John Deere использует ИИ для повышения эффективности сварки

John Deere, американская машиностроительная компания, основанная в 1837 году, работает с Intel над внедрения технологий ИИ в свой производственный процесс. Текущий пилотный проект демонстрирует, как решения от Intel могут помочь производителям вступить в цифровую индустриальную эру.

John Deere планирует использовать компьютерное зрение для ускорения медленного и дорогостоящего, но важного процесса: выявления и исправления дефектов в процессе автоматизированной сварки.

«Сварка - сложный процесс, - говорится в заявлении Энди Бенко, директора по качеству подразделения строительства и лесного хозяйства John Deere. - Это ИИ-решение может помочь нам производить наши высококачественные машины более эффективно. Внедрение новых технологий в производство открывает новые возможности и меняет наше представление о некоторых процессах, которые не менялись годами».

На 52 заводах по всему миру John Deere использует процесс дуговой сварки металлическим электродом в газовой среде (GMAW) с использованием роботизированных манипуляторов. Дуговая сварка склонна к образованию пористости - дефекта, при котором полости в металле сварного шва образуются пузырьками газа по мере охлаждения сварного шва, что приводит к снижению его прочности.

Производители и ранее экспериментировали с автоматизированными системами для поиска дефектов, но они выдавали высокий уровень ложных срабатываний. Это означает, что производителям, как правило, приходится полагаться на квалифицированных специалистов для выявления проблем вручную.

Пилотный проект, начатый в прошлом году на одном из заводов John Deere, предполагает, что использование компьютерного зрения может сделать процесс определения дефектов пористости более точным и менее затратным. По заявлению промышленного партнера Intel по IOT, компании ADLINK, пилотный проект на основе искусственного интеллекта обнаружил дефекты с точностью до 97,14%.

Система использует камеру, установленную на сварочном пистолете, для обнаружения дефектов в режиме реального времени. Видеокадры с камер анализируются с использованием модели распознавания действий на основе нейронной сети, обученной как на хороших сварных швах, так и на сварных швах с дефектами.

Система обнаружения дефектов основана на процессорах Intel Core i7, VPU Intel Movidius и инструментарии Intel Distribution of OpenVINO. Проект был реализован с помощью платформы машинного зрения ADLINK.