Realizacje

Nasze wdrożenia

Rzeczywiste projekty przemysłowe z mierzalnymi wynikami — Cognex, Keyence, Baumer i profilometry 3D połączone z AI/Deep Learning do kontroli jakości w produkcji seryjnej.

Zdjęcie wkrótce

Inspekcja wizji Keyence CA-HL04MX (liniowa) + CA-HF2100M (matrycowa)

Inspekcja pojemników bateryjnych — 460 szt./cykl

Integracja systemów wizyjnych, development algorytmów, optymalizacja cyklu.

Wyzwania

— 460 pojemników bateryjnych (ø21 × 74,5 mm) na tacę — ekstremalnie wysoka przepustowość
— Detekcja mikrodefektów na ściankach bocznych, dnie, klipsie wewnętrznym i wnętrzu
— Efekt tunelowy na cylindrycznych wnętrzach ogranicza oświetlenie i kontrast
— Synchronizacja kamer liniowych z dwoma niezależnymi osiami serwo (XY)
— Weryfikacja czystości tacek i zliczanie zawartości między cyklami

Rozwiązanie

80 zestawów kamer rozmieszczonych na stacjach: inspekcja liniowa tacki + matrycowa ścianek + wysokorozdzielcza wnętrza
Trzy rozdzielczości stosowane selektywnie (5 Mpix / 21 Mpix / VGA) — każda klasa defektu skanowana optymalnie
Pełna walidacja pustych i pełnych tacek + sterowanie repakingiem w platformie Eco Cell
Automatyczne odrzucanie NG bez zatrzymania linii

Wpływ biznesowy

18,4 s

Czas cyklu / taca (460 szt.)

≥98%

Dostępność techniczna (praca 3-zmianowa)

100%

Inspekcja inline — bez próbkowania

Zdjęcie wkrótce

AI / Deep Learning Cognex IS3816MX

Kontrola załadunku nośnika — AI Classify

Integracja systemu wizyjnego, trening modelu AI, weryfikacja załadunku na szybkiej linii montażowej.

Wyzwania

— Wykrycie obecności i prawidłowej pozycji małych komponentów elektronicznych
— Komponenty bez wyraźnego podpisu geometrycznego — klasyczne narzędzia krawędziowe zawodzą
— Wiele referencji produktów na jednej linii — reprezentatywny zbiór treningowy dla każdej
— Wysoka przepustowość linii ogranicza dostępny czas analizy na cykl
— Zmienne odblaski z powierzchni PCB i osłon ekranujących

Rozwiązanie

Model ViDi Classify trenowany na wieloreferencyjnym zbiorze danych OK/NG
Kamera Cognex IS3816MX z dedykowanym oświetleniem tłumiącym odblaski
Wynik przesyłany do PLC jako decyzja OK/NG per-kieszenia przed procesem downstream
Model można retrenować na nowe wzorce bez zmian sprzętowych

Wpływ biznesowy

Klasyfikacja zamiast reguł geometrycznych

↓OEE

Straty ograniczone szybszą reakcją na błędy

100%

Pokrycie inspekcją per-kieszeń

Zdjęcie wkrótce

AI / Deep Learning Cognex D902C

Jakość lutowania — Deep Learning

Dwustronna kontrola pokrycia lutem na szpulach po lutowaniu na fali.

Wyzwania

— Bardzo małe pole inspekcji wokół każdej nóżki — cechy submilimetrowe
— Lutowanie na fali tworzy nieregularne formacje cyny — brak jednego wzorca geometrycznego
— Duża zmienność egzemplarz-do-egzemplarza eliminuje klasyczne metody progowania
— Wymagana inspekcja dwustronna dla pełnej oceny pokrycia
— Minimalizacja false negative kluczowa dla niezawodności elektrycznej downstream

Rozwiązanie

Dwa obrazy per-element (przód/tył) z kontrolowanym oświetleniem koaksjalnym
Klasyfikator ViDi Deep Learning ocenia, czy objętość lutu na każdej nóżce jest w spec.
Przypadki graniczne kierowane do przeglądu operatora; wyraźne OK/NG obsługiwane automatycznie
Model retrainowalny dla nowych wariantów PCB bez zmian w kodzie

Wpływ biznesowy

<0,5%

False reject rate — porównywalny z inspektorem-ekspertem

2×

Obie strony w jednym cyklu — bez dodatkowej obsługi

↑

Dane zwrotne do procesu lutowania na fali

Zdjęcie wkrótce

Metrologia wizji Baumer VCXG.2-82M (monochromatyczna)

Precyzyjne pozycjonowanie uchwytu — sub ±10 µm

Pozycjonowanie oparte na pomiarze wizyjnym względem mikronóżek, dokładność poniżej ±10 µm.

