Yapay zekâ ile ham gövde muayenesi: bugün yakaladığı 5 BIW hatası

Ham gövde hatalarından kaynaklanan garanti talepleri, ilk üç aydaki toplam taleplerin küçük ama gerçek bir dilimini oluşturur. Yılda yaklaşık 400.000 araçlık bir Tier-1 OEM hacminde, 100 araç başına puanın onda biri bile yılda on milyonlarca euroluk garanti riskine dönüşür. Bu veriler J.D. Power ve benzeri sektör takiplerine dayanıyor.

Ham gövde, yani BIW, preslenmiş ham sacların kaynaklanmış, sızdırmazlığı sağlanmış ve boşlukları kontrol edilmiş bir gövdeye dönüştüğü aşamadır. Aynı zamanda en pahalı hataların doğduğu yerdir. BIW'de soğuk bindirmeli bir punta kaynağını kaçırırsanız, garanti talebi panel su almaya başladığında on birinci ayda kapınızı çalar.

BIW muayenesinin kapsamı

Modern bir BIW hücresinde dört muayene görevi aynı anda yürür. Punta kaynağı doğrulaması, gövde başına 4.000 ile 6.000 arasındaki kaynakların her birinin doğru attığını kontrol eder. Mastik dolgusu muayenesi, panel birleşimlerinde uygulamanın kesintisiz olduğunu teyit eder. Panel aralığı ölçümü, komşu paneller arasındaki yüzey hizasını kontrol eder. Kozmetik muayene ise gövde boyahaneye gitmeden önce göçükleri, çizikleri ve pres izlerini yakalar.

Fabrikaların çoğu bu görevlerden ikisini ya da üçünü özel istasyonlarla hallediyor. Kalan bir ya da ikisi hâlâ manuel muayeneye kalıyor ve geri çağırma istatistikleri bunu açıkça gösteriyor.

Robot üstü muayene ile sabit istasyonlu yapay zekâ muayenesi

Robot üstü kameralar, kaynak torçlarını taşıyan aynı aparatlara biner. Tek bir montaj noktası, pek çok muayene pozu demektir. Punta kaynağı doğrulaması için doğru mimari budur, çünkü kamera sabit bir istasyonun göremeyeceği köşelere uzanır.

Mastik dolgusu ve kozmetik kontrollerde sabit istasyonlar kazanır, çünkü gövde tüm zarfı görüntülemeye yetecek kadar uzun süre sabit durur. Panel aralığı ölçümü ise hat düzenine göre ikisiyle de yürür.

Yapay zekâ bu dengeyi tek bir noktada değiştiriyor. Her iki mimaride de aynı model mimarisi araç varyantları arasında genelleme yapar. Eski kural tabanlı dünyada yeni bir model yılı, her istasyon için reçeteleri yeniden yazmak demekti. Yapay zekâyla bu, varyant başına birkaç yüz görüntüyle yapılan bir yeniden eğitimden ibaret.

Yapay zekânın yakalayabildiği kaynak hataları

Porozite, yüzeyde iğne delikleri olarak görünür. Soğuk bindirme, ana metale kaynamamış bir kaynaktır; görsel işareti, ısı tesiri altındaki bölgenin olması gereken yerde keskin bir kenar bulunmasıdır. Yanma delinmesi, kaynak banyosunun paneli delip geçtiği bir deliktir. Ölçü altı kaynaklar ise çekirdeği spesifikasyondaki çapın altında kalan kaynaklardır.

Dördü de görsel olarak silik kalır. Saatte 1.200 kaynağın ardından bir istasyondaki insan muayene elemanı bunların kayda değer bir kısmını kaçırır. Sınıf başına 2.000 ile 5.000 iyi ve kötü örnekle eğitilmiş bir yapay zekâ modeli ise vardiya boyunca doğruluğunu korur.

Panel aralığı ve yüzey hizası ile lazer triangülasyon karşılaştırması

Panel aralığında yerleşik çözüm lazer triangülasyondur. Doğrudur, sensör başına pahalıdır ve yalnızca kalibre edildiği geometriyle sınırlıdır. Tek bir kameradan yapılan yapay zekâ görsel muayenesi, çoğu gövde panelinde aralığı ve yüzey hizasını 0,1 milimetreye kadar ölçebilir, üstelik sensör maliyetinin çok altında bir bedelle.

Lazerin hâlâ kazandığı yerler: 0,05 milimetrenin altında hiza toleransı olan paneller ve stereo görüşün zorlandığı ayna parlaklığındaki yüzeyler. BIW panel aralığı görevlerinin daha geniş bölümünde yapay zekâ görüşü hem yeterli hem daha ucuzdur.

Fabrika MES ve SPC sistemleriyle entegrasyon

Her BIW muayene sonucu, zaman damgası ve araç VIN numarasıyla birlikte Üretim Yürütme Sistemine düşmek zorundadır. Ayrıca hatalar hatta yansımadan kaymayı yakalayan İstatistiksel Proses Kontrol panolarını da beslemesi gerekir.

Yapay zekâ sağlayıcılarının çoğu tam da bu entegrasyonda tökezliyor. Modern platformlar OPC UA ve REST adaptörleriyle hazır geliyor, böylece MES entegrasyonu haftalar değil saatler sürüyor.

Daha derin bir bağlam için yapay zekâ ile kaynak muayenesi yazımız kaynağa özgü hata sınıflarını ele alıyor. Tedarikçiye göre ödünleşimler için sağlayıcı karşılaştırmasına, boya çıkışında ne olduğu için ise hat sonu kalite kontrolüne bakabilirsiniz.

Enao Vision, istasyon başına tek bir iPhone üzerinde iki modelli iş akışları çalıştırıyor: kozmetik hataların uzun kuyruğu için anomali tespiti ve altı AWS kaynak sınıfı için hata tespiti. Bridge modülü, kapsama ihtiyaç duyulduğunda bir robot hücresindeki iki ya da üç iPhone'u senkronize ediyor. Özel lazer triangülasyon sistemleriyle karşılaştırıldığında sistem genellikle istasyon başına maliyetin çok altında kalıyor.

BIW, bir otomotiv fabrikasındaki en pahalı kalite istasyonudur. Aynı zamanda hattın temposunda insanların kaçırdığı hataların en uzun kuyruğuna sahip olan istasyondur. Önlenen her bir garanti talep oranı puanı, bir yapay zekâ yaygınlaştırmasının maliyetini çeyrek dolmadan çıkarır.

BIW muayenesi mi yürütüyorsunuz, punta kaynağı kalite kontrolü mü, yoksa lazerden yapay zekâya geçişi mi değerlendiriyorsunuz? Demoyu deneyin ve kendi hattınızda görün.

Başlayın

Enao Vision'ın sizin hattınızda nasıl çalıştığını görmek ister misiniz? Demoyu deneyin ya da hâlihazırda sahip olduğunuz bir iPhone ile ücretsiz başlayın.