Mesterséges intelligencia a röntgenes technológiában

ZADD Segmentation

AI-alapú hibavizsgálat komputertomográfiához

A ZADD Segmentation alkalmazás még rossz képminőség esetén is megbízhatóan és gyorsan felismeri az alkatrészek apró és nem egyértelmű hibáit. Ebből a célból a gépi tanuláson alapuló szoftver a mesterséges intelligenciára támaszkodik. A hibák és rendellenességek felismerése, szegmentálása és kiértékelése a CT-adatok vizsgálatához használt mesterséges intelligencia segítségével történik. A ZADD így támogatja az Ön röntgenes alkalmazásait az alkatrészfejlesztésben, a folyamatoptimalizálásban és a hibaelemzésben. A ZADD a ZEISS Automated Defect Detection, azaz az automatizált hibafelismerés rövidítése, amely a ZEISS INSPECT X-Ray standard komputertomográfiás vizsgálószoftverünkhöz választható alkalmazás.

Időmegtakarítás mesterséges intelligenciával
- Minimálisra csökkenti a vizsgálat munkaigényét
- Megbízható és gyors hibafelismerés
Megbízható eredmények és egyértelmű jegyzőkönyvezés
- Megbízható eredmények akkor is, ha nem tökéletes a képminőség
- Vegyes összetételű és nagy sűrűségű anyagokhoz megfelelő
Egyszerű hibaértékelés
- Hibaelemzés testre szabható optimalizálása
- Selejtes alkatrészek egyszerű kiértékelése és felismerése

ZEISS Automated Defect Detection

AI-alapú szoftver az Ön alkalmazási területeihez

A képen olyan alkatrész látható, amelynek hibái a mesterséges intelligencia segítségével vizsgálhatók.

Alkatrészhibák megbízható felismerése

Az alkatrészek összetett gyártási folyamata során különböző hibák fordulhatnak elő. Különösen belül. Ezek szabad szemmel nem láthatóak, és jelentős hatással lehetnek az alkatrész stabilitására és működőképességére. A mesterséges intelligencia ipari komputertomográfiával kombinálva korán láthatóvá teszi ezeket a rejtett problémás területeket. A ZEISS Automated Defect Detection szoftver a különböző hibák észlelésére specializálódott, így a hibák még rossz minőségű, sok próbadarabot tartalmazó képeken is gyorsan és megbízhatóan felismerhetők.

A képen egy mindössze 60 másodperc alatt elvégzett inline vizsgálat eredménye látható, a mesterséges intelligencia használatával.

A selejt korai szakaszban történő azonosítása és kiválogatása

Ahhoz, hogy az értéklánc korai szakaszában ki lehessen válogatni a hibás alkatrészeket, a 3D-s adatokat megbízhatóan és gyorsan kell kiértékelni. A ZADD alkalmazásnak köszönhetően a kritikus hibákkal rendelkező alkatrészek könnyen felismerhetők, és pontosan kiválogathatók, vagy amennyiben lehetséges, átdolgozhatók. A jó alkatrészek viszont akadálytalanul haladnak végig a további megmunkálási folyamaton. Az eredmény: alacsonyabb selejtarány és kiváló minőségű alkatrészek. Így a CT-ben alkalmazott mesterséges intelligenciával Ön folyamatosan növelheti a hatékonyságot és maximális folyamatbiztonságot érhet el

  
      A ZADD Segmentation működése
      
    Jó vagy rossz az alkatrész? A ZEISS Automated Defect Detection (ZADD) mesterséges intelligenciával támogatja ezt a döntést. Végezze a kiértékelést ZEISS INSPECT X-Ray szoftverhez való ZADD Segmentation alkalmazással. Nézze meg ezen a videón, hogyan működik.

Harmadik féltől származó tartalom letiltva

A videólejátszó a cookie-beállítások értelmében le van tiltva. A beállítások módosításához és a videó lejátszásához kattintson a lenti gombra, és járuljon hozzá a „Funkcionális” nyomkövető technológiák használatához.

