AI가 복잡한 제품 제조에서 조립 시퀀스 오류를 감지하는 방법

수십 개의 조립 단계가 있는 복잡한 제품은 따라야 할 특정 시퀀스가 있습니다. 커버를 볼트로 조이기 전에 가스킷을 설치하는 것은 명백해 보이지만, 50개의 조립 작업이 있는 제품에서는 일부 시퀀스 종속성이 미묘합니다. 브래킷이 라우팅 경로를 덮기 때문에 브래킷이 설치되기 전에 와이어 하네스가 라우팅되어야 합니다. 샤프트가 베어링 보어에 대한 액세스를 차단하기 때문에 샤프트가 삽입되기 전에 베어링을 압착해야 합니다.

이러한 시퀀스 오류가 발생하면, 결과는 재작업입니다: 순서를 벗어난 작업을 시정하기 위해 제품을 부분적으로 분해하는 것. 심각한 경우, 오류는 제품이 현장에 있을 때까지 잡히지 않으며, 거기서 수리 비용은 크기가 다릅니다.

시퀀스 오류가 발생하는 이유

수동 조립에서, 시퀀스 오류는 인간 변동의 자연스러운 결과입니다. 기억으로 작업하는 운영자는 무심코 단계를 건너뛰고 나중에 깨달을 수 있습니다. 종이 지침으로 작업하는 운영자는 시퀀스를 잘못 읽을 수 있습니다. 생산 압박이 높을 때, 운영자는 때때로 무해해 보이지만 필요한 시퀀스를 위반하는 지름길을 택합니다.

혼합 모델 조립에서, 시퀀스는 제품 변형 간에 다를 수 있습니다. 변형 간에 전환하는 운영자는 잘못된 변형의 시퀀스를 따를 수 있습니다. 경험 많은 운영자조차도 가끔 이러한 오류를 만듭니다.

AI가 시퀀스 오류를 잡아내는 방법

AI 비전 시스템은 조립 프로세스를 모니터링하고 각 작업이 올바른 시퀀스로 발생하는지 확인합니다. 조립 영역을 보도록 위치한 카메라는 각 작업 후 이미지를 캡처합니다. AI는 각 이미지를 분석하여 어떤 작업이 완료되었는지 결정하고 현재 상태를 시퀀스의 해당 지점에서의 예상 상태와 비교합니다.

작업이 누락되거나 순서를 벗어난 경우, 시스템은 즉시 운영자에게 알립니다. 이는 시퀀스 오류 자체보다는 시퀀스 오류의 결과(예: 갇힌 와이어 하네스)만 감지할 수 있는 라인 끝 검사보다 훨씬 효과적입니다. 발생 지점에서 오류를 잡음으로써, 시정은 광범위한 분해가 필요하지 않고 최소화됩니다.

비전 시스템 학습

조립 상태를 인식하도록 AI를 학습시키려면 조립의 각 단계에서 제품의 이미지가 필요합니다. 이 학습 데이터는 초기 셋업 중에 수집되며, 종종 단계별로 올바르게 조립되는 제품을 사진 촬영함으로써 이루어집니다. AI는 각 작업 후 제품이 어떻게 보여야 하는지와 각 작업의 부재가 어떻게 보이는지 학습합니다.

많은 변형이 있는 제품의 경우, 학습은 각 변형 경로를 다루어야 합니다. 전이 학습이 여기에 도움이 됩니다: 한 변형으로 학습된 AI는 더 적은 추가 학습 이미지로 유사한 변형에 적응될 수 있습니다.

조립 시스템과의 통합

비전 시스템은 시퀀스가 잘못되었을 때 도구가 작동하지 않도록 도구 제어기와 통합됩니다. 특정 서브 어셈블리가 제자리에 있을 때까지 토크 렌치를 사용해서는 안 되는 경우, 비전 시스템이 전제 조건 작업을 확인할 때까지 도구는 전자적으로 잠깁니다. 이 오류 방지 접근 방식은 작업을 순서를 벗어나 완료하는 것을 물리적으로 불가능하게 만듭니다.

제조업의 AI 오류 방지에 대한 자세한 내용은 FirmAdapt 제조업 분석 페이지를 방문해 주세요.