SolVisionกรณีศึกษา
การตรวจจับข้อบกพร่องในฉนวนสายเคเบิลโดยใช้ AI
ลูกค้า
ลูกค้าเป็นผู้ผลิตระดับโลกที่เชี่ยวชาญในการผลิตสายไฟ สายเคเบิล และส่วนประกอบที่เกี่ยวข้องสำหรับอุตสาหกรรมอิเล็กทรอนิกส์และการสื่อสารโทรคมนาคม
กรณี
การตรวจสอบเปลือกหุ้มสายเคเบิล
เปลือกหุ้มสายเคเบิลมีหน้าที่ปกป้องตัวนำภายในจากความชื้น สารเคมี และความเสียหายทางกายภาพ การรักษาความสมบูรณ์ของฉนวนสายเคเบิลจึงเป็นสิ่งสำคัญ เนื่องจากข้อบกพร่อง เช่น รอยแตก รอยขีดข่วน หรือความหนาที่ไม่สม่ำเสมอ อาจทำให้ประสิทธิภาพและความปลอดภัยลดลง โดยเฉพาะในอุตสาหกรรมอิเล็กทรอนิกส์และการสื่อสารโทรคมนาคม
ความท้าทาย
การตรวจสอบสายเคเบิลด้วยความแม่นยำ
การตรวจสอบม้วนสายเคเบิลยาว 300 ถึง 400 เมตรต้องใช้เครื่องจักรเพื่อขึงสายเคเบิลก่อนการสแกนด้วยเลเซอร์ไลน์ วิธีนี้สามารถตรวจจับข้อบกพร่องที่ผิว เช่น รอยแตก รอยบุบ และรอยขีดข่วน แต่มีปัญหาในการแยกแยะระหว่างข้อความที่พิมพ์และข้อบกพร่องที่แท้จริง การเปลี่ยนแปลงในมุมมองและแสงทำให้การตัดสินผิดพลาดเพิ่มขึ้น ซึ่งต้องมีการตรวจสอบด้วยมือซ้ำ ซึ่งลดประสิทธิภาพในการตรวจสอบ ลูกค้าต้องการโซลูชันที่มีความแม่นยำสูงขึ้นเพื่อแยกแยะข้อความออกจากข้อบกพร่องที่แท้จริง
แนวทางแก้ไข
การตรวจจับข้อบกพร่องในสายเคเบิลที่ขับเคลื่อนด้วย AI
ลูกค้าใช้เทคโนโลยี AI ของ SolVision จาก Solomon ในการเพิ่มประสิทธิภาพการตรวจจับข้อบกพร่องในการผลิตสายเคเบิล ภายใน SolVision โมเดล AI ได้รับการฝึกด้วยภาพตัวอย่างข้อบกพร่องเพียงไม่กี่ภาพ เช่น คราบ รอยบิดเบี้ยว และรอยขีดข่วน ซึ่งช่วยให้สามารถแยกแยะระหว่างข้อบกพร่องที่แท้จริงกับข้อความที่พิมพ์หรือความแตกต่างของพื้นผิวได้อย่างแม่นยำ การตรวจจับที่แม่นยำนี้ช่วยลดข้อผิดพลาดจากผลบวกปลอม ลดการตรวจสอบด้วยมือซ้ำ และเร่งกระบวนการตรวจสอบ ส่งผลให้ลูกค้าสามารถเพิ่มความแม่นยำในการตรวจสอบ ปรับปรุงประสิทธิภาพการผลิต และเพิ่มคุณภาพและผลผลิตของสายเคเบิล
การตรวจจับข้อบกพร่องของปลอกสายเคเบิล
