프트를 보여줍니다. 툴 엔지니어가 타임 스탬프와 이미지를 가집니다.
