製品活用例

並べ替え:
業界: カメラファミリー:

ロボット工学 - Ensenso N

自己学習型ロボットが Ensenso 3D カメラを利用して問題を解決

見て、保存して、学ぶ

別の行動を試すことは、従来からの学習方法の 1 つです。成功するか失敗するかは、どの動作を採用するかによります。この原則は、ロボットの世界にも適用できます。Institute for Intelligent Process Automation and Robotics of the Karlsruhe Institute of Technology (KIT) では、Robot Learning Group (ROLE) が機械学習のさまざまな面に集中的に取り組んでいます。科学者たちは、ロボットが独立して試行を重ね、どのようにタスクの解決方法を学習するか、調査しています。これらの方法は具体的には、標準的なビンピッキングシナリオでの物体の把持など、物体操作の学習に使用されます。Ensenso N10 3D カメラはロボットの「頭部」に直接取り付けられ、必要な画像データを提供します。

ロボット工学 - Ensenso N

Ensenso ステレオ 3D カメラ搭載の高効率ロボットセル

完璧な補完機能

グローバル化により、製品比較およびサプライサイクルが迅速化しています。産業用部品を簡単に「店頭で」購入できる時代は過去になりました。ロボット工学市場では、小規模メーカーが市場リーダーに長期にわたって打ち勝つには、高度な技術力とニッチ市場でのイノベーションに賭けるしかありません。2D 画像処理がニッチではなくなってからもう長い時間が経過しています。状況は 3D セクターへと移行しています。3D 画像処理ソリューションと 6 軸ロボットを組み合わせると、中小規模企業が市場での地位を固められる新たなチャンスが生まれます。ウィーン近郊のバーデンに本社を置く ALG Automatisierungslösungen GmbH は、この組み合わせを使用し、内蔵 Ensenso 3D カメラ搭載のビンピッキングロボットセルに活用しています。

スポーツ - USB 3 LE

IDS カメラによるバイクフィッティングシステムで、プロアスリートの成功をサポート

サイクリングでトップの座につく

プロの自転車競技においては、パフォーマンスの向上の追求に加えて、負傷の防止が重要です。過剰にペダルを漕ぐ動作を繰り返し、自転車に正しくない姿勢で乗っていると、機能障害および生体力学的不全が生じ、痛みやパフォーマンス低下を起こすことがあります。フランスの企業 AR-Entraînement は、各サイクリストの特定のパフォーマンス要件と、身体的機能および状態の評価に応じて、バイクフィッティング分析システムを開発しました。このシステムでは、IDS の USB 3.0 インターフェース搭載 UI-3240LE カメラでアスリートの動作を検出します。

自動車 - Ensenso N

自動車産業でのダイキャスト部品向け自動視覚検査システム

欠陥のない鋳造コンポーネント

自動車産業では、アルミとマグネシウムの合金でできたダイキャスト部品の使用が増えています。車両が格段に軽量化されるからです。欠陥ゼロの品質を最低限のコストで達成することが、鋳造コンポーネントに必須の要件です。生産および加工の現場では特に、オートメーションは魔法の言葉です。画像処理を内蔵した VisionTools Bildanalyse Systeme GmbH (ドイツ) のシステムは、Ensenso 3D カメラを使用してそれぞれの鋳造コンポーネントの形状を記録し、状態と完全性を検査します。

材料分析 - USB 3 uEye ML

リアルタイムの車体構造の自動品質管理

欠陥にフォーカス

自動車産業では、接着接合が他の接合技術を置き換える主な技術となっています。エンジンとボディ部品を接合するには、理由があります。接合した車両は一般に、溶接した車両よりもクラッシュテストで良い成績を残しています。しかしそれは、部品が高品質で接合領域が完璧な場合です。そこで先進的な接着システムが、自動車産業で安全性を達成する要素となりました。メーカーにとって、あらゆる種類の産業用部品の信頼性の高い品質管理は不可欠です。基準に不適合な欠陥部品があると、生産効率に多大な影響を及ぼすからです。たとえば、コストの情報、生産期間および納期の長期化、リスクの増加、画像への破損の危険性などです。人間の目は常に正確というわけではなく、欠陥や異常を見過ごしがちです。不具合の自動検出は、多くの面で大きな可能性を秘めています。