META-aiviÉtude de cas
Détection des défauts des cordons de soudure à l’aide de la réalité augmentée et de l’intelligence artificielle
Client
Le client est un constructeur automobile basé en Asie.
Case
Défis liés à l’examen de la qualité du soudage
Les voitures présentent de multiples surfaces et caractéristiques complexes, ce qui entraîne des variations dans les emplacements et les techniques de soudage. L’examen de la qualité du soudage automobile nécessite une inspection sous plusieurs angles en raison de la forme irrégulière du châssis et des panneaux de carrosserie du véhicule. L’automatisation de ce processus est difficile et coûteuse, ce qui conduit à une dépendance à l’inspection manuelle. Cependant, si le personnel est négligent dans son inspection, des produits défectueux peuvent entrer sur le marché, ce qui présente un risque pour la sécurité routière.
Défi
Limites de l’inspection manuelle des défauts irréguliers dans le soudage automobile
L’inspection manuelle de la qualité des soudures automobiles peut conduire à négliger des défauts irréguliers. Malgré les techniques de soudage avancées, il reste difficile de garantir une soudure parfaite. Les châssis comportent de multiples points d’inspection et des caractéristiques à multiples facettes, ce qui fait de l’inspection manuelle la principale solution actuelle, mais la qualité inégale est un problème.
Solution
Améliorer la précision de l’inspection manuelle avec META-aivi
En utilisant la fonction de détection des défauts de META-aivi, des modèles d’IA peuvent être formés et téléchargés dans le système pour des points de soudure qualifiés. Cela permet à l’IA d’inspecter les sections soudées à l’aide de lunettes AR ou d’une tablette pour reconnaître rapidement les soudures défectueuses. Un retour d’information en réalité augmentée est fourni en temps réel, permettant au personnel de corriger les erreurs grâce à des instructions à l’écran, garantissant ainsi la qualité du soudage. META-aivi peut également faire la distinction entre les types de défauts tels que la soudure incomplète, les trous de sable, la carbonisation et les projections. Par exemple, si des défauts de trous de sable sont détectés en permanence, cela suggère la nécessité de remplacer les fils de soudure, tandis que les cas fréquents de soudure incomplète peuvent nécessiter une inspection de la buse. Les données accumulées peuvent être utilisées à des fins d’analyse et de maintenance ultérieures du Big Data. De plus, les historiques d’inspection des produits peuvent être générés, numérisant ainsi efficacement le processus d’inspection.
Résultats de l’inspection META-aivi
Lors de l’inspection AI, META-aivi détecte tout défaut de soudure