Wyzwania

— Wymagana dokładność pozycjonowania poniżej ±10 µm w narożnikach nóżek
— Bardzo małe cechy referencyjne o niskim kontraście względem uchwytu
— System musi pozostać stabilny przy drganiach przemysłowych i dryfcie oświetlenia
— Ograniczenia optyczne wynikające z małego rozmiaru fizycznego nóżek
— Powtarzalność gwarantowana przez długie zmiany produkcyjne

Rozwiązanie

Kamera monochromatyczna wysokiej rozdzielczości z optyką telece ntryczną — eliminacja paralaksy
Sub-pikselowa detekcja narożników nóżek + skalibrowany układ współrzędnych
Strategia dwustopniowa: grube pre-pozycjonowanie, następnie korekta wizji <±10 µm

Wpływ biznesowy

<±10 µm

Powtarzalność pozycjonowania

↑yield

Wyższy first-pass yield operacji mikromechanicznej

vs.

Wyższa powtarzalność niż mechaniczne uchwyty regulowane przez operatora

Zdjęcie wkrótce

Vision Guidance Cognex IS7802 2Mpx

Adaptacyjna aplikacja uszczelnienia i weryfikacja

Dwucyklowa wizja: dynamiczny pomiar XY/kąt, następnie kontrola jakości ściegu po aplikacji.

Wyzwania

— Pozycja elementu zmienia się cykl-do-cyklu — XY i kąt muszą być mierzone na żywo
— Ścieżka robota dla ciekłego uszczelnienia musi adaptować się do zmierzonej geometrii
— Kontrola QC post-aplikacji musi ocenić ciągły ścieg płynny — szerokość i ciągłość
— Nawet małe odchylenia głowicy powodują wycieki — mikrotolerancje ścieżki

Rozwiązanie

Cykl 1: system wizyjny oblicza X, Y i kąt elementu, wysyła do robota korektę ścieżki dozowania
Cykl 2: ta sama kamera fotografuje ścieg i weryfikuje ciągłość, szerokość i właściwe prowadzenie
Obie inspekcje na jednej kamerze i uchwycie — minimalne dodatkowe nakłady sprzętowe

Wpływ biznesowy

±0,3 mm

Dokładność korekcji ścieżki

Wycieki po uruchomieniu systemu

100%

Automatyczna dokumentacja per-element

Zdjęcie wkrótce

AI / Deep Learning Cognex IS3805M

Detekcja zanieczyszczeń — Przekładnie kierownicze AI

Detekcja obcych ciał AI na obrobionych powierzchniach przekładni kierowniczych.

Wyzwania

— Klient zgłaszał sporadyczne obce ciała (śruby, kołki) zostawiane na powierzchniach roboczych
— Mała różnica wizualna między stanem akceptowalnym a zanieczyszczonym
— 3 obrazy per-element — różne kąty plus weryfikacja dociągnięcia 4 śrub
— System musi jednocześnie wykrywać zanieczyszczenia I brakujące/niedociągnięte śruby

Rozwiązanie

Inspekcja 3-obrazowa: dwa zdjęcia dla detekcji obcych ciał, jedno dla kontroli 4 śrub
ViDi Deep Learning trenowany na reprezentatywnych przykładach zanieczyszczeń
Kombinacja logiki atrybutywnej + AI — typ defektu rejestrowany dla każdego odrzucenia

Wpływ biznesowy

100%

Automatyczna inspekcja EOL zastąpiła 100% kontrolę ręczną

False positive w 3-miesięcznej walidacji produkcyjnej

Wykrywa znane i wcześniej niewidziane typy zanieczyszczeń

Zdjęcie wkrótce

Inspekcja EOL Cognex IS8505MP 5 Mpix

Inspekcja końcowa EOL — wielodefektowa

Kombinowana inspekcja atrybutywna wtyczek, złączy, portów chłodzenia, DMC i OCR z dopasowaniem.

Wyzwania

— Wiele typów defektów na jednym produkcie: pozycja nóżek, uszkodzenia złączy, porty chłodzenia
— Jednoczesny odczyt DMC + porównanie OCR z etykietą drukowaną
— Wiele wariantów złączy i etykiet per jedna referencja produktu
— Stacja końcowa — escape'y trafiają bezpośrednio do klienta

Rozwiązanie

Jedna kamera 5 Mpix zaprogramowana z wieloma obszarami inspekcji per-cykl
Odczyt DMC i dopasowanie z tekstem dekodowanym OCR z naklejki
Klasa i lokalizacja defektu logowana per-element dla traceability
Czas przezbrojenia <2 s łącznie z pełnym przeładowaniem parametrów i konfiguracji DMC

Wpływ biznesowy

100%

Pokrycie EOL — znaczna redukcja reklamacji klientów

<2 s

Czas przezbrojenia — bez akcji operatora przy zmianie produktu

DMC

Pełna traceability per numer seryjny, queryable w MES

Masz podobny projekt?

Skontaktuj się — omówimy wymagania i zaproponujemy optymalne rozwiązanie.

Skontaktuj się