Intelligente Online-Inspektion und geschlossene Qualitätskontrolle: Schaffung einer fehlerfreien Produktionslinie für Stanzteile
Einführung: Vom menschlichen Sehen zur KI-Vollinspektion
Die Qualitätsprüfung von Stanzteilen stützt sich seit langem auf manuelle Probenahme, visuelle Inspektion, Berührungs- und Bremssattelmessung. Allerdings gibt es drei große Mängel bei der manuellen Inspektion: Die starke Subjektivität führt zu verpassten Inspektionen, das Probenahmesystem kann nicht alle Teile abdecken, und die Reaktionsverzögerung verursacht Chargenfehler. Mit der steigenden Stanzgeschwindigkeit auf mehr als 800 Hübe / min und dem Streben der Automobil- und Elektronikindustrie nach null Fehlern ist eine intelligente Online-Inspektion unvermeidlich geworden.
In diesem Beitrag werden die drei Säulen eines modernen Qualitätssicherungssystems für das Stanzen beschrieben: optische Sicht und Erkennung von strukturiertem Licht, indirekte Überwachung auf der Grundlage von Sensoren und Kraftwellenformen sowie geschlossene Rückkopplungsregelung und tiefe Integration von SPC.
I. Typische Mängel von Stanzteilen und ihre physikalischen Eigenschaften
Erscheinungsbild der Defektkategorie / Mechanismus zur Erzeugung geometrischer Merkmale Online nachweisbare Mittel
Rissbildung / Einschnürung lokale Schwärzung, Lichtdurchlässigkeit, Ausdünnungsrate> 25% Zugspannung Metamaterialgrenze hochauflösende Kamera + Durchlicht / Wärmebild
Faltenbildung und Wellenbildung, unzureichende Kraft des Rohlings für die Materialansammlung oder Triangulationsabtastung von Materialien mit mehreren Lasern
Grat übermäßige Stanzkante vorstehende Metallspitze Stanze Verschleiß, übermäßige Lücke Kante Hintergrundbeleuchtung Projektion + Sub-Pixel
Konkave und konvexe Verletzung Punkt oder Streifen Oberfläche Einrückung Fremdkörper oder Form Defekt Multi-Winkel helles Feld + dunkles Feld Kombination
2D / 3D Visuelle Messung der Positionsabweichung, Biegewinkelabweichung und Rückfederung, Vorschubfehler
Wenige Löcher / poröses Stanzen Fehlende oder überschüssige Löcher Stanzbruch oder Fehlfunktion Durchgelassenes Licht + photoelektrische Anordnung
Visuelle Inspektion durch KI: Kerntechnologien und technischer Einsatz
2,1 Entwurf von Bildgebungssystemen
Das Bildgebungssystem für die Online-Inspektion von Stanzteilen steht vor Herausforderungen wie Hochgeschwindigkeitsbewegungen, hohem Metallreflexionsvermögen und Umweltverschmutzung. Typische Konfigurationen sind:
Line-Array-Kamera: mit kontinuierlicher Abtastung in Bewegungsrichtung, geeignet für großformatige Blätter.
Area Camera + Strobe: Lösen Sie den toten Punkt auf dem Schieberegler aus, um Bilder aufzunehmen und die Teile in einem statischen Zustand zu erfassen.
Telezentrische Linse: eliminiert perspektivische Fehler für präzise Maßmessungen.
Multispektrale Beleuchtung: Rotes Ringlicht hebt Oberflächenwellen hervor, blaues Koaxiallicht eliminiert Reflexionen.
Bei komplexen dreidimensionalen Stanzteilen kann eine einzelne Kamera diese nicht vollständig abdecken. Es ist notwendig, 4 bis 8 Kameras anzuordnen, um aus verschiedenen Winkeln zu fotografieren und den Raum durch die Kalibrierplatte zu synchronisieren.
2,2 Training und Anwendung von Deep-Learning-Modellen
Die herkömmliche Bildverarbeitung (Schwellenwertsegmentierung, Kantenerkennung) kann nur einfache Defekte erkennen. Bei Texturdefekten wie Faltenbildung und Einschnürung müssen neuronale Faltungsnetze verwendet werden. Typischer Prozess:
Datenerfassung und Kennzeichnung: Sammeln Sie Zehntausende von Bildern von Stanzteilen und beschriften Sie die Fehlerart und -stelle einzeln durch Qualitätsprüfungsexperten.
Modellschulung: Verwenden Sie fortschrittliche Architekturen wie YOLOv8, EfficientNet oder Swin Transformer, um die Konvergenz durch Transferlernen zu beschleunigen.
