ZADD
Sztuczna inteligencja w technologii rentgenowskiej

ZADD Segmentation​

Inspekcja wad oparta na AI w tomografii komputerowej

Aplikacja ZADD umożliwia wykrywanie małych i niewyraźnych wad komponentów bezpiecznie, szybko i automatycznie nawet przy niskiej jakości obrazu. W tym celu oprogramowanie oparte na uczeniu maszynowym wykorzystuje sztuczną inteligencję. Defekty i nieprawidłowości są wykrywane, segmentowane i oceniane przy użyciu sztucznej inteligencji. W ten sposób ZADD wspiera zastosowania rentgenowskie w rozwoju komponentów, optymalizacji procesów i analizie usterek. ZADD (ZEISS Automated Defect Detection) jest opcjonalną aplikacją w naszym standardowym oprogramowaniu do inspekcji CT - ZEISS INSPECT X-Ray.

Przegląd korzyści ZADD Segmentation

  • Oszczędność czasu dzięki sztucznej inteligencji

    Oszczędność czasu dzięki sztucznej inteligencji

    • Minimalizacja nakładu pracy podczas inspekcji
    • Niezawodne i szybkie wykrywanie błędów
  • Niezawodne wyniki i przejrzyste raporty

    Niezawodne wyniki i przejrzyste raporty

    • Niezawodne wyniki nawet przy niższej jakości obrazu
    • Odpowiednie do materiałów mieszanych i gęstych
  • Łatwa ocena wad

    Łatwa ocena wad

    • Indywidualna optymalizacja wykrywania wad
    • Prosta ocena i rozpoznawanie odrzuconych części

ZEISS Automated Defect Detection

Oprogramowanie AI dla Twoich zastosowań

Obraz przedstawia komponent, który można poddać inspekcji w celu wykrycia wad z użyciem sztucznej inteligencji w systemie CT.

Niezawodne wykrywanie wad komponentów

Podczas złożonego procesu produkcyjnego wytworzone komponenty mogą posiadać różne wady. Nie są one widoczne gołym okiem, zwłaszcza wewnątrz części, a mogą mieć duży wpływ na stabilność i funkcjonalność komponentu. Dzięki przemysłowej tomografii komputerowej w połączeniu ze sztuczną inteligencją te ukryte obszary z wadami można zobaczyć już na wczesnym etapie. Oprogramowanie ZEISS Automated Defect Detection zostało opracowane do wykrywania różnych wad, dzięki czemu można je wykryć szybko i niezawodnie nawet w przypadku niskiej jakości obrazu i wielu artefaktów.

Obraz przedstawia inspekcję inline wykonywaną w zaledwie 60 sekund przy użyciu sztucznej inteligencji w tomografii komputerowej.

Identyfikacja i sortowanie odpadów na wczesnym etapie

Aby móc sortować wadliwe komponenty w łańcuchu wartości na wczesnym etapie, dane 3D muszą być oceniane szybko i niezawodnie. Dzięki ZADD komponenty z krytycznymi wadami są łatwo identyfikowane i można je dokładnie sortowane lub, jeśli to możliwe, poddać przeróbce. Z kolei prawidłowe części bez przeszkód przechodzą przez dalszy proces przetwarzania. Rezultat: niższy współczynnik odrzuceń i wysoka jakość komponentów. W ten sposób można osiągnąć stały wzrost wydajności i maksymalną niezawodność procesu dzięki sztucznej inteligencji w tomografii komputerowej.

Jak działa ZADD Segmentation

Prawidłowa czy nieprawidłowa część? ZEISS Automated Defect Detection (ZADD) wspiera podejmowanie tej decyzji z użyciem sztucznej inteligencji. Uzupełnij proces oceny danych aplikacją ZADD Segmentation w ZEISS INSPECT X-Ray. Obejrzyj wideo, aby zobaczyć jak działa ta funkcjonalność.

  • Prosimy zwrócić uwagę, że aktualną nazwą pokazanego oprogramowania jest ZEISS INSPECT X-Ray

Przepływ pracy

  • Obraz przedstawiający ZEISS VoluMax

    Akwizycja danych

    • Wykorzystaj system z naszego portfolio urządzeń rentgenowskich do akwizycji danych, np. ZEISS VoluMax 9 titan o dużej mocy lub wysoce precyzyjny tomograf komputerowy z serii ZEISS METROTOM 
    • Lub zaimportuj dane pozyskane przez inny system CT do oprogramowania ZEISS INSPECT X-Ray w celu przeprowadzenia oceny.
  • Ilustracja przedstawiająca segmentację

    Segmentacja

    • Znajdź wadliwe obszary w pozyskanych danych używając głębokiego uczenia maszynowego z aplikacją ZADD Segmentation​
    • Sprawdza się szczególnie dobrze podczas analizy wad z nieoptymalnymi danymi wolumetrycznymi (np. z powodu szumów, niskiej rozdzielczości czy artefaktów).
    • Uczenie się na przykładach, bez konieczności skomplikowanego dostosowywania parametrów
    • Wykorzystanie pre-trenowanych modeli ML do szybkiego rozpoczęcia pracy​
    • Tworzenie regionów zainteresowania (ROI) dla zoptymalizowanych czasowo ocen
  • Ocena

