[@portabletext/react] Unknown block type "span", specify a component for it in the `components.types` prop
플라스틱 압출의 자동 품질 검사란 무엇입니까?
플라스틱 압출용 AI 결함 검사는 카메라와 AI 모델을 사용해 캘리브레이터와 인출을 떠나는 모든 미터를 관찰하고, 절단 톱이나 와인더에 도달하기 전에 비적합 구간을 표시합니다. 톱의 사람 검사원이나 경직된 룰 기반 비전에 의존하는 대신, AI는 자기 제품 패밀리의 특정 다이 형상, 표면 텍스처, 마스터배치 셰이드, 치수 엔벨로프를 학습하고, 교대, 라인 속도, 수지 변경, 색 변경에 걸쳐 일관된 시각적 체크포인트를 적용합니다.
플라스틱 압출 라인은 가시면이 종종 형광등을 고르지 않게 반사하는 고광택 또는 매트 표면이고, 형상이 창호 프로파일의 중공 챔버, 파이프의 얇은 벽, 동선 위 컴파운드 자켓, 또는 인출의 연속 시트일 수 있으며, 냉각 프로파일이 인출 첫 미터에서 표면 온도를 변동시키므로 라인 속도에서 검사하기가 특히 어렵습니다. 단일 다이 형상을 중심으로 구축된 룰 기반 비전은 다른 프로파일, 다른 파이프 직경, 또는 다른 컴파운드로 바꾸는 순간 무너집니다. 모델이 고정된 임계값이 아닌 실제 생산 프레임에서 학습하기 때문에 AI 주도 검사는 그러한 변동을 처리합니다.
결과는 운영 종료 시 샘플 시험을 보완하는 자동 시각 체크포인트이며, 미터별 이미지 기록을 제공합니다. 6주 후 고객 클레임이 돌아오면, 정확한 구간에서 프레임을 꺼내 결함을 확인하거나 증거로 반박할 수 있습니다.
플라스틱 압출 라인에서 잡아내는 결함
다이 라인
다이 라인은 압출물 표면의 연속 종방향 줄무늬이며, 다이 랜드의 빌드업, 긁힘, 또는 탄 재료로 인해 발생합니다. 운영을 통해 다이가 마모됨에 따라 점진적으로 열리고, 창호 프로파일의 가시면, 파이프의 외벽, 데킹 보드의 쇼 사이드, 또는 케이블의 자켓에 정확히 자리합니다. 직접 형광등 아래에서 라인이 희미하기 때문에 절단 톱의 검사원은 종종 초기 단계를 놓칩니다. AI 모델은 운영의 첫 30분에서 깨끗한 표면 시그니처를 학습하고, 줄무늬가 명백해지기 훨씬 전에 종방향 대비 변화를 검출합니다. 라인이 표시되고, 운영자가 다이를 퍼지하고 폴리싱하며, 거부된 미터가 출하되기 전에 잘려나갑니다.
플레이트 아웃 얼룩
플레이트 아웃은 첨가제, 윤활유, 또는 안정제 잔여물의 침전물로, 용융물에서 다이 표면으로 이동한 다음 흐릿하고 종종 약간 색이 다른 얼룩으로 압출물에 다시 전사됩니다. 긴 운영 과정에서 발달하며, 파이프, 프로파일, 또는 케이블 자켓 모두에서 얼룩이 셰이드 변화로 보이는 어둡거나 색이 있는 제품에서 가장 잘 보입니다. 변화가 점진적이고 검사원의 색 보정이 피로와 함께 드리프트하기 때문에 수동 검사는 플레이트 아웃을 놓칩니다. AI 모델은 SKU의 학습된 기준에 대해 로컬 표면 채도를 비교하고, 온보딩 중에 설정한 허용 오차를 넘는 즉시 색 델타를 표시합니다.
