เซ็นเซอร์ชนิดใดตรวจจับข้อบกพร่องที่ขอบกระจกก่อนการประมวลผลในสายการผลิต IGU โดยอัตโนมัติ

เซนเซอร์ออพติคอลความละเอียดสูงสำหรับการตรวจจับข้อบกพร่องที่ขอบกระจกอย่างแม่นยำ

เซนเซอร์ออพติคอลที่มีความแม่นยำสูงทำหน้าที่เป็นแนวป้องกันแรกจากการเกิดข้อบกพร่องที่ขอบกระจกในกระบวนการผลิตอัตโนมัติของ IGU (Insulated Glass Unit) ระบบนี้สามารถระบุความไม่สมบูรณ์ในระดับจุลภาคที่อาจส่งผลต่อความแข็งแรงเชิงโครงสร้างและประสิทธิภาพด้านความร้อน

กล้องแบบไลน์สแกนที่มีความละเอียดต่ำกว่า 0.2 มม. สำหรับการระบุรอยแตกร้าว เศษแตกที่มุม และรอยร้าวขนาดเล็ก

กล้องสแกนแบบเร่งความเร็วสูงจับภาพโปรไฟล์ขอบกระจกอย่างต่อเนื่องที่ความเร็วสายการผลิตเกิน 6 ม./นาที ด้วยความละเอียดเชิงพื้นที่ต่ำกว่า 0.2 มม. ซึ่งสามารถตรวจจับข้อบกพร่องที่สำคัญได้อย่างเชื่อถือได้ เช่น รอยแตกร้าวที่มุมลึกกว่า 0.3 มม. รอยแตกเล็กๆ ที่แผ่ขยายในมุม 15°–45° และรูปแบบการแตกที่ตาคนไม่สามารถมองเห็นได้

การถ่ายภาพแบบ HDR เพื่อเพิ่มความไวในการแยกแยะคอนทราสต์สำหรับร่องรอยการขัด สารเจือปนขนาดเล็ก และขอบที่มีฝ้า

การถ่ายภาพ HDR ช่วยแก้ปัญหาของการสะท้อนและสภาพแสงที่ไม่สอดคล้องกัน โดยการรวมการเผยแพร่หลายแบบที่แตกต่างกันด้วยกัน ซึ่งให้ช่วงความแรงทั้งหมดประมาณ 120 dB เทคโนโลยีนี้สามารถจับปัญหาการระบายที่เล็กๆ ที่อาจไม่ถูกสังเกต เรากําลังพูดถึงสิ่งต่างๆ เช่น รอยรอยเลื่อยเล็กๆ ขนาดลึกประมาณ 5 ไมโครเมตร ชิ้นซิลิโคนที่น่ารําคาญติดอยู่ระหว่างกระจกและวัสดุประปา แต่ถ้านํา HDR ไปผสมกับข้อมูลการสแกนเส้น แล้วผู้ผลิตจะสามารถพบสินค้าที่บกพร่องได้ทันที ก่อนที่จะถูกผสม การตรวจสอบความผิดพลาดในช่วงต้นนี้ ช่วยลดเวลาและเงินที่ใช้ในการแก้ไขความผิดพลาดในภายหลัง โรงงานบางแห่งรายงานการประหยัดประมาณ 30 บางร้อย ในเรื่องค่าใช้จ่ายในการปรับปรุงในสายการผลิต IGU ในขนาดใหญ่ของพวกเขา

ระบบมองเห็นเครื่องจักร PLC-Synchronized สําหรับการตรวจพบความบกพร่องด้านขอบกระจกในสาย

การผสานข้อมูลแบบเรียลไทม์หลังกระบวนการล้างกระจก: ต้องมีการกระตุ้นการซิงโครไนซ์ ความทนทานต่อความเร็วของสายพานลำเลียง (±0.3 ม./วินาที) และข้อจำกัดด้านความหน่วง

การติดตั้งระบบเครื่องจักรตรวจภาพ (machine vision) ทันทีหลังขั้นตอนการล้างกระจก จำเป็นต้องมีการประสานงานอย่างแน่นแฟ้นกับระบบ PLC หากเราต้องการรักษาระดับความเร็วตามที่กำหนด ระบบทริกเกอร์จะต้องสามารถจัดการกับความผันผวนของความเร็วสายพานลำเลียง ซึ่งอาจเปลี่ยนแปลงได้ประมาณบวกหรือลบ 0.3 เมตรต่อวินาที ตลอดเวลาที่ยังคงควบคุมระยะเวลาตอบสนองให้อยู่ต่ำกว่า 100 มิลลิวินาที เพื่อไม่ให้กระบวนการตรวจสอบทำให้ทั้งระบบทำงานช้าลง เราพบว่าการใช้อุปกรณ์เอ็นโค้ดเดอร์ (encoders) สำหรับติดตามตำแหน่งนั้นมีประสิทธิภาพดีมาก ร่วมกับการปรับค่าเปิดรับแสงอย่างชาญฉลาดที่สามารถปรับตัวได้ตามการเปลี่ยนแปลงของคุณสมบัติการสะท้อนแสงของพื้นผิวกระจก ตามผลการทดสอบล่าสุดในปี 2023 บนสายการผลิต IGU อัตโนมัติ แนวทางนี้ช่วยลดจำนวนข้อบกพร่องที่ตรวจไม่พบลงได้ประมาณ 34 เปอร์เซ็นต์ เมื่อเทียบกับระบบรุ่นเก่าที่ไม่มีการซิงโครไนซ์ที่เหมาะสม จึงไม่น่าแปลกใจที่ผู้ผลิตจำนวนมากกำลังเปลี่ยนมาใช้วิธีนี้ในปัจจุบัน

