割出し可能インサートの取り扱いと不具合検査

このドイツの中堅企業は、スウェーデンのファゲルスタに拠点を置く、世界屈指の機械加工ソリューションプロバイダーであり、割出し可能インサートの世界的メーカーでもあるSeco社向けに、完全自動化されたハンドリングおよび検査システムを開発しました。このシステムにおいて、AIベースの画像評価を行うDENKnetソリューションは、重要な役割を果たし、性能、不良品ゼロ生産、およびスピードの面で新たな基準を打ち立てました。このようなプロジェクトの成功の鍵となるのは、関係者全員の密接な協力体制、技術的専門知識、そしてチームの高いコミットメントです。マーティン・トビアス・リスナー氏（IIoT担当/Seco社データサイエンティスト）は、このプロジェクトにおいて重要な役割を果たし、カイル・パウルス氏（Seco社焼結エンジニア）とともに構想段階からプロジェクトを推進してきました。

アプリケーション

毎週約120万個の割出し可能インサートがスカンジナビア企業の生産拠点から出荷され、金属加工、自動車、航空宇宙産業などにおいて、最高のプロセス信頼性と最大限の生産性を保証しなければならない。粉末状の金属、硬質金属、その他の材料を希望の形状にプレスし、熱と圧力で結合させる焼結プロセスで製造される。このようにして作られた強固で堅牢な構造により、希望の切削性と耐摩耗性を実現するために、特性の異なる材料を組み合わせることが可能になります。焼結工程の後、割出し可能インサートのエッジは丸く研磨され、その表面はブラスト、研磨、コーティングされます。

シュヴァーベンのエンジニアが開発したRobotvisionシステムは、第二の製造工程である焼結工程の後に直接使用されます。「欠陥がプロセス内で早期に発見されればされるほど、より良く、より安く修正することができます」と、Xactools社のテクニカル・セールス・ディレクターであるマーヴィン・クレブスは、このシステムの位置づけを説明する。合計8台の高解像度産業用カメラと2台のスパイダーロボットで割出し可能インサートを扱い、欠陥がないか検査し、3台のロータリーテーブルネストと最後に各1台のピンパレットを監視して積載します。DENKnetのAIは、カメラ、ロボティクス、マルチGPUコンピューティングラックの間の複雑な画像処理システムの心臓部を形成しています。

要件

小型工具部品の用途が多岐にわたるのと同様に、その特性や形状も多種多様です。このメーカーだけでも約2,800の製品があり、ほぼ100のジオメトリーファミリーに分けることができます。その目的は、これらすべてのハンドリングと欠陥検査を自動化することでした。 「第一の課題は、プレス工程におけるパウダーの色のばらつきです。」とマービン・クレブスは説明する。「時間、圧力、位置などの特定のパラメータが変化すると、色や光沢レベルの偏差や、表面の斑点の分布の違いにつながりますが、これは欠陥ではありません。」 使用されたAIベースの画像評価ソフトは、表面のさまざまな色のばらつきを正しく認識し、「OK」と評価するようにトレーニングされなければなりませんでした。一方、ひび割れ、傷、混入物、その他の異常のような小さなイレギュラーは、欠陥と認識され、「NOK」として分類されなければなりません。金属表面の検査は、その質感がつや消し、光沢、あるいは反射性であることから、表面検査の最高技能のひとつと考えられています。「このアプリケーションでは、AIはバリエーションと照明条件に対して非常に訓練されていなければなりませんでした」とマーヴィン・クレブスは強調します。

具体的にはどのような仕組みになっているのですか？

5メガピクセルから30メガピクセルの解像度を持つ合計8台のカメラが、マグネットまたは交換可能なグリッパーによって位置決めされる割出し可能インサートのライブ画像を提供します。例えば、カメラで個々の割出し可能なインサートを下からも上からも記録し、表面の欠陥をチェックします。さらに2台のカメラがカッティングエッジをチェックします。1×1m の照明スクリーンは、パレタイジングステーションに非常に高い照度を提供します。「このシステムは、1000分の1ミリメートル単位で欠陥を検出します」とマーヴィン・クレブスは強調します。こうすることで、後で加工するハイエンドの表面にダメージを与えないようにします。これは、Seco社のデータサイエンティストであるマーティン・トビアス・リスナー氏も知っているように、「不均一で不完全なフライス加工プロセスは、収益性と競争力を損なう可能性がある」からです。

「このソリューションの主な利点は、プロセスの初期段階で小さな欠陥や不規則性を検出できることです。人間と異なり、AIは一度トレーニングを受ければ、疲労や一貫性の欠如に悩まされることがないため、Secoのインサートは常に同じ高い基準で検査されることが保証されます。競争力という観点では、その影響は重大です。Seco社は今後、より高い品質基準、より優れた業務効率、大幅なコスト削減を実現できるでしょう。つまり、イノベーションサイクルを加速する能力を得たことで、より優れた製品をより迅速に市場に投入し、競合他社を凌駕することが可能になったのです。」とマーティン・トビアス・リスナー氏は強調します。

生産工程でこのようなことが起こらないように、また細心の注意を払うために、システムは表面とエッジを検査した後、パネルの輪郭と位置の画像も記録します。割出し可能なインサートがどの位置で回転しているかを正確に把握できるため、マグネットグリッパーは最終的にピンパレットに配置することができます。これを確実にするため、割出し可能なインサートを取り付けたグリッパーは、穴の正確な位置を下から検出するカメラの上を移動します。同時に、割出し可能インサートの位置を修正し、必要に応じてピンを打つために、インサートの輪郭とグリッパーの外周が検出されます。 さらに、曲がったピンや折れたピンを認識するために、個々のピンの位置が検出され、最初にパレタイズされないようにします。

ピッキング効率99％の高性能AI画像解析

マーヴィン・クレブスにとって、従来の画像処理と比べたDENKnetシステムの付加価値は明らかです：「AIなしでは、部品ファミリーの作成や欠陥検出は考えられなかったでしょう。ルールベースの画像処理により、ロボットは基準範囲内の部品もNOKとして認識し、選別します。」 さらに、Vision AI Hubのおかげでハードコーディングは不要なうえ、ネットワークの柔軟性もインテリジェントなDENKnetソフトウェアの選択基準のひとつでした。「DENKnetのパレタイジングAIと欠陥用のいくつかのオブジェクトクラスを、APIを介して自社のXactools画像処理ソフトウェアに簡単に組み込むことができました。」とMarvin Krebs氏は言います。

しかし、このソリューションの性能はほぼ唯一無二です。検査プロセス全体が4秒のサイクルタイムで行われ、ピッキング効率はほぼ100％です。DLL（Dynamic Link Library）を介して8台のカメラのライブ画像を画像解析するには、膨大な計算能力が必要です。

「私たちがDENKweitと仕事をするのには理由があります。他のプロバイダーとは比べものにならない、本当に素晴らしいパフォーマンスです」とマーヴィン・クレブスは強調します。「人工知能をこれほど大規模に、最も多様なバリエーションで使用することは、これまでになかったことです。」 現在、穴の検出をさらに簡単にするためなど、さらなるバリエーションがテストされています。