싱크 마크
싱크 마크는 캘리브레이터 후 고르지 않은 냉각으로 인한 압출물의 더 두꺼운 섹션 위 로컬 표면 함몰입니다. 가시면 뒤의 재료가 더 오래 뜨겁게 유지되고 수축함에 따라 표면을 안쪽으로 당기는 내부 리브가 있는 프로파일과 더 두꺼운 벽 전환이 있는 파이프에서 가장 흔합니다. 수동 검사원은 심한 싱크는 알아채지만 패브리케이터가 다운스트림에서 페인트, 라미네이트, 또는 압력 시험할 때 여전히 실패하는 경계선 케이스는 놓칩니다. AI 모델은 저각 링 조명에서 로컬 형상 편차를 잡아내고 수락 임계값에 대해 싱크 깊이를 보고합니다.
버블과 보이드
버블과 보이드는 용융물에 갇힌 가스 포켓이며, 건조되지 않은 컴파운드, 마스터배치의 수분, 또는 스크류의 과도한 전단으로 인해 발생합니다. 작은 표면 블리스터로 나타나거나, 더 일반적으로는 부품이 절단되거나 압력 시험될 때만 잡아내는 중공 챔버, 파이프 벽, 케이블 자켓 내부의 내부 보이드로 나타납니다. 표면 검사원은 내부 보이드를 볼 수 없지만, AI 모델은 챔버 사이드나 보어에서 가시 표면과 투과광 뷰 사이의 관계를 추적해 표면 버블링과 아래의 보이드를 신호하는 미세한 벽 두께 변화를 잡아냅니다.
색 드리프트
색 드리프트는 운영에 걸친 점진적 셰이드 변화이며, 마스터배치 분산 가변성, 호퍼 적재 비일관성, 또는 스크류 온도 드리프트로 인해 발생합니다. 운영의 첫 미터와 마지막 미터는 어떤 검사원도 알아채지 못한 채 다른 LAB 값에 자리할 수 있으며, 고객은 양쪽 운영의 제품을 같은 작업, 즉 창호 주문, 파이프 로트, 케이블 드럼, 시트 스택에 혼합합니다. AI 모델은 각 SKU의 학습된 기준 셰이드를 유지하고, 로컬 색 델타가 자기 사양을 초과하는 즉시 드리프트를 표시해, 운영자가 사양을 벗어난 제품 한 미터가 톱이나 와인더에 도달하기 전에 도징을 수정할 기회를 줍니다.
치수 드리프트
치수 드리프트는 운영에 걸친 폭, 높이, 벽 두께, 또는 외경의 느린 변화이며, 다이 히터 드리프트, 캘리브레이터 진공 손실, 또는 인출 속도 불안정으로 인해 발생합니다. 운영 종료 시 샘플 측정은 극단적 케이스를 잡지만 챔버 벽, 파이프 벽, 또는 케이블 자켓을 구조적 최소값 바로 아래로 두는 느린 크리프는 놓칩니다. AI 모델은 자기 명목 엔벨로프에 대해 단면 치수를 추적하고, 로컬 폭, OD, 또는 벽 두께가 허용 오차를 벗어나는 즉시, 20분 후 운영 후 게이지 판독이 같은 것을 알려주기 훨씬 전에 구간을 표시합니다.
플라스틱 압출 라인에서 이를 작동하게 하는 조명 설정은 다이 라인과 긁힘을 표면화하는 저각 링 라이트, 색을 읽기 위한 인출 위 디퓨즈 스트립 라이트, 프로파일 챔버, 파이프 벽, 또는 케이블 자켓에서 벽 두께를 점검해야 하는 곳의 백라이트 또는 투과광 박스입니다. 매크로 및 광각 렌즈가 있는 iPhone Pro는 단일 검사 스테이션에서 7개 결함 패밀리를 처리합니다. 표시된 구간이 다운스트림 마킹 또는 거부 결정을 유도하도록 인출 인코더와 절단 톱 신호와 장비를 동기화합니다. 온보딩 중에 광학을 함께 사양화합니다.
Enao가 플라스틱 압출 라인에서 작동하는 방식
전체 하드웨어 장비는 1,000유로 미만이며, 리퍼비시 iPhone Pro, 색용 옵션 디퓨즈 스트립 라이트가 있는 저각 링 라이트, USB-C 케이블, 인출 위에 클램프하는 마운트로 구성됩니다. 첫 배포에 PLC 통합은 필요하지 않으며, 장비는 비행 케이스에 들어가고, 설정하는 동안 라인이 계속 가동됩니다.