การแบ่งส่วนเชิงความหมายที่ขับเคลื่อนด้วยปัญญาประดิษฐ์ ซึ่งได้รับการฝึกจากภาพขอบที่มีความบกพร่องจำนวน 12,000 ภาพ – ความแม่นยำ 98.2% ในการระบุตำแหน่งรอยแตก

รูปแบบการเรียนรู้ที่ลึก ที่ได้รับการฝึกอบรม โดยใช้ภาพที่เขียนโดยผู้เชี่ยวชาญประมาณ 12,000 ภาพ ของความบกพร่องด้านขอบ สามารถให้ความแม่นยําเกือบ 98% ในเรื่องการค้นหารอยแตกเล็กๆ น้อยๆ ลงสู่ระดับพิกเซล ระบบเหล่านี้สามารถบอกความแตกต่างระหว่างปัญหาที่ร้ายแรง เช่น ชิปขนาดใหญ่กว่าครึ่งมิลลิเมตร กับความแตกต่างของขอบปกติ ได้ผลงานได้เกือบทุกอย่างถูกต้อง สิ่งที่ทําให้มันเป็นไปได้คือวิธีที่พวกเขามองสิ่งต่างๆ เช่น วิธีที่แสงโค้งรอบผิว รูปแบบเงาจากรอยหักที่เล็กน้อย และความแตกต่างขนาดเล็กในรูปแบบในชั้นต่างๆ ของภาพ ในความเร็วการผลิต ที่วัสดุเคลื่อนผ่านจุดตรวจด้วยความเร็ว 30 เมตรต่อนาที ระบบที่ทันสมัยเหล่านี้สามารถตรวจพบรอยแตกที่เล็กกว่า 10 นิ้วของมิลลิเมตรได้ดีกว่าวิธีเดิมที่พึ่งพาการควบคุม การทดสอบแสดงว่าพวกเขาทําผลงานได้ดีขึ้นประมาณ 40% ในการตรวจสอบคุณภาพ IGU ในโลกจริง เมื่อเทียบกับสิ่งที่มีอยู่ก่อนหน้านี้

การรวมข้อมูลจากเซนเซอร์หลายรูปแบบเพื่อประเมินระดับความรุนแรงของข้อบกพร่องที่ขอบกระจก

การวัดรูปร่างด้วยแสงโครงสร้าง + การประมวลผลภาพเครื่องจักร: การวัดความลึกแบบไม่สัมผัส (มากกว่า 50 ไมครอน) และการวิเคราะห์การเบี่ยงเบนของมุม

เมื่อการวัดรูปร่างด้วยแสงโครงสร้างทำงานร่วมกับระบบการประมวลผลภาพเครื่องจักร จะสามารถวัดความลึกของรอยแตกร้าวและรอยร้าวเล็กจิ๋วที่ลึกเกิน 50 ไมครอน พร้อมทั้งตรวจจับการเบี่ยงเบนของมุมได้ละเอียดถึงเศษส่วนขององศา การผสานกันนี้ช่วยให้วิศวกรเห็นภาพรวมของความเสียหายบนพื้นผิว รวมถึงจุดที่มีแรงเครียดสำคัญในวัสดุอย่างครบถ้วน ทำให้สามารถประเมินข้อบกพร่องได้อย่างต่อเนื่องและสอดคล้องตามข้อกำหนดด้านโครงสร้างและความร้อนที่เข้มงวดของ IGU โดยการเชื่อมโยงการวัดความลึกกับการเปลี่ยนแปลงของมุมในทุกพื้นผิว ผู้ผลิตจึงสามารถประเมินข้อบกพร่องได้อย่างครอบคลุม ในความเร็วการประมวลผลที่สูงกว่า 15 เมตรต่อนาที เมื่อเทียบกับวิธีการตรวจสอบด้วยแสงแบบธรรมดาเพียงอย่างเดียว วิธีนี้ช่วยลดสัญญาณเตือนผิดพลาดลงประมาณ 40% ทำให้การควบคุมคุณภาพมีความน่าเชื่อถือมากยิ่งขึ้นในสภาพแวดล้อมการผลิต

