[@portabletext/react] Unknown block type "span", specify a component for it in the `components.types` prop
엔진 실 및 개스킷에서 자동 품질 검사란 무엇입니까?
엔진 실 및 개스킷용 AI 결함 검사는 카메라와 AI 모델을 사용해 프레스, 코팅 부스, 각인 스테이션을 떠나는 모든 부품을 관찰하고, 트레이에 도달하기 전에 비적합 부품을 표시합니다. 패널의 운영자나 경직된 룰 기반 머신 비전에 의존하는 대신, 모델은 귀사 라인의 적합 및 비적합 부품 이미지에서 학습하며, 고무 컴파운드, 금형 마모, 코팅이 변할 때 함께 적응합니다.
엔진 실과 개스킷은 단일 부품에 여러 재질과 복잡한 형상이 결합되기 때문에 특히 까다롭습니다. 다층 강판(MLS) 개스킷은 스탬핑된 비드, 코팅, 각인 마킹, 정밀 공차 홀을 가지며, 단순 실루엣 또는 임계값 기반 알고리즘을 무력화하는 검은 고무 오버몰드 캐리어 위에 놓이는 경우가 많습니다. 엘라스토머 실은 유연하고, 강성 스탬핑 부품과 다르게 저각 조명에 반응하며, 고무 컴파운드에 맞춘 조명을 요구합니다. AI 주도 검사는 고정된 룰 셋이 아니라 실제 생산 이미지로부터 학습하므로 이러한 변동을 처리합니다.
결과는 PPAP 등급 검사 프로그램에서 CMM 및 누설 시험 스테이션을 보완하는 자동 시각 체크포인트로, 비적합 부품이 통제 로트에 진입하지 못하도록 차단하고 IATF 16949 감사를 위한 연속 이미지 기반 추적 기록을 구축합니다.
엔진 실 및 개스킷 라인에서 잡아내는 결함
비드 프로파일 변형
스탬핑되거나 몰딩된 비드는 모든 개스킷과 실의 기능적 형상입니다. 금형 마모, 다이 정렬 불량, 또는 피드율 문제는 부품의 국부 구간에 걸쳐 비드 높이나 폭을 변형시킬 수 있습니다. 이러한 편차는 조기에 잡히지 않으면 냉간 압력 시험이나 현장에서야 드러나는 경우가 많습니다. AI 모델은 기준 부품에서 공칭 비드 프로파일을 학습하고 비드 경로를 따라 국부 형상 드리프트를 검출합니다. PPAP 통제 로트에 진입하기 전에 사양을 벗어난 구간이 있는 부품을 표시하여 다운스트림 누설 실패 위험을 줄입니다.
코팅 커버리지 갭
금속 개스킷은 일반적으로 비드와 실링 표면을 따라 연속적이어야 하는 실리콘 또는 고무 코팅을 받습니다. 분사 갭, 드라이백 영역, 박막부는 열 사이클 하에서 열려 냉각수나 오일 누설을 허용할 수 있습니다. 모델은 국부 색상, 텍스처, 광택을 분석해 불완전하거나 일관성이 없는 코팅 영역을 식별하고, 출하시키는 대신 영향을 받은 부품을 2차 검사나 재작업으로 보냅니다.
실링 엣지 닉
실링 엣지의 작은 닉은 핸들링 손상, 칩 트림 다이, 또는 정렬이 어긋난 컨베이어 전이 구간에서 발생할 수 있습니다. 이러한 결함은 광택 또는 코팅된 표면에서 확산 조명 아래 보기 어렵습니다. 저각 링 라이트로는 엣지 불연속이 보입니다. AI는 실링 엣지를 따라 이러한 국부 균열을 검출하고 영향을 받은 부품이 다음 공정 단계로 이동하기 전에 표시합니다.
각인 및 마킹 오류
로트 코드, 부품 번호, 방향 마크는 IATF 16949 추적성을 유지하기 위해 각 개스킷에 압착되거나 레이저 마킹됩니다. 번진 각인, 정렬이 어긋난 마크, 사양을 벗어난 문자 크기는 감사 중 추적성 체인을 깨뜨릴 수 있습니다. 모델은 각 각인에 대해 OCR을 수행하고, 형식과 위치를 검증하며, 검사를 통과하지 못한 마킹을 표시합니다. 이로써 로트의 모든 부품이 적합하고 판독 가능한 식별자를 갖도록 보장합니다.
홀 위치 편차
MLS 개스킷의 볼트 및 위치 결정 홀은 엄격한 위치 공차를 충족해야 합니다. 텔레센트릭 광학은 고정밀 측정을 제공하고, AI는 시각적 타당성 레이어를 추가합니다. 시스템은 홀 위치가 학습된 패턴과 일치하는지 확인하고, 전용 측정 스테이션에 도달하기 전에 명백한 위치 어긋남이 있는 부품을 표시해, 명백한 비적합 부품에 대한 CMM 시간 낭비를 줄입니다.
