Следует ли вашему заводу перейти на автоматизированный контроль деталей?

 

Обеспечение качества является очень важной частью любой производственной линии.

Без этого у наших велосипедов отрывались бы колеса посреди улицы, дети голодали бы, когда их бутылочки засорялись, а схватив с прилавка в магазине кусочек фрукта, можно было бы мгновенно заболеть желудком.

 

Выполнение важной задачи обеспечения качества всегда было обязанностью людей. Они посвящают часы, дни, годы своей жизни даже тому, чтобы тот или иной продукт постоянно соответствовал стандартам качества, которых ожидают потребители. Это трудно. Потребители непостоянны, стандарты становятся все более строгими, а люди не всегда правы в своих оценках. Они делают ошибки. Итак, как решить эту присущую человечеству проблему?

 

Удаление человеческого фактора

Компьютеры кажутся очевидным ответом. В некоторых местах они уже выполняют работу по обеспечению качества. Это называется автоматизированной проверкой деталей (API), и, как вы уже догадались, она отлично подходит для проверки того, что звездочка на вашем велосипеде действительно имеет 36 зубьев, что ее радиус составляет ровно 2,868 дюйма и что она весит 2,5 дюйма. одинаковое количество граммов всех остальных звездочек. Эти вещи важны. Если велосипедист, который покровительствует вашему бренду, покупает новую звездочку только для того, чтобы обнаружить, что у нее нет зуба или она неправильно сидит на шатуне, это проблема. Вы можете потерять бизнес.

 

Поэтому, чтобы обеспечить высочайший уровень единообразия и исключить затраты, связанные с пересчетом людьми каждого зуба на каждой звездочке, создается компьютеризированная модель детали. Роботы на производственной линии эффективно сканируют каждую новую деталь, чтобы определить ее размеры. Затем деталь сравнивается с шаблоном CAD идеальной звездочки. Если обнаружен дефект, логика производственной линии автоматически удаляет дефектную деталь. Это, несомненно, более точно, чем платить людям, которым потребуется гораздо больше времени, которые могут устать и перестать обращать внимание или даже иногда позволить детали пройти мимо, не проверив случайно. Но это решение не может работать для каждого растения.

 

Важные факторы для перехода на автоматизированный контроль деталей

В приведенном выше примере мы использовали деталь велосипеда. Возможно, эта деталь будет изготовлена ​​производителем компонентов, который производит только звездочки. Или, возможно, его производит компания, собирающая велосипеды в сборе. Эти два приложения сильно отличаются с точки зрения API.

Перевод завода, производящего только звездочки, на API будет относительно простым. Первоначальные затраты на оборудование будут высокими, однако картографирование звездочек каждого размера будет довольно простым.

 

Шаблоны звездочек разных размеров можно будет синхронизировать с производственным оборудованием, а небольшое количество роботов сможет удовлетворить все потребности завода в обеспечении качества. Первоначальные инвестиции быстро окупятся за счет экономии, накопленной за первые несколько лет отсутствия найма людей для выполнения задач по обеспечению качества.

 

Однако на заводе, который производит каждую деталь велосипеда, все становится сложнее. Поскольку различные компоненты велосипеда по-прежнему изготавливаются в соответствии с шаблонами проектирования, в этом сценарии возможен API, но он более дорогостоящий. Возможно, вам понадобится гибридный подход. Готовый велосипед нельзя протестировать на компьютере. Оборудование, необходимое для испытания передней вилки под нагрузкой до 450 фунтов. это не то же самое, что оборудование для оценки звездочки.

Если пойти еще дальше, API будет сложно внедрить для компании, занимающейся смешиванием красок, которая получает запросы на индивидуальные цвета, предназначенные для удовлетворения индивидуального выбора поддонов для новых домов. Сенсорная технология, возможно, и существует, но вам не с чем будет сравнивать готовый продукт. Вам придется создать тестовый образец, загрузить его, а затем сравнить смешанную краску с исходной, и все это в рамках процесса для одного клиента. Давайте рассмотрим несколько реальных примеров, чтобы глубже раскрыть эту тему.

 

Проверка бутылок одеколона на наполненность

Задумывались ли вы когда-нибудь о том, как производители парфюмерии контролируют качество своих флаконов, чтобы никто не получил полупустой флакон одеколона? Вы можете подумать, что здесь задействован физический датчик, но этот процесс гораздо более высокотехнологичен.

 

Осмотр происходит с использованием света. В частности, свет, невидимый человеческому глазу. Лишь около 1% всего света, достигающего земной поверхности, попадает в видимый спектр. На границе спектра видимого света инфракрасный свет использует длину волны 700 нм и выше, которая может проникать сквозь стекло и показывать, что находится внутри контейнера, лучше, чем другие, более видимые длины волн. В промышленности для проверки наполненности флаконов одеколона на производственном светильнике используется инфракрасная подсветка и зеркало с длиной волны 880 нм.

 

Дроны используются на линиях по производству авиалайнеров

Что, если ваше приложение требует от вас проверки чего-то огромного? Например, реактивный авиалайнер? Французская компания Donacle создала дрон с доступом к базе данных 3D-изображений экстерьеров современных авиалайнеров. Когда новый самолет выпускается из производства, дроны могут проверить его внешний вид на наличие заклепок, неровной окраски и других признаков ошибок в процессе сборки. Но эти дроны предназначены не только для проверки новых самолетов.

Дважды в год находящиеся в эксплуатации авиалайнеры должны проверяться на предмет повреждений молнией. Строгие стандарты безопасности, которых требуют авиаперелеты, означают, что весь внешний вид самолета должен быть проверен на наличие признаков удара молнии. Сообщается, что работа, на выполнение которой у человеческой бригады ушло бы шесть часов, с помощью дронов Donacle выполняется в десять раз быстрее.

 

Это реальная разница во времени, необходимом для того, чтобы вернуть самолет в парк и заработать деньги. Более того, дроны более последовательны, чем их человеческие коллеги. Они уже оборудованы для обслуживания популярного Airbus A320 и используются такими европейскими компаниями, как Easyjet и Air France.

 

Оцените свои варианты

В каждом из этих случаев высокореплицируемый элемент проверяется на соответствие установленному стандарту. Компьютер может оценивать звездочки, компоненты самолета и измерять наполненность бутылок на производственной линии. Поскольку работники могут определить установленный стандарт, эти экземпляры являются хорошими вариантами использования для автоматизированной проверки. Теперь ваша очередь оценить собственное производство. У вас есть продукт, который легко воспроизводится? Можете ли вы легко провести измерения для контроля качества? Если да, то вам может быть полезна автоматическая проверка. Если у вас есть собственный пример, поделитесь им в комментариях ниже!