[@portabletext/react] Unknown block type "span", specify a component for it in the `components.types` prop
什么是发动机密封件与垫片的自动化质量检测
发动机密封件与垫片AI缺陷检测使用相机和AI模型,观察从注塑机、压塑机、模切机和精修工位出来的弹性体件,在不合格件到达OEM装配线之前将其标记。系统替代精修工位旁的操作员和僵化的规则式视觉,模型学习你产品组合的O型圈、唇形密封、垫片与冲压垫的几何与表面特征,并跨班次、模具腔与橡胶批次保持一致的视觉检查点。
发动机密封件在产线速度下尤其难以检测,因为同一模具同一批次橡胶的件之间也存在自然变异,黑色弹性体在生产线灯光下读数低对比度,而能毁掉发动机装配的飞边在抽检台的肉眼下与一只合格件几乎一致。围绕单一几何构建的规则式视觉,在你切换到不同模具腔或不同橡胶配方的瞬间就会失效。AI主导检测能够处理这些变异,因为模型从真实生产帧学习,而不是依赖固定阈值。
其结果是一个自动化视觉检查点,补充你的SPC抽样与LSR泄漏测试,并提供每件的图像档案。当一级供应商六周后回头查询索赔时,你可以从那批生产的精确时间窗口拉出帧,要么确认缺陷,要么用证据反驳。
发动机密封件产线上我们捕捉的缺陷
飞边与分型线缺陷
飞边是分型线处挤出的多余橡胶,由模具磨损、合模力不足或材料注入过度引起。它会让O型圈在装配中卡住,让垫片的密封面被破坏。最薄的飞边在精修工位灯光下与合格件几乎一致,但在发动机缸盖装配中会立即引发泄漏。AI模型为每种型号保留合格分型线特征,标记任何越过厚度阈值的飞边或不规则分型轮廓。
缺胶与缩痕
缺胶缺陷涵盖部分填充、缩痕和分型线处的橡胶不足,由模具排气不良、材料注入压力低或交联时间不足引起。一只缺胶的O型圈会在油道中失效,一只缩痕的垫片会在装配扭矩下塌陷。操作员发现明显的缺胶,但漏掉只在某些角度可见的细缩痕。AI模型学习合格件的轮廓与表面饱满度,标记任何呈现填充不足或局部缩痕的件。
内径与外径偏差
几何缺陷包括内径过大或过小、外径偏差、截面厚度漂移与圆度问题,由模具腔磨损、橡胶热膨胀变化或后处理收缩引起。一只内径偏大的O型圈会在轴上滚动而不密封,一只外径偏小的O型圈会从沟槽中弹出。操作员用塞规与卡规抽样,但漏掉抽样之间的漂移。AI模型从基准帧学习合格直径分布,在精修工位标记几何漂移。
表面气孔与气泡
气孔与气泡缺陷是表面或近表面的气穴,由橡胶混合时的滞留空气、模具排气不良或硫化温度过高引起。可见气孔会成为应力集中点,在动态密封场景中导致疲劳失效。检查台操作员发现明显的气泡,但漏掉黑色弹性体上低对比度的细气孔。AI模型保留每种型号的合格表面纹理,标记任何呈现高对比度气穴的件。
撕裂与切口缺陷
撕裂缺陷涵盖脱模时模具粘附引起的小撕裂、模切操作的切口、机械手装载产生的擦伤。一只密封件唇缘的小撕裂在装配中可能不被察觉,但在第一个温度循环中扩展并造成泄漏。操作员发现明显的撕裂,但漏掉橡胶颜色对比度低的细撕裂。AI模型学习合格唇缘与表面的视觉特征,在精修工位标记任何撕裂或切口。
脱模剂污染与异物
污染缺陷涵盖脱模剂残留、模具油痕、橡胶屑、模切边角料或来自机械手抓取的微粒。脱模剂污染会破坏密封面与配合金属之间的胶粘,异物则成为泄漏路径。AI模型保留合格表面的反射特征,标记任何呈现高对比度污染或可见微粒的件。
发动机密封件产线上让这一切运转的照明配置:精修工位上方的漫射顶光读取分型线、表面气孔与污染,模切出口的低角度环形光读取撕裂与几何漂移。配备微距镜头的iPhone Pro在每个关键控制点的单一检测工位处理七个缺陷家族。我们将设备与机械手抓取触发器同步,使被标记的件触发下游分流或保留决策。我们会在上线时与你一起规划光学方案。
Enao在发动机密封件产线上的运营方式
整套硬件设备成本低于1,000欧元,由翻新iPhone Pro、漫射顶光(可选用于撕裂检测的低角度环形光)、USB-C数据线和夹在精修工位、模切出口或机械手装载站上的安装臂组成。首次部署不需要PLC集成,设备装在飞行箱里,你设置时产线照常运行。
上线是自助式的。你的产线团队安装设备,打开Enao应用,在下次型号切换时开始采集基准帧。第一天无需任何先验标注即可返回80%精度,到第十四天模型在已见缺陷家族上的表现已超过人工检测员,产线每次确认或拒绝标记件,模型都会改进。
每条产线教自己的模型识别其O型圈尺寸、密封件几何、垫片轮廓与橡胶配方。当你在同一注塑机上切换到不同型号时,模型在一个班次内适应。当你为相似产品系列上线第二条产线时,第二个模型从第一个模型的经验出发,边际成本急剧下降。
不合格件停止到达包装机,废料在检测点而非QC办公室记录,你的操作员获得他们仍需要做的工作所需的注意时间,包括模具维护、橡胶配方调整与一级供应商索赔分析。
Enao与人工检测、传统机器视觉对比
对密封件与垫片制造商而言,对比在五个维度上更加清晰。
密封件产线上的设置时间。 — 人工目检:每位操作员数小时培训,加上持续的人工成本。传统机器视觉(Cognex、Keyence、Omron、ISRA、Stemmer):三到九个月的集成,加上每种型号的规则集。Enao:由你自己的团队在一周内部署到翻新iPhone上,第一天达到80%精度。
每条产线的硬件成本。 — 人工目检:无前期投入,持续人工成本。传统机器视觉:每条产线5万至20万欧元,用于工业相机、结构化照明与集成。Enao:每条产线低于1,000欧元,使用翻新iPhone Pro、灯具与支架。
应对新型号、新橡胶配方与新模具腔。 — 人工目检:每个新型号重新培训操作员。传统机器视觉:每个型号重写规则集,通常外包给集成商。Enao:在一个班次内对新型号与配方重新教导模型,无代码需要修改。
对细微飞边与表面气孔的检测精度。 — 人工目检:班次开始时高,三小时后明显下降。传统机器视觉:在尺寸检查上稳定,在黑色弹性体的低对比度气孔与细飞边检测上薄弱。Enao:从基准帧学习几何与表面特征,跨班次跨生产保持精度。
由谁来运行。 — 人工目检:精修工位旁经过培训的操作员。传统机器视觉:系统集成商或专门的视觉工程师。Enao:你的产线团队,无需外部专家。
OEM与一级供应商因泄漏索赔与召回的成本而更换供应商,而一次发动机密封件失效的成本远高于一套基于iPhone的检测设备。Enao就是为这个差距而生的。