การปรับสมดุลความแม่นยำในการตรวจจับกับอัตราการผลิตในกระบวนการผลิต IGU ความเร็วสูง

เมื่อพูดถึงการผลิตกระจกฉนวนแบบยูนิตโดยอัตโนมัติ การตรวจจับข้อบกพร่องที่ขอบกระจกอย่างแม่นยำนั้นขึ้นอยู่กับการหาจุดสมดุลที่เหมาะสมระหว่างความถูกต้องและความเร็วในการดำเนินงาน ปัญหาของระบบตรวจสอบความละเอียดสูงคือ ใช้ทรัพยากรคอมพิวเตอร์จำนวนมาก ซึ่งทำให้เกิดความล่าช้าและชะลอการผลิตเมื่อสายพานลำเลียงเคลื่อนที่เร็วกว่า 1.2 เมตรต่อวินาที ผู้ผลิตชั้นนำในปัจจุบันจึงพึ่งพาโซลูชันการประมวลผลที่ขอบ (edge computing) ที่สามารถตรวจสอบข้อบกพร่องของแต่ละยูนิตได้ภายในเวลาไม่ถึง 10 มิลลิวินาที ซึ่งเร็วกว่าระบบกลไกกำจัดชิ้นงานเสียแบบเดิมอย่างเห็นได้ชัด ระบบเหล่านี้กระจายภาระงานไปยังจุดประมวลผลหลายจุด ทำให้รักษาระดับความแม่นยำได้มากกว่า 99 เปอร์เซ็นต์ ในขณะที่ยังคงรักษาอัตราการผลิตให้ดำเนินต่อไปได้อย่างราบรื่น การตั้งค่าระบบนี้ให้ทำงานได้อย่างมีประสิทธิภาพนั้นขึ้นอยู่กับการปรับระดับความไวของเซ็นเซอร์ให้สัมพันธ์กับความเร็วของการผลิตโดยรวม เพราะไม่มีใครต้องการให้กระบวนการตรวจสอบคุณภาพกลายเป็นคอขวดแทนที่จะช่วยเพิ่มผลผลิตโดยรวม

คำถามที่พบบ่อย

คำถาม: เซนเซอร์ออปติคอลความละเอียดสูงมีความสำคัญอย่างไรในกระบวนการผลิต IGU

คำตอบ: เซนเซอร์ออปติคอลความละเอียดสูงมีความสำคัญอย่างยิ่งในกระบวนการผลิต IGU เพราะช่วยตรวจจับความบกพร่องในระดับจุลภาคที่อาจส่งผลต่อความแข็งแรงของโครงสร้างและประสิทธิภาพการถ่ายเทความร้อน

คำถาม: การถ่ายภาพแบบ HDR มีส่วนช่วยอย่างไรในการตรวจจับข้อบกพร่องที่ขอบกระจก

คำตอบ: การถ่ายภาพแบบ HDR เพิ่มความสามารถในการแยกแยะความคมชัดโดยการรวมภาพจากหลายระดับการเปิดรับแสง ทำให้สามารถตรวจพบปัญหาผิวหน้าเล็กๆ ที่อาจมองข้ามไปได้

คำถาม: การใช้ระบบตรวจจับด้วยภาพที่ซิงค์โครไนซ์กับ PLC มีข้อดีอย่างไรในการตรวจจับข้อบกพร่องของกระจก

คำตอบ: ระบบตรวจจับด้วยภาพที่ซิงค์โครไนซ์กับ PLC ให้การเชื่อมต่อแบบเรียลไทม์ สามารถจัดการกับความเร็วสายพานที่เปลี่ยนแปลงได้ และลดเวลาการตรวจสอบ ทำให้การตรวจจับข้อบกพร่องแม่นยำมากยิ่งขึ้น

คำถาม: การแบ่งส่วนเชิงความหมายที่ขับเคลื่อนด้วยปัญญาประดิษฐ์ (AI) มีประสิทธิภาพเพียงใดในการตรวจจับข้อบกพร่องที่ขอบกระจก

คำตอบ: การแบ่งส่วนเชิงความหมายที่ขับเคลื่อนด้วยปัญญาประดิษฐ์สามารถตรวจจับตำแหน่งรอยแตกได้อย่างแม่นยำสูงถึง 98.2% ซึ่งช่วยเพิ่มอัตราการตรวจจับได้อย่างมีนัยสำคัญเมื่อเทียบกับวิธีการแบบดั้งเดิม

คำถาม: การรวมข้อมูลจากเซนเซอร์แบบมัลติโมดัลมีบทบาทอย่างไรในการประเมินระดับความรุนแรงของข้อบกพร่องที่ขอบกระจก

คำตอบ: การรวมข้อมูลจากเซนเซอร์แบบมัลติโมดัล ซึ่งผสานการวัดโปรไฟล์ด้วยแสงโครงสร้างและการตรวจจับภาพด้วยเครื่องจักร ช่วยให้สามารถวัดความลึกแบบไม่สัมผัสได้อย่างแม่นยำ และวิเคราะห์ค่าเบี่ยงเบนเชิงมุมเพื่อการประเมินข้อบกพร่องอย่างครอบคลุม