Kérjük, vegye figyelembe, hogy szoftverünk neve mostantól ZEISS INSPECT X-Ray

Munkafolyamat

Adatgyűjtés

Használja CT-portfóliónkat pl. a nagy teljesítményű ZEISS VoluMax 9 titan vagy a nagy pontosságú ZEISS METROTOM sorozatot a legkorszerűbb komputertomográfiás mérésekhez
Vagy kiértékelés céljából importálja a más CT-rendszerből származó adatokat a ZEISS INSPECT X-Ray szoftverbe.
Szegmentálás

Keresse meg a hibás területeket a szkennelt adatokban Deep Machine Learning (ML), azaz mélytanulás alkalmazásával és a ZADD Segmentation segítségével
Különösen alkalmas hibaelemzésre rosszabb volumetrikus adatok esetében (pl. zaj, durva felbontás vagy próbadarabok miatt)
Tanuljon példákból, nincs szükség bonyolult paraméterhangolásra
A gyors kezdéshez használjon előzetesen betanított ML-modelleket
Hozzon létre kitüntetett területeket (ROI-kat) az időoptimalizált kiértékelésekhez
Kiértékelés

Jelenítse meg adatait nagy teljesítményű eszközökkel 3D-ben és 2D-ben
Határozza meg az észlelt hibákjellemzőit, például az átmérőt, a térfogatot vagy a gömbölyűséget
Hozzon létre szűrőket olyan hibák kiválasztásához, amelyek tulajdonsága egy megadott határérték felett vagy alatt van
Használjon olyan összetett kiértékeléseket, mint a P202, a P203, a porozitás vagy a felülettől mért távolság
Jegyzőkönyvezés és statisztikák

Kiértékelés a mérési jegyzőkönyvekben
Mérési jegyzőkönyvek egyszerű átvitele PDF-formátumba
Az adatok archiválása lehetővé teszi a hibák hosszú távú nyomon követését
Fejlett kiértékelő és statisztikai funkciók a ZEISS PiWeb Reporting Plus alkalmazással
A statisztikai folyamatirányítás lehetővé teszi a folyamatok összefüggéseinek felismerését és optimalizálását

Előzetesen betanított modellek speciális alkalmazásokhoz

A ZEISS INSPECT X-Ray ZADD Segmentation alkalmazásakor profitálhat az előzetesen betanított gépi tanulási modelljeinkből. Használjon egyet az ötvözött öntvényekhez, a hairpin áramvezető vizsgálatához vagy az elektronikához való három elérhető opció közül.

Ötvözet

Ötvözött öntvények rejtett hibáinak AI-alapú vizsgálata

Hairpin áramvezetők

Automatizált hairpin-elemzés az elektromos hajtás alkalmazásaihoz

Elektronika

Elektronikai lágyforrasztott kötés egyszerű elemzése

Példák jellemző öntési hibákra, amelyeket a ZADD képes megtalálni

Pórusok

A pórus az alkatrész belsejében lévő gömb vagy ellipszis alakú üreg, amelynek többnyire simák a falai. Eredetüktől függően tartalmazhatnak levegőt, gőzt, hidrogént vagy más gázokat (pl. kenőanyagokból). Ezek gyakran az öntvény felső rétegeiben fordulnak elő, de rosszul kilevegőztetett területeken vagy alámetszésekben az öntvény egész teljes területén szétszóródhatnak.
Hidegfolyás / hidegforradás

Hidegfolyás elsősorban viszonylag kis vastagságú sík felületeken fordul elő. Ez az anyagfolytonosság szétválását eredményezheti, ami lyukakat, lekerekített éleket és átfedéseket is hagyhat maga után. Présöntésnél a hidegfolyás nagyon finom és vékony felületi lemezes részeken lehet látható.
Mikroporozitás

A mikroporozitást kis méretű zsugorodási üregek (mikrozsugorodás / dendritközi zsugorodás) halmozódásaként lehet értelmezni, amelyek láncokat képezhetnek és szivárgásokhoz vezethetnek. Ez a porozitás az alacsonyabb felbontású CT-s szkenneléseken szivacsos területként jelenik meg.
Falelmozdulás

Például amikor öntés előtt hibásan történik a mag elhelyezése az öntőformában, vagy ha a magok az öntés során elmozdulnak, az öntvény geometriája már nem felel meg a CAD-modellnek.
Forgácsok

Az alkatrész durva megmunkálása során (pl. fűrészelő vágás az adagolón) alumíniumforgács keletkezik, amely beleeshet az alkatrészbe. Ehhez hasonlóan az apró kiemelkedések (sorják) letörhetnek magkialakítás során, és az alkatrészben maradhatnak. Ezek az alumíniummaradványok például meghibásodáshoz vezethetnek a hűtőrendszerben a későbbi működés során.
Zárványok

Az öntött alkatrészben a zárványok részben vagy teljesen beágyazott szennyeződések, amelyek sűrűsége általában nagyobb, mint az alapanyagé. Ezeket például az öntőformában lévő idegen testek vagy a szennyezett öntőanyag okozzák.

