[@portabletext/react] Unknown block type "span", specify a component for it in the `components.types` prop
패스너 및 나사 생산에서 자동 품질 검사란 무엇입니까?
패스너 및 나사용 AI 결함 검사는 카메라와 AI 모델을 사용해 헤더, 나사산 롤러, 도금 라인을 떠나는 모든 부품을 관찰하고, 빈에 도달하기 전에 비적합 부품을 표시합니다. 확대경을 든 운영자나 경직된 룰 기반 비전에 의존하는 대신, 모델은 귀사 부품 번호의 특정 헤드 프로파일, 나사산 피치, 리세스 형상, 도금 마감을 학습하고, 교대, 로트, 공구 교체에 걸쳐 일관된 시각 검사 지점을 적용합니다.
패스너와 나사는 라인 속도에서 검사하기 특히 어렵습니다. 표면 마감이 아연 도금, 지오메트, 흑색 산화 처리에서 다르게 읽히고, 헤드 충전 결함은 창고 조명 아래에서 정상적인 성형 변동과 동일하게 보이며, 염수 분무 시험에서 실패하는 박막 도금 드럼은 표면에서는 완전히 도금된 드럼과 동일하게 보입니다. 단일 부품 번호 중심으로 구축된 룰 기반 비전은 다른 헤드, 다른 리세스, 다른 도금으로 전환하는 순간 깨집니다. AI 주도 검사는 모델이 고정된 임계값이 아니라 실제 생산 프레임으로부터 학습하기 때문에 이러한 변동을 처리합니다.
결과는 게이지 샘플을 보완하고 부품별 이미지 기록을 제공하는 자동 시각 검사 지점입니다. 6주 후 고객 8D 문의가 들어오면, 정확한 생산 드럼의 프레임을 꺼내 결함을 확인하거나 증거로 반박할 수 있습니다.
패스너 및 나사 생산 라인에서 잡아내는 결함
나사산 프로파일과 피치 결함
나사산 결함에는 손상된 나사산, 피치를 벗어난 롤, 나사산 롤러 다이 마모·블랭크 피드 정렬 불량·냉각 드리프트로 인한 불완전 프로파일이 포함됩니다. 손상된 나사산은 조립 라인에서 고객의 토크 시험에 실패하고, 피치를 벗어난 롤은 OEM의 짝이 되는 부품에서 크로스 스레딩을 유발합니다. 운영자는 게이지 벤치에서 나사산을 점검하지만 모든 부품을 볼 수는 없으므로 경계선 사례는 샘플을 통과합니다. AI 모델은 각 부품 번호에 대해 사양 내 나사산 시그니처를 학습하고 국부 패턴이 허용 공차를 넘는 즉시 손상, 피치 일탈, 불완전 프로파일을 표시하며, 전체 드럼이 사양을 벗어난 채 출하되기 전에 다이를 교체할 수 있도록 프레임을 제공합니다.
헤드 리세스 깊이와 형상
헤드 리세스 결함에는 펀치 마모, 블랭크 피드 정렬 불량, 트림 다이 마모로 인한 얕은 필립스, 깨진 토크스 윙, 중심을 벗어난 육각, 내부 형상의 버가 포함됩니다. 얕은 리세스는 고객의 드라이브 공구에서 캠 아웃하고, 깨진 토크스 윙은 첫 토크에서 손상되며, 중심을 벗어난 형상은 OEM의 비전 시스템 점검에 실패합니다. 운영자는 깊이 게이지로 리세스를 점검하지만 버가 있는 윙의 시각적 시그니처는 놓칩니다. AI 모델은 각 부품 번호에 대해 리세스 형상 시그니처를 유지하고 트림 다이 출구에서 얕은, 깨진, 중심을 벗어난, 버가 있는 리세스를 표시해, 전체 드럼이 출하되기 전에 라인이 펀치를 교체할 수 있도록 합니다.
도금 커버리지와 박막부
도금 결함에는 정류기 드리프트, 드럼 부하 불균형, 또는 린스 탱크 오염으로 인한 박막부, 흐름 자국, 노출 영역이 포함됩니다. 박막부는 OEM이 입고품에 실시하는 염수 분무 시험에 실패하고, 노출 영역은 옥외 응용에서 현장 실패 클레임을 유발합니다. 운영자는 도금 색을 눈으로 점검하지만 드럼 표면에서는 통과하고 고객의 실험실에서 실패하는 박막부는 놓칩니다. AI 모델은 각 마감에 대해 사양 내 도금 색과 반사율을 학습하고 도금 라인 출구에서 박막부, 흐름 자국, 노출 영역을 표시하므로, 전체 드럼이 출하되기 전에 라인이 조정할 수 있습니다.
길이와 섕크 직경 공차
치수 결함에는 냉간 성형 다이 마모, 와이어 피드 조정 드리프트, 또는 냉각 사이클 오류로 인한 짧은 부품과 긴 부품, 오버사이즈 및 언더사이즈 섕크 직경, 사양을 벗어난 헤드 높이가 포함됩니다. 짧은 부품은 OEM의 자동 토크 공구에서 실패하고, 오버사이즈 섕크는 고객의 태핑 작업에서 실패합니다. 운영자는 빈에서 캘리퍼로 치수를 점검하지만 긴 운전에 걸쳐 발생하는 느린 드리프트는 놓칩니다. AI 모델은 각 부품 번호에 대해 사양 내 실루엣을 학습하고 냉간 성형기 출구에서 드리프트를 표시하여, 운전이 사양을 벗어나기 전에 라인이 공구를 교체할 수 있도록 합니다.
