ZADD
Umetna inteligenca v rentgenski tehnologiji​

Segmentacija ZADD​

Pregled napak na podlagi umetne inteligence za računalniško tomografijo​

Aplikacija ZADD Segmentation zanesljivo in hitro odkriva majhne in nejasne napake v komponentah – tudi na slikah slabe kakovosti. V ta namen se programska oprema, ki temelji na strojnem učenju, zanaša na umetno inteligenco. Napake in nepravilnosti se odkrivajo, segmentirajo in ocenjujejo z uporabo umetne inteligence za pregled podatkov CT. ZADD tako podpira vaše rentgenske aplikacije pri razvoju komponent, optimizaciji procesov in analizi napak. ZADD je kratica za ZEISS Automated Defect Detection (avtomatizirano odkrivanje napak ZEISS) in je izbirna aplikacija za našo standardno programsko opremo za CT-storitev ZEISS INSPECT X-Ray.

Vaše prednosti z ZADD Segmentation v pregledu​

  • Prihranek časa z umetno inteligenco

    Prihranek časa z umetno inteligenco

    • Razbremenitev pri pregledovanju
    • Zanesljivo in hitro odkrivanje napak
  • Zanesljivi rezultati in jasna poročila​

    Zanesljivi rezultati in jasna poročila​

    • Zanesljivi rezultati, tudi ob slabši kakovosti slike
    • Primerno za mešane in goste materiale
  • Enostavno ocenjevanje napak​

    Enostavno ocenjevanje napak​

    • Optimizacija analize napak po meri
    • Enostavno ocenjevanje in prepoznavanje neustreznih delov

ZEISS Automated Defect Detection

Programska oprema na podlagi umetne inteligence za vaša področja uporabe
Slika prikazuje komponento, pri kateri je mogoče z uporabo umetne inteligence v računalniški tomografiji preveriti napake.

Zanesljivo odkrivanje napak v komponentah​

Med zapletenim proizvodnim procesom komponent lahko nastanejo različne napake. Predvsem v notranjosti te niso vidne s prostim očesom in lahko močno vplivajo na stabilnost in funkcionalnost komponente. Umetna inteligenca v kombinaciji z industrijsko računalniško tomografijo omogoča, da so ta skrita problematična območja vidna že v zgodnji fazi. Programska oprema ZEISS za samodejno odkrivanje napak je specializirana za hitro in zanesljivo odkrivanje različnih napak, tudi na slikah slabe kakovosti s številnimi artefakti.

Slika prikazuje linijski pregled, ki je bil opravljen v samo 60 sekundah z uporabo umetne inteligence v računalniški tomografiji.

Prepoznavanje in razvrščanje neustreznih delov v zgodnji fazi​

Da bi lahko v zgodnji fazi izločili okvarjene komponente v vrednostni verigi, je treba 3D podatke zanesljivo in hitro ovrednotiti. ZADD omogoča enostavno prepoznavanje komponent s kritičnimi napakami, ki jih je mogoče natančno razvrstiti ali, če je mogoče, predelati. Po drugi strani pa kakovostno ustrezni deli neovirano nadaljujejo postopek obdelave. Rezultat: nižja stopnja zavrnitve in visoka kakovost komponent. Na ta način lahko z umetno inteligenco v računalniški tomografiji dosežete stalno povečevanje učinkovitosti in največjo zanesljivost procesa.