Modelloptimierung: Verwenden Sie die TensorRT- oder OpenVINO-Inferenzmaschine, um die Erkennungszeit eines einzelnen Bildes auf 10 ms zu komprimieren.
Bereitstellung und inkrementelles Lernen: Edge-Computing-Geräte (wie NVIDIA Jetson) schließen in Echtzeit, während sie neue Fehlalarme oder Fehlalarme in die Cloud hochladen, um das Modell regelmäßig zu aktualisieren.
Nachdem eine große Stanzanlage ein KI-Vision-Inspektionssystem eingesetzt hatte, lag die Erkennungsrate von Fehlern über 0,1 mm ² bei 99,97%, die Fehlalarmrate bei nur 0,3%, und es konnten gleichzeitig vier Fehler erkannt werden: Risse, Kratzer, Stöße und Faltenbildung.
2,3 Online-Größenmessung
Die Ebenengröße (Lochposition, Umriss) kann durch Subpixelkante mit Hintergrundbeleuchtung und telezentrischem Objektiv extrahiert werden, und die Genauigkeit kann ±0,02 mm erreichen. Für den dreidimensionalen Winkel und Fall des gekrümmten Teils muss jedoch ein Laserprofiler oder ein 3D-Sensor mit strukturiertem Licht verwendet werden. Letzterer kann das Punktwolkenmodell der gesamten Teiloberfläche in 0,5 Sekunden erhalten, indem er das Streifenmuster projiziert und die Phase löst, und es mit dem CAD-Modell vergleichen, um eine Farbdifferenzkarte zu erstellen.
III. Indirekte Überwachung auf der Grundlage von Sensoren und Stempelkurven
3,1 Überwachung der Druckkurve (Überwachung der Tonnage)
Jede Presse ist mit einem piezoelektrischen Kraftsensor am Schieber ausgestattet, der die Kraft-Zeit-Kurve für jeden Presshub aufzeichnet. Beim normalen Stanzen weist die Kurve charakteristische Spitzen auf (Durchdringung beim Stanzen, Ziehen usw.). Wenn die Kurvenfläche oder -spitze außerhalb des statistischen Kontrollbereichs liegt, bedeutet dies, dass:
Verdrängungsspielraum wird größer (Kraftabnahme) oder die Störung (Kraftstoß)
Schwankungen der Materialeigenschaften (erhöhte Streckgrenze führt zu einer Verschiebung der Kraftspitze nach rechts)
Abfälle werden nicht abgeleitet (sekundäre Scherung erzeugt zusätzliche Spitzen)
Das fortschrittliche Tonnageüberwachungssystem ist mit einer Lernfunktion ausgestattet, die in der Lage ist, die Standardvorlage jeder Form selbst zu erlernen und auf der Grundlage der EWMA-Regelkarte zu alarmieren.
3,2 Schallemission von Formen und Erkennung von Vibrationen
Akustikemissionssensoren reagieren sehr empfindlich auf hochfrequente elastische Wellen, die durch Materialrisse, Abblättern der Beschichtung und Ausbreitung von Mikrorissen erzeugt werden. Wenn zum Beispiel Mikrorisse auftreten, treten Energiespitzen in einem bestimmten Frequenzband (100-300kHz) auf. Die Quelle der Anomalie kann durch mehrere AE-Sensoren lokalisiert werden, die an wichtigen Stellen in der Form platziert sind.
Schwingungssensoren konzentrieren sich auf den niedrigen Frequenzbereich (0-1 kHz), um lose Formen oder Lagerausfälle zu reflektieren.
3,3 Überwachung des Temperatur- und Schmierzustands
Eine Infrarotkamera oder ein Punkttemperatursensor überwacht die Temperatur in kritischen Bereichen der Matrize. Ein abnormaler Temperaturanstieg kann auf übermäßige Reibung oder verstopfte Kühlkanäle hinweisen. Stellen Sie in Kombination mit einem Durchflussmesser des Schmiersystems fest, ob die Düse verstopft ist.
Statistische Prozesskontrolle (SPC) und Verbesserung der Prozesskapazität
Bei der Online-Erkennung werden umfangreiche Daten erzeugt, die über SPC in Verwaltungsmaßnahmen umgewandelt werden müssen. Wichtige Schritte:
Definieren Sie die wichtigsten Qualitätsmerkmale (CTQ) wie Grathöhe, Biegewinkel und Ausdünnungsrate.