고무 오버몰드의 플래시
고무 오버몰딩은 금형 분할선에 잔류 플래시를 남길 수 있습니다. 디플래싱을 빠져나간 플래시는 부품 가장자리를 따라 얇은 막이나 핀으로 나타납니다. AI는 부품 윤곽 대비 플래시 시그니처를 인식하고 심각도를 분류하며, 귀사의 플래시 기준에 따라 부품을 수동 재작업 또는 스크랩으로 라우팅합니다.
엔진 실 및 개스킷 라인에서 이 작업을 가능하게 하는 조명 구성은 실링 엣지 결함과 비드 형상을 위한 저각 링 라이트, 코팅 커버리지와 표면 텍스처를 위한 확산 도움 라이트, 그리고 홀 위치를 측정하는 곳에서는 텔레센트릭 백라이트의 조합입니다. 매크로와 광각 렌즈를 갖춘 iPhone Pro는 단일 검사 스테이션에서 다중 결함 분류 체계를 처리합니다. 자동차 1차 협력사 라인의 경우 컨베이어 인코더와 리그를 동기화합니다. 온보딩 중에 광학을 함께 사양화합니다.
Enao가 실 및 개스킷 라인에서 작동하는 방식
전체 하드웨어 리그는 1,000유로 미만이며 리퍼비시 iPhone Pro, 저각 링 라이트, USB-C 케이블, 검사 지점 위의 마운팅 암으로 구성됩니다. 첫 배포에 PLC 통합은 필요하지 않으며, 리그는 플라이트 케이스에 들어가고, 라인은 설치하는 동안에도 계속 가동됩니다.
온보딩은 셀프 서비스입니다. 라인 팀이 리그를 장착하고, Enao 앱을 열고, 다음 부품 교체 시 기준 프레임을 수집하기 시작합니다. 첫날에는 사전 라벨링 없이 80% 정확도를 반환하고, 14일째에는 모델이 본 결함 군에서 수동 검사관을 능가하며, 라인이 확인하거나 거부하는 모든 표시 부품으로 개선됩니다.
각 라인은 자체 비드 프로파일, 코팅 시스템, 각인, 홀 패턴이 어떻게 보이는지 자체 모델에 가르칩니다. 동일한 제품군에 두 번째 라인을 추가하면 두 번째 모델은 첫 번째 모델의 경험에서 시작하고 한계 노력은 급격히 감소합니다. 신규 개스킷 변형을 도입하면 룰 셋을 2주에 걸쳐 재프로그래밍하는 대신 한 교대 만에 모델을 재학습합니다.
불량 부품은 셀을 떠나지 못하고, 스크랩 라우팅은 라인 종단 감사가 아니라 검사 지점에서 발생하며, 검사관은 공급업체 감사와 IATF 문서화를 포함해 여전히 사람의 눈이 필요한 업무에 필요한 주의 시간을 되찾습니다.
Enao를 수동 검사 및 전통적 머신 비전과 비교
엔진 실 및 개스킷 제조업체에게 비교는 다섯 가지 차원에서 명확해집니다.
실 및 개스킷 라인의 셋업 시간. — 수동 시각 검사는 미세한 비드 변형을 놓칩니다. 전통적 머신 비전(Solomon-3D, Overview.ai, Cognex, Maddox.ai)은 3~9개월의 통합 기간과 6자리 예산을 요구합니다. Enao는 자체 팀이 리퍼비시 iPhone에 한 주 만에 배포하고, 첫날 80% 정확도로 시작하며, 운영자가 라벨링하는 만큼 상승합니다.
라인당 하드웨어 비용. — 수동 시각 검사: 초기 비용 없음, 지속적 인건비. 전통적 머신 비전: 산업용 카메라, 텔레센트릭 광학, 구조화 조명, 통합으로 라인당 50,000~300,000유로. Enao: 리퍼비시 iPhone Pro, 램프, 마운트로 라인당 1,000유로 미만.
신규 개스킷 변형 처리. — 수동 시각 검사: 모든 신규 변형마다 검사관 재교육. 전통적 머신 비전: 변형별 룰 셋 재작성, 통합 업체에 외주되는 경우가 많습니다. Enao: 신규 변형으로 한 교대 만에 모델 재학습, 코드 수정 불필요.
비드 및 코팅 결함 검출 정확도. — 수동 시각 검사: 교대 시작 시 높음, 3시간 후 측정 가능하게 떨어짐. 전통적 머신 비전: 형상 측정에는 강하지만 미세한 코팅 커버리지와 비드 프로파일 드리프트에는 약함. Enao: 기준 프레임에서 코팅과 비드 시그니처를 학습하고 교대에 걸쳐 정확도를 유지합니다.
운영 주체. — 수동 시각 검사: 훈련된 검사관. 전통적 머신 비전: 시스템 통합 업체 또는 전문 비전 엔지니어. Enao: 외부 전문가 없이 라인 팀.
개스킷 포트폴리오는 모든 엔진 프로그램과 함께 변경되며, 반환된 PPAP 로트나 현장 비적합의 비용은 iPhone 기반 검사 리그 비용을 훨씬 상회합니다. Enao는 그 격차를 위해 만들어졌습니다.