Kako deluje ZADD Segmentation​

Ustrezen ali neustrezen del? ZEISS Automated Defect Detection (ZADD) vas podpira pri tej odločitvi z umetno inteligenco. Izpopolnite postopek ocenjevanja z aplikacijo ZADD Segmentation za storitev ZEISS INSPECT X-Ray. Oglejte si ta videoposnetek in spoznajte, kako deluje.
  • Upoštevajte, da se naša programska oprema zdaj imenuje ZEISS INSPECT X-Ray

Potek dela

  • Slika ZEISS VoluMax

    Pridobivanje podatkov

    • Uporabite naš portfelj računalniških tomografov za pridobivanje podatkov, npr. visokozmogljivi ZEISS VoluMax 9 titan ali zelo natančno serijo ZEISS METROTOM za meritve z najsodobnejšo računalniško tomografijo  
    • Ali pa pridobljene podatke iz drugega sistema CT uvozite v sistem ZEISS INSPECT X-Ray za vrednotenje
  • Prikaz segmentacije​

    Segmentacija​

    • Iskanje okvarjenih območij v pridobljenih podatkih z globokim strojnim učenjem (ML) z ZADD Segmentation
    • Posebej primerno za analizo napak pri neoptimalnih podatkih o prostornini (npr. zaradi šuma, grobe ločljivosti ali artefaktov)
    • Učite se na podlagi primerov, zapleteno nastavljanje parametrov ni potrebno
    • Uporabite predhodno naučene modele strojnega učenja za hiter začetek postopka
    • Ustvarite območja zanimanja (povratka investicije) za časovno optimizirano vrednotenje
  • Ocenjevanje​

    Ocenjevanje​

    • Vizualizirajte svoje podatke z zmogljivimi orodji v 3D in 2D tehnologiji
    • Določite matrike za odkrite napake, kot so premer, prostornina ali sferičnost
    • Ustvarite filtre za izbiro napak z lastnostjo nad ali pod določenim pragom
    • Uporabite kompleksna vrednotenja, kot so P202, P203, poroznost ali oddaljenost od površine
  • Poročanje in statistika​

    Poročanje in statistika​

    • Vrednotenje v ilustrativnih poročilih o meritvah
    • Enostaven prenos poročil o meritvah v formatu PDF
    • Arhiviranje podatkov omogoča dolgoročno sledenje napakam
    • Napredne funkcije vrednotenja in statistične funkcije s programom ZEISS PiWeb Reporting Plus
    • Statistični nadzor procesov omogoča prepoznavanje korelacij in optimizacije procesov

Predhodno naučeni modeli za posebne aplikacije​

Pri uporabi aplikacije ZADD Segmentation v programski opremi ZEISS INSPECT X-Ray lahko izkoristite naše predhodno naučene modele strojnega učenja. Uporabite eno od treh razpoložljivih možnosti za ulitke iz litin, pregledovanje sponk ali elektroniko.​
Litina

Litina

Pregled skritih napak v ulitkih iz litin, podprt z umetno inteligenco

Sponke

Sponke

Avtomatizirana analiza sponk za aplikacije v električnih pogonih

Elektronika

Elektronika​

Enostavna analiza spajkanih spojev v elektroniki

Primeri tipičnih napak pri litju, ki jih lahko odkrije ZADD​

  • Pore

    Pore

    Pora je kroglasta ali elipsoidna votlina s pretežno gladkimi stenami znotraj komponente. Glede na izvor lahko vsebujejo zrak, paro, vodik ali druge pline (npr. iz maziv). Pore se pogosto pojavljajo v zgornjih plasteh ulitka, vendar so lahko na odzračenih območjih ali v podrezih razporejene po celotnem ulitku.

  • Hladno tečenje/hladni zvar

    Hladno tečenje/hladni zvar

    Hladno tečenje se prednostno pojavlja na ravnih površinah z relativno majhno debelino. To lahko povzroči ločitev kohezije, zaradi česar nastanejo luknje, območja, ki se niso iztekla, pa tudi zaobljeni robovi in prekrivanja. Pri tlačnem litju je hladno tečenje vidno na zelo finih in tankih površinskih ploščicah.

  • Mikroporoznost

    Mikroporoznost

    Mikroporoznost je mogoče razumeti kot kopičenje majhnih skrčkov (mikrokrčenje/interdendritično krčenje), ki lahko ustvarijo verige in povzročijo uhajanje. Ta poroznost se pri CT-pregledu z nižjo ločljivostjo pokaže kot gobasta območja.

