Förderbandprüfung

Optische Mängel laufender Förderbänder erkennen und schnell reparieren

Ein In-Sight D900 prüft ein Förderband von unten auf Defekte an der Kette

Ähnliche Produkte

VisionPro ViDi Software inspecting computer mouse on monitor

VisionPro Deep Learning

Grafische Programmierumgebung für Deep Learning-basierte industrielle Bildanalyse

In-Sight D900

In-Sight D900

Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware

Förderbänder unterliegen andauerndem und starkem Verschleiß, wie zum Beispiel beim Verteilen von Paketen in Fulfillment-Zentren, dem Befüllen von Imbissverpackungen oder der Verpackung von Hühnerteilen. Viele von ihnen bestehen aus Metall mit unterschiedlichen Geweben, Verbindungsstücken und Stäben und kommen in spezifischen Anwendungen zum Einsatz, wie zum Beispiel Gefrieren, Backen, Waschen, Sortieren und Kühlen. Starke Beanspruchung und daraus resultierender Verschleiß führen zu schlechter Nachverfolgbarkeit, unzureichender Spannung oder fehlenden bzw. verbogenen Verbindungsstücken.

Nicht behobene Wartungsprobleme können Produkte beschädigen und zu Ausschuss sowie potenziellen Sicherheitsrisiken führen oder sogar einen ungeplanten Linienstillstand mit nachfolgenden Produktionsverzögerungen erforderlich machen. Vorbeugende Wartung trägt zu einem effizienten Linienbetrieb mit minimalen Ausfallzeiten bei.

Die ständige Beobachtung des Förderbands während