헤드 균열과 칩핑
헤드 결함에는 와이어 등급 변동, 냉간 성형기 과부하, 또는 트림 다이 정렬 불량으로 인한 방사형 균열, 축 균열, 모서리 칩이 포함됩니다. 최악의 사례는 빈 샘플을 살아남고 OEM 토크 공구에서 실패해 조립 중에 부러집니다. AI 모델은 사양 내 헤드 시그니처를 학습하고 트림 다이 출구에서 균열과 칩을 표시하며, 전체 드럼이 출하되기 전에 와이어 배치를 교체하거나 성형기를 조정할 수 있도록 프레임을 제공합니다.
표면 마크, 스크래치, 공구 드래그
표면 결함에는 핸들링 오류, 전송 벨트 마모, 드럼 부하 오염으로 인한 섕크의 공구 드래그 자국, 컨베이어로 인한 스크래치, 드럼 텀블 손상이 포함됩니다. 결함은 자동차 1차 협력사의 외관 검사에 실패하고 OEM 입고에서 재작업 요구를 유발합니다. AI 모델은 각 마감에 대해 표면 시그니처를 유지하고 빈이나 드럼이 봉인되기 전에 포장 스테이션에서 드래그, 스크래치, 텀블 손상이 보이는 부품을 표시합니다.
패스너 라인에서 이 작업을 가능하게 하는 조명 구성은 헤드와 리세스를 읽기 위한 냉간 성형기와 트림 다이 위의 확산 오버헤드 조명, 그리고 도금 커버리지와 섕크 표면을 읽기 위한 도금 라인 출구와 포장 스테이션의 저각 링 라이트입니다. 매크로와 광각 렌즈를 갖춘 iPhone Pro는 핵심 통제 지점당 단일 검사 스테이션에서 일곱 가지 결함 군을 처리합니다. 표시된 부품이 다운스트림 우회 또는 보류 결정을 구동하도록 컨베이어 인코더와 리그를 동기화합니다. 온보딩 중에 광학을 함께 사양화합니다.
Enao가 패스너 및 나사 라인에서 작동하는 방식
전체 하드웨어 리그는 1,000유로 미만이며 리퍼비시 iPhone Pro, 도금 검사용 선택적 저각 링 라이트가 있는 확산 오버헤드 조명, USB-C 케이블, 냉간 성형기·트림 다이·나사산 롤러·도금 라인 출구·포장 스테이션 위에 클램핑되는 마운트로 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 번호 교체 시 기준 프레임을 수집하기 시작합니다. 첫날에는 사전 라벨링 없이 80% 정확도를 반환하고, 14일째에는 모델이 본 결함 군에서 게이지 검사관을 능가하며, 라인이 확인하거나 거부하는 모든 표시 부품으로 개선됩니다.
각 라인은 자체 헤드 형상, 리세스 형상, 도금 마감이 어떻게 보이는지 자체 모델에 가르칩니다. 동일한 라인에서 다른 부품 번호나 와이어 등급으로 전환하면 모델은 한 교대 만에 적응합니다. 유사한 제품군의 자매 라인을 가동하면 두 번째 모델은 첫 번째 모델의 경험에서 시작하고 한계 노력은 급격히 감소합니다.
사양을 벗어난 부품은 포장 스테이션에 도달하지 못하고, 스크랩은 QC 사무실이 아니라 검사 지점에서 기록되며, 운영자는 다이 교체, 도금 욕 화학, 고객 8D 처리 등 여전히 사람이 필요한 업무에 시간을 되찾습니다.
Enao를 수동 검사 및 전통적 머신 비전과 비교
패스너 제조업체에게 비교는 다섯 가지 차원에서 명확해집니다.
패스너 라인의 셋업 시간. — 속도에서의 수동 정렬은 미세한 나사산과 헤드 결함을 놓칩니다. 전통적 머신 비전(switchon, Overview.ai, ASUS IoT, Solomon-3D, Cognex)은 3~9개월의 통합 기간과 6자리 예산을 요구합니다. Enao는 자체 팀이 리퍼비시 iPhone에 한 주 만에 배포하고, 첫날 80% 정확도로 시작합니다.
라인당 하드웨어 비용. — 수동 시각 검사: 초기 비용 없음, 지속적 인건비. 전통적 머신 비전: 산업용 카메라, 구조화 조명, 통합으로 라인당 40,000~200,000유로. Enao: 리퍼비시 iPhone Pro, 램프, 마운트로 라인당 1,000유로 미만.
신규 부품 번호, 등급, 마감 처리. — 수동 시각 검사: 모든 신규 부품 번호마다 운영자 재교육. 전통적 머신 비전: 리세스와 마감별 룰 셋 재작성, 통합 업체에 외주되는 경우가 많습니다. Enao: 신규 헤드, 리세스, 도금으로 한 교대 만에 모델 재학습, 코드 수정 불필요.
미세한 도금 드리프트와 표면 마크 검출 정확도. — 수동 시각 검사: 교대 시작 시 높음, 3시간 후 측정 가능하게 떨어짐. 전통적 머신 비전: 치수 점검에는 강하지만 미세한 도금 드리프트와 표면 마크 검출에는 약함. Enao: 기준 프레임에서 헤드, 리세스, 도금 시그니처를 학습하고 교대와 운전에 걸쳐 정확도를 유지합니다.
운영 주체. — 수동 시각 검사: 게이지 벤치의 훈련된 운영자. 전통적 머신 비전: 시스템 통합 업체 또는 전문 비전 엔지니어. Enao: 외부 전문가 없이 라인 팀.
자동차 1차 협력사와 백색 가전 OEM은 단일 PPAP 누락으로 공급업체를 바꾸며, 8D나 조용한 공급업체 등급 강등의 비용은 iPhone 기반 검사 리그 비용을 훨씬 상회합니다. Enao는 그 격차를 위해 만들어졌습니다.