    Ocena

    • Wizualizuj swoje dane za pomocą potężnych narzędzi w 3D i 2D​
    • Określ metryki wykrytych wad, takie jak średnica, objętość lub kulistość​
    • Twórz filtry, aby wybierać wady o właściwości powyżej lub poniżej określonego progu
    • Stosuj złożone oceny, takie jak P202, P203, porowatość lub odległość od powierzchni
  • Raportowanie i statystyki

    Raportowanie i statystyki

    • Ocena w formie przejrzystych raportów pomiarowych​
    • Łatwe udostępnianie raportów pomiarowych w formacie PDF​
    • Archiwizacja danych umożliwia długoterminowe śledzenie wad​
    • Rozszerzone możliwości oceny i funkcje statystyczne dzięki ZEISS PiWeb Reporting Plus
    • Statystyczna kontrola procesu umożliwia rozpoznawanie korelacji procesów i optymalizację

Pre-trenowane modele ML do specyficznych zastosowań

Dzięki aplikacji ZADD Segmentation w ZEISS INSPECT X-Ray możesz korzystać z naszych pre-trenowanych modeli uczenia maszynowego. Skorzystaj z jednej z trzech dostępnych opcji do odlewów aluminiowych, inspekcji spinki uzwojenia i komponentów elektronicznych.

Odlewy aluminiowe

Odlewy aluminiowe

Inspekcja ukrytych wad odlewów aluminiowych oparta na AI

Spinki uzwojenia

Spinki uzwojenia

Zautomatyzowana analiza spinek uzwojenia silnika elektrycznego

Komponenty elektroniczne

Komponenty elektroniczne

Łatwiejsza analiza lutowanych połączeń komponentów elektrycznych

Przykłady typowych wad odlewniczych, które można wykryć za pomocą ZADD

  • Niedolewy / niespawy

    Niedolewy / niespawy

    Niedolewy występują głównie na płaskich powierzchniach o stosunkowo niewielkiej grubości. Może to prowadzić do przerwania ciągłości materiału, efektem czego są dziury, niewypełnione obszary, a także zaokrąglone krawędzie i zmarszczenie. W przypadku odlewania ciśnieniowego niedolewy mogą pojawić się na bardzo drobnych i cienkich strukturach powierzchni.

  • Mikroporowatość

    Mikroporowatość

    Mikroporowatość można rozumieć jako nagromadzenie małych jam skurczowych (mikroskurcz/skurcz międzydendrytyczny), które mogą tworzyć łańcuchy i prowadzić do wycieków. Porowatość ta w skanie CT o niższej rozdzielczości jest zauważalna jako gąbczaste obszary.

  • Przestawienie ścianki

    Przestawienie ścianki

    Jeśli, na przykład, pozycja rdzenia w formie przed odlewaniem będzie niewłaściwa lub jeśli rdzenie przesuną się podczas procesu odlewania, geometria odlewu nie będzie już odpowiadać modelowi CAD.

  • Wióry

    Wióry

    Podczas zgrubnej obróbki elementu (np. cięcia piłą na przenośniku) powstają aluminiowe wióry, które mogą wpaść do komponentu. Niewielkie elementy mogą się także odłamać podczas rdzeniowania i następnie pozostać w odlewie. Takie pozostałości aluminium mogą doprowadzić do usterek, np. układu chłodzenia, w późniejszej eksploatacji.

  • Wtrącenia

    Wtrącenia

    Wtrącenia to częściowo lub całkowicie osadzone w odlewie zanieczyszczenia, które są zazwyczaj gęstsze niż materiał bazowy. Powstają m.in. z powodu ciał obcych w formie lub zanieczyszczonego materiału odlewniczego.

Sztuczna inteligencja (AI) w tomografii komputerowej (CT)

  • AI i tomografia komputerowa

    Sztuczna inteligencja jest aktualnie trendem w automatyzacji. Wymagania dotyczące procesów stają się coraz bardziej rygorystyczne, a ocena obrazu i analiza wad muszą być szybkie i niezawodne nawet w trudnych warunkach pomiarowych. Dotyczy to w szczególności elementów istotnych dla bezpieczeństwa, np. w przemyśle motoryzacyjnym lub lotniczym. Sztuczną inteligencję wykorzystuje się w tomografii komputerowej w celu podniesienia jakości, szybszej analizy wad i zapewnienia wysokiego poziomu niezawodności procesu. Wykrywanie wad z użyciem AI oznacza, że ​​nie jest wymagane manualne dostosowywanie parametrów, co pozwala uniknąć subiektywnych decyzji przy identyfikacji wad.

    Oprogramowanie ZEISS Automated Defect Detection jest szczególnie przydatne, gdy dane wolumetryczne dotyczą materiałów o bardzo wysokiej gęstości lub stosowane są krótkie czasy skanowania. Pomimo że artefakty i szumy na obrazach zwykle prowadzą do błędnej identyfikacji wad, nie ma to miejsca w przypadku działania ZADD.

Skontaktuj się nami i omów prezentację produktu

Nasi eksperci od samego początku wspierają Cię w wyborze odpowiedniego modelu ML lub opracowaniu specjalnie trenowanego modelu. Wesprzemy Cię w obsłudze, optymalizacji i ocenie wydajności systemu, a w wielu przypadkach rozwiążemy Twoje indywidualne zadania inspekcyjne.

Wczytywanie formularza...

Jeśli chcesz dowiedzieć się więcej o przetwarzaniu danych przez ZEISS, zobacz informacje o ochronie danych.