Skal dit anlæg skifte til automatisk deleinspektion?

 

Kvalitetssikring er en meget nødvendig del af enhver produktionslinje.

Uden den ville hjulene komme af vores cykler midt på gaden, babyer ville gå sultne, når deres flasker var tilstoppede, og at få fat i et stykke frugt fra standen i butikken kunne føre til øjeblikkelig mavesygdom.

 

At se den vigtige opgave med kvalitetssikring har altid været et menneskes ansvar. De dedikerer timer, dage, år af deres liv endda til at sikre, at et givet produkt konsekvent lever op til de kvalitetsstandarder, forbrugerne forventer. Det er svært. Forbrugerne er ustadige, standarderne bliver hele tiden strengere, og mennesker er ikke altid korrekte i deres vurderinger. De laver fejl. Så hvordan afhjælper man dette iboende menneskelige problem?

 

Fjernelse af den menneskelige faktor

Computere virker som det indlysende svar. Nogle steder udfører de allerede arbejdet med kvalitetssikring. Det kaldes Automated Parts Inspection (API), og som du måske har gættet, fungerer det godt at verificere, at kædehjulet på din cykel faktisk har 36 tænder, at dets radius måler nøjagtigt 2,868 tommer, og at det vejer ca. det samme antal gram af alle dets medtandhjul. Disse ting er vigtige. Hvis en cyklist, der støtter dit mærke, køber et nyt tandhjul kun for at opdage, at det mangler en tand eller ikke passer korrekt på deres håndsving, er det et problem. Du kan miste forretninger.

 

Så for at levere det højeste niveau af konsistens og eliminere omkostningerne forbundet med at få mennesker til at tælle hver tand på hvert tandhjul, er der lavet en computeriseret model af delen. Robotter på produktionslinjen scanner effektivt hver ny del for at tage dens dimensioner. Delen sammenlignes derefter med CAD-skabelonen for et perfekt tandhjul. Hvis en defekt opdages, fjerner logik i produktionslinjen automatisk den defekte del. Det er utvivlsomt mere præcist end at betale mennesker, som ville kræve meget længere tid, måske bliver trætte og holder op med at være opmærksomme, eller endda lejlighedsvis tillade en del at gå forbi uden at tjekke ved et uheld. Men denne løsning kan ikke fungere for alle planter.

 

Vigtige faktorer for at skifte til automatisk deleinspektion

I eksemplet ovenfor brugte vi en cykeldel. Måske ville den del blive fremstillet af en komponentproducent, der kun fremstiller tandhjul. Eller måske bliver den fremstillet af et firma, der samler komplette cykler. De to applikationer er ekstremt forskellige set fra API's synspunkt.

At konvertere et anlæg, der kun laver tandhjul, til API ville være relativt ligetil. Der ville være en høj startomkostning for udstyr, men kortlægning af hver størrelse kædehjul ville være ret ligetil.

 

De forskellige størrelser kædehjulsskabeloner kunne synkroniseres med produktionsudstyr, og et lille antal robotter ville være i stand til at imødekomme alle fabrikkens QA-behov. Den oprindelige investering ville hurtigt blive tjent tilbage fra de besparelser, der er opnået i løbet af de første par år ved ikke at ansætte mennesker til at udføre kvalitetssikringsopgaver.

 

Men i et anlæg, der laver hver enkelt del på cyklen, bliver tingene mere komplicerede. Fordi de forskellige cykelkomponenter stadig fremstilles i henhold til designskabeloner, er API muligt i dette scenario, men det er dyrere. Du har muligvis brug for en hybrid tilgang. En færdig cykel kan ikke prøvekøres af en computer. Det nødvendige udstyr til at læsse-teste en forgaffel til 450lbs. er ikke det samme som udstyret til evaluering af kædehjulet.

Tager man udtrykket et skridt videre, ville API være vanskeligt at implementere for en malingsblandingsvirksomhed, der modtager brugerdefinerede farveanmodninger beregnet til at tilfredsstille individuelle pallevalg til nye hjem. Sensorteknologien eksisterer måske, men du har ikke noget at sammenligne det færdige produkt med. Du skal oprette en testprøve, uploade den og derefter sammenligne den blandede maling med den oprindelige, alt sammen som et spørgsmål om proces for en enkelt kunde. Lad os se på nogle eksempler fra den virkelige verden for yderligere at pakke dette emne ud.

 

Inspicerer Köln-flasker for fylde

Har du nogensinde overvejet, hvordan duftproducenter kvalitetskontrollerer deres flasker for at sikre, at ingen får en halvtom flaske cologne? Du tror måske, at der er en fysisk sensor involveret, men processen er meget mere højteknologisk.

 

Eftersynet sker ved hjælp af lys. Specifikt lys, der ikke er synligt for det menneskelige øje. Kun omkring 1 % af alt lys, der når jordens overflade, falder ind i det synlige spektrum. På kanten af ​​det synlige lysspektrum bruger infrarødt lys en bølgelængde på 700 nm og op, som kan trænge igennem glas og afsløre, hvad der er inde i en beholder bedre end andre mere synlige bølgelængder. I industrien bruges en 880nm infrarød baggrundsbelysning og spejl til at verificere fylden af ​​cologne-flasker på produktionslyset.

 

Droner brugt på flyproduktionslinjer

Hvad hvis din ansøgning kræver, at du inspicerer noget massivt? Som et jetfly for eksempel? Det franske firma Donacle har skabt en drone med adgang til en database med 3D-billeder af det ydre af moderne passagerfly. Når et nyt fly ruller ud af produktion, kan dronerne tjekke flyets ydre for nitteudslæt, ujævn maling og andre tegn på fejl i byggeprocessen. Men disse droner er ikke kun beregnet til at inspicere nye fly.

To gange om året skal igangværende passagerfly kontrolleres for lynskader. De strenge sikkerhedsstandarder, som flyrejser kræver, betyder, at hele flyets ydre skal kontrolleres for tegn på et lynnedslag. Et job, der ville tage en menneskelig besætning seks timer at udføre, er angiveligt udført ti gange hurtigere med hjælp fra Donacle-dronerne.

 

Det er en reel forskel i den tid, det tager at få et fly tilbage i flåden og tjene penge. Og hvad mere er, dronerne er mere konsekvente end deres menneskelige modstykker. De er allerede udstyret til at håndtere den populære Airbus A320 og bliver taget i brug af europæiske virksomheder som Easyjet og Air France.

 

Vurder dine muligheder

I hvert af disse tilfælde er en meget replikerbar vare valideret i forhold til en fastsat standard. En computer kan evaluere kædehjul, flykomponenter og måle fylden af ​​flasker fra en produktionslinje. Da arbejdere kan definere en fast standard, er disse instanser gode anvendelige tilfælde til automatiseret inspektion. Nu er det din tur til at evaluere dit eget produktionsanlæg. Har du et produkt, der er meget replikerbart? Kan du nemt måle for kvalitetskontrol? Hvis det er tilfældet, kan du drage fordel af automatisk inspektion. Hvis du har et eget casestudie, så del det i kommentarfeltet nedenfor!