智能应用 影音
DFourm0617
event

工研院首创AI齿轮检测 助台厂站稳高端电动车供应链

工研院首创AI齿轮检测 助台厂站稳高端电动车供应链

电动车浪潮席卷全球,台湾厂商也积极抢攻关键零组件,像是齿轮是电动车关键传动元件之一,工研院也因此开发国内首创3D螺旋切齿齿轮检测机,并成功导入国内齿轮大厂本土的产线中,不仅减少50%人力检测需求,对于像电动车这样的高端市场需求下,也有助于提升产品可靠度,提高市场竞争力。

金属制品因本身具有反光特性,因此传统使用机器视觉(AOI)进行瑕疵检测时,相当容易受到干扰或误判,使得技术门槛通常较高,加上台湾金属加工产业大多属于传统中小企业,在技术与资本限制下,目前在品检流程中仍大多倚靠人工目视来确保品质,但检测的过程却相当耗时又费力。

而在齿轮这项金属制品的检测中,挑战又更为严峻。因本身结构关系,齿距间的起伏容易形成阴影,其跟俗称「黑皮」的齿轮瑕疵,在外观上几乎无异,因此即便克服反光问题,一般传统AOI检测仍难以识别出该瑕疵究竟是黑皮,或是阴影造成,因而有可能产生误判。

为改善业界瓶颈,工研院研发「金属制品外观品质AI监别与回馈模块」搭配国内首创3D螺旋切齿齿轮检测机,在金属反光的情况下,能够自动检测出黑皮、撞伤与崩齿等瑕疵,目前这套系统也已成功导入国内齿轮大厂本土,正确率达96%,不仅减少50%的人力需求,检测一颗齿轮的速度更从60秒降至30秒以下。

工研院机械与机电系统研究所组长吴志平指出,该技术有两大关键,一是在机构设计上藉由多轴同动所开发的动态调变光源技术,该技术可依据不同型号的齿轮跟外观结构,动态调整打光的方式、位置与角度等,以克服具有3D外观的金属制品,在取像时容易产生反光的问题,而第二个技术关键则是利用AI深度学习训练检测模块,强化AOI的识别能力,更正确判别瑕疵种类。

吴志平进一步指出,像有的台厂切入国际知名电动车大厂的供应链,为确保品质,这些电动车大厂都相继开始要求底下供应链必须做到全检,但过去台厂受限于技术限制,因此至今仍多以人工目视检测为主,但人工作业通常一天只能检测8小时,不仅无法提高产能,人力在疲劳时也会因此导致检测品质下降,在产线中逐渐形成一瓶颈站点。

尤其黑皮更是齿轮的重大瑕疵。所谓黑皮指的是齿轮在加工过程中的表面研磨不良,此会导致齿轮在转动过程中因表面不平产生摩擦,进而失衡,还会因此降低齿轮寿命,尤其齿轮是电动车重要的传动元件之一,因此对于车厂的供应链来说,势必要确保其品质可靠度。

而目前这项技术除了可应用于齿轮外观瑕疵检测,工研院研发团队也发展出迁移式学习(Transfer Learning),加快AI学习速度,以便让系统可以更快应用在不同金属产品上,协助厂商有效量化瑕疵状况与良率。

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 传动元件 AI 供应链 工研院 电动车