A mesterséges intelligencia mindenütt jelen van. Az AI alkalmazására az önvezetés csak egyetlen példa a sok közül. A mesterséges intelligencia a teljes ipart, ezáltal a komputertomográfiát isérinti, és egyre fontosabbá válik. Ennek oka, hogy segítségével a hibaelemzéseket még megbízhatóbban, még pontosabban és még gyorsabban el lehet végezni. A hiba gyakran alkatrészen belül található. A minőség-ellenőrzéshez alkalmazott optikai vizsgálati eljárás már nem elegendő, mivel nem ad jelzést a belső hibákról. A röntgenvizsgálat lehetővé teszi az alkatrész belsejének alapos vizsgálatát, így a hibák korai szakaszban felismerhetők. A mesterséges intelligencia CT-vizsgálatban történő alkalmazásával egy részben automatizált hibaelemzés valósul meg.

A kifejezések magyarázata:

A mesterséges intelligencia és a komputertomográfia kapcsán gyakran használják az AI Defect Detection vagy az AI Anomaly Detection kifejezést. Az AI a mesterséges intelligencia rövidítése, a Defect Detection vagy Anomaly Detection pedig a hibafelismerést vagy az anomáliák észlelését jelenti. Az „NDT” utótag egyértelművé teszi, hogy az AI roncsolásmentes módon működik, mivel az NDT a roncsolásmentes vizsgálat rövidítése
A mesterséges intelligencia az automatizálás egyik trendje. A folyamatokra vonatkozó követelmények egyre szigorúbbak, a kiértékelésnek és a hibaelemzésnek pedig még rosszabb mérési környezetekben is gyorsan és megbízhatóan kell működnie. Ez különösen igaz a biztonság szempontjából fontos alkatrészek esetében, például az autóipar vagy a repülés és űrrepülés területén. A minőség növelése érdekében a hibaelemzések gyorsabb elvégzésével, ugyanakkor a folyamatok nagyfokú megbízhatósága mellett a mesterséges intelligenciát a mért adatok elemzésére használják. A mesterséges intelligenciával történő hibafelismerésnek köszönhetően nincs már szükség a paraméterek manuális finomítására, így a hibaészlelések során elkerülhetők a szubjektív döntések.

A ZEISS Automated Defect Detection különösen hasznos, amikor túlságosan sűrű anyagokkal vagy a rövid szkennelési időkkel dolgozunk. Míg a felvételeken megjelenő zajok általában hibás észleléseket okoznak, a szoftvert ezek a hatások nem befolyásolják.

Ezek az iparágak profitálnak az AI-ból a ZEISS Automated Defect Detection szoftverrel

Orvostechnika

Elektronika

Új energiaforrású járművek (NEV)

Additív gyártás

Röntgenes technológia a könnyűfémöntéshez

Forduljon hozzánk, és kérjen személyes bemutatót

Szervizünk Önt a kezdetektől, akár a megfelelő ML-modell kiválasztásáról, akár speciális megoldás kidolgozásáról van szó. Támogatjuk Önt a rendszer üzemeltetésében, optimalizálásában és teljesítményének kiértékelésében, valamint sok esetben meg is oldjuk az Ön egyedi vizsgálati feladatait.

Űrlap betöltése folyamatban...

Ha további információkat szeretne kapni a ZEISS-nél történő adatfeldolgozásról, kérjük, olvassa el Adatvédelmi nyilatkozatunkat.

ZADD Segmentation

A ZADD Segmentation előnyeinek áttekintése

Időmegtakarítás mesterséges intelligenciával

Megbízható eredmények és egyértelmű jegyzőkönyvezés

Egyszerű hibaértékelés