Echtzeit-Rechenprozessfähigkeitsindex (Cpk): wenn Cpk
Erkennung abnormaler Muster: Verwenden Sie die Unterscheidungsregeln der Regelkarte (z. B. 8 Unterscheidungskriterien: ein Punkt überschreitet die Kontrollgrenze, 7 aufeinanderfolgende Punkte steigen usw.).
Durch SPC können Unternehmen zwischen "Zufallsschwankungen" und "Schwankungen aus besonderen Gründen" unterscheiden und so entscheiden, ob sie geschlossen und angepasst werden sollen.
Fünfte Rückkopplungsregelung: von der Erkennung bis zur automatischen Anpassung
Die höchste Stufe des intelligenten Qualitätssystems ist die Closed-Loop-Regelung: Das Online-Erkennungsgerät sendet die Qualitätsabweichung in Echtzeit an die SPS der Presse oder den Servoregler, wodurch die Prozessparameter automatisch korrigiert werden.
Anwendungsbeispiel 1: Echtzeit-Laserscanning des Rückprallwinkels des gekrümmten Teils, die Steuerung passt das Keilpolster an der Unterseite der Form nach der Berechnung der Abweichung automatisch an, ändert die Biegetiefe und kompensiert den Rückprall und steuert die Winkelabweichung innerhalb von ±0,2.
Anwendungsbeispiel 2: Die Linienkraftkurve erkennt den Abwärtstrend der Stanzkraft, das System ermittelt den Stanzverschleiß, sendet automatisch einen Ersatzauftrag an die Schleifwartungsstation und führt ihn im nächsten Formwechselzyklus aus, anstatt darauf zu warten, dass das Teil Gratfehler aufweist.
VI. Herausforderungen bei der Umsetzung und bewährte Verfahren
6,1 Datensynchronisation und Latenz
Die Online-Erkennung muss innerhalb des Stempelzyklus erfolgen (in der Regel 0,1 bis 0,5 Sekunden). Eine Hochgeschwindigkeitsdatenübertragung (10-GbE-Industriekameraschnittstelle) und eine Echtzeitverarbeitung durch Edge Computing sind erforderlich, und die Cloud wird nur für die Langzeitspeicherung und das Modelltraining genutzt.
6,2 Anpassungsfähigkeit an die Umwelt
In der Stanzwerkstatt gibt es Ölnebel, Eisenspäne und Vibrationen. Die Kamera muss mit einer Schutzabdeckung und einer positiven Luftspülung ausgestattet sein, und der Sensor muss nach IP67 geschützt werden.
6,3 Empfehlungen für bewährte Verfahren
Schrittweise Umsetzung: Die kritischsten Mängel (Risse, fehlende Löcher) werden zunächst einer visuellen Inspektion unterzogen und dann schrittweise auf Größen- und Oberflächenfehler ausgeweitet.
Erstellen einer Fehlerbilddatenbank: bei jedem Alarmauslöser automatisch Bilder und entsprechende Sensordaten speichern, um das Modell kontinuierlich zu optimieren.
Regelmäßiger Vergleich der manuellen Nachprüfung: In der Anfangsphase des Systembetriebs muss Personal für eine stichprobenartige Inspektion der vom System beurteilten qualifizierten Teile eingesetzt werden, um die Zahl der verpassten Inspektionen zu überprüfen.
Schlussfolgerung: Die letzte Verteidigungslinie für Null-Defekt-Ziele
Das Erreichen von Null-Fehlern bei gestanzten Teilen kann nicht allein auf der Endkontrolle beruhen. Die Qualitätskontrolle muss in jeden Stanzzyklus eingebettet sein. Die Kombination aus KI-Vision, Kraftkurvenüberwachung und SPC-Closed-Loop macht es zu einer Realität, dass "jedes Teil erkannt, jede Anomalie verfolgt und jede Abweichung korrigiert wird". Mit der zunehmenden Rechenleistung der KI und der Senkung der Sensorkosten wird die umfassende Online-Inspektion in Zukunft zur Standardkonfiguration von Stanzproduktionslinien werden, und Unternehmen, die immer noch auf manuelle Probenahmen setzen, werden nicht in der Lage sein, Vertrauen in die qualitätssensiblen Automobil-, Medizin- und Luft- und Raumfahrtmärkte zu gewinnen.
BQUQ ist ein professioneller Hersteller von Metallstempeln, bitte senden Sie uns Zeichnungen, und unser Unternehmen wird Ihnen innerhalb von 12 Stunden ein Angebot unterbreiten.