온보딩은 셀프서브입니다. 라인 팀이 장비를 마운트하고, Enao 앱을 열고, 다음 다이 변경에서 기준 프레임 수집을 시작합니다. 첫날은 사전 라벨링 없이 80% 정확도를 반환하고, 14일째에는 모델이 본 결함 패밀리에서 수동 검사원보다 위에서 작동하며, 라인이 확인하거나 거부하는 모든 표시된 미터와 함께 개선됩니다.
각 라인은 자기 다이 형상, 색상 팔레트, 벽 두께 엔벨로프가 어떻게 보이는지 자기 모델에 가르칩니다. 같은 라인에서 다른 SKU로 바꾸면, 모델은 한 교대 만에 적응합니다. 비슷한 제품 패밀리로 자매 라인을 가동하면, 두 번째 모델은 첫 모델의 경험에서 시작하고 한계 노력은 급격히 떨어집니다. 흰색 창호 재고에서 갈색 데킹으로 옮기는 프로파일 라인, 또는 32mm에서 50mm OD로 옮기는 파이프 라인은 한 교대 만에 변경을 흡수합니다.
사양을 벗어난 미터는 톱이나 와인더를 떠나지 못하고, 스크랩은 QC 사무실이 아닌 검사 지점에서 기록되며, 운영자는 다이 변경, 마스터배치 문제 해결, 고객 클레임 등 여전히 사람이 필요한 작업에 필요한 주의 시간을 되찾습니다.
Enao가 수동 검사 및 기존 머신 비전과 비교되는 방식
프로파일, 파이프, 시트, 케이블, 데킹을 가동하는 플라스틱 압출사의 경우 비교는 다섯 차원에서 명확해집니다.
플라스틱 압출 라인 셋업 시간 — 톱의 수동 점검은 미세한 표면 줄무늬를 놓칩니다. 기존 머신 비전 (Maddox.ai, Cognex, intelgic, groundlight, dac.digital) 은 3~9개월 통합과 6자리 예산이 필요합니다. Enao는 자기 팀이 리퍼비시 iPhone으로 한 주 만에 배포하며, 첫날 80% 정확도입니다.
라인당 하드웨어 비용 — 수동 시각 검사: 사전 비용 없음, 지속적인 인건비. 기존 머신 비전: 산업용 카메라, 구조화 조명, 통합을 위해 라인당 40,000유로~200,000유로. Enao: 리퍼비시 iPhone Pro, 램프, 마운트로 라인당 1,000유로 미만.
신규 수지, 형상, 색상 처리 — 수동 시각 검사: 모든 신규 형상, 컴파운드, 셰이드에 대해 검사원 재교육. 기존 머신 비전: SKU별 룰 셋 재작성, 종종 통합 업체에 외주. Enao: 한 교대 만에 신규 형상과 색상에서 모델 재학습, 만질 코드 없음. PVC, PE, PP, ABS, PC, 충전과 발포 등급 모두 카메라에 같은 방식으로 동작합니다.
미세한 표면과 셰이드 결함의 검출 정확도 — 수동 시각 검사: 교대 시작에 높음, 3시간 후 측정 가능하게 떨어짐. 기존 머신 비전: 모서리 형상에 강함, 미세한 다이 라인과 점진적 색 드리프트에 약함. Enao: 기준 프레임에서 다이 라인과 색 시그니처를 학습하고 교대와 운영에 걸쳐 정확도를 유지합니다.
운영 주체 — 수동 시각 검사: 톱이나 와인더의 교육된 검사원. 기존 머신 비전: 시스템 통합 업체 또는 전문 비전 엔지니어. Enao: 자기 라인 팀, 외부 전문가 필요 없음.
제품 포트폴리오는 모든 고객 프로그램과 함께 변경되며, 리콜이나 고객 크레딧 노트 비용은 iPhone 기반 검사 장비 비용보다 훨씬 높습니다. Enao는 그 격차를 위해 구축되었습니다.