  • Odmik stene

    Odmik stene

    Če na primer pride do napak pri pozicioniranju jedra v formi pred litjem ali če se jedra med postopkom litja premaknejo, geometrije ulitka niso več skladne z modelom CAD.

  • Ostružki

    Ostružki

    Med grobo strojno obdelavo komponente (npr. rezanje z žaganjem na podajalniku) nastanejo aluminijasti ostružki, ki lahko padejo v komponento. Prav tako se lahko majhna izbočenja (peresca) med jedrovanjem odlomijo in ostanejo v komponenti. Ti ostanki aluminija lahko povzročijo napake v hladilnem sistemu, na primer med nadaljnjim delovanjem.

  • Vključki

    Vključki

    Vključki so delno ali v celoti vgrajene nečistoče v liti komponenti, ki so običajno gostejše od osnovnega materiala. Povzročijo jih na primer tujki v formi za litje ali onesnažen material za litje.

Umetna inteligenca v računalniški tomografiji (CT)​

  • Umetna inteligenca je vseprisotna. Avtonomna vožnja je le eden od številnih primerov uporabe umetne inteligence. Umetna inteligenca je tudi tema v industriji in s tem v računalniški tomografiji ter postaja vse pomembnejša. Omogoča namreč še bolj zanesljivo, natančno in hitro izvajanje analiz napak. V industriji se napaka pogosto nahaja znotraj komponente. Postopek optičnega pregleda za nadzor kakovosti potem ne zadostuje več, saj z njim ni mogoče zaznati nobenih znakov notranjih napak. Rentgensko pregledovanje omogoča natančen pogled v notranjost komponente, s tem pa zgodnje odkrivanje napak. Z uporabo umetne inteligence pri pregledu z računalniško tomografijo se izvede delno avtomatizirana analiza napak.

    Razlaga izrazov:

    V povezavi z umetno inteligenco in računalniško tomografijo se pogosto uporabljata izraza odkrivanje napak z umetno inteligenco ali odkrivanje anomalij z umetno inteligenco. AI je kratica za umetno inteligenco, odkrivanje napak ali odkrivanje anomalij pa pomeni odkrivanje napak ali odkrivanje anomalij. Ob uporabi skupaj z "NDT" je jasno, da umetna inteligenca deluje neporušitveno, saj NDT pomeni neporušitveno preskušanje.

  • Umetna inteligenca in računalniška tomografija

    Umetna inteligenca je trend na področju avtomatizacije. Procesne zahteve postajajo vse strožje, zato morata vrednotenje slik in analiza napak potekati hitro in zanesljivo tudi v zahtevnih merilnih okoljih. To še posebej velja za komponente, ki so pomembne za varnost, npr. v avtomobilski ali letalski in vesoljski industriji. Da bi povečali kakovost s hitrejšim izvajanjem analiz napak in hkrati zagotovili visoko zanesljivost procesa, se umetna inteligenca uporablja za branje slik računalniške tomografije. Odkrivanje napak z umetno inteligenco odpravlja potrebo po ročnem nastavljanju parametrov in tako preprečuje subjektivne odločitve pri odkrivanju napak.

    Avtomatizirano odkrivanje napak ZEISS je še posebej uporabno, kadar na podatke o obsegu vplivajo preveč gosti materiali ali kratki časi skeniranja. Artefakti in šum na slikah običajno povzročajo napačne zaznave, vendar ti učinki na programsko opremo ne vplivajo.

Stopite v stik z nami za osebno predstavitev

Spremljali vas bomo od samega začetka, tako pri izbiri pravega modela strojnega učenja kot pri razvoju posebej usposobljene rešitve. Podpiramo vas pri delovanju, optimizaciji in ocenjevanju učinkovitosti sistema ter v številnih primerih rešujemo vaše individualne naloge pregleda.

Obrazec se nalaga ...

Če želite več informacij o obdelavi podatkov v družbi ZEISS, preberite naše Obvestilo o varstvu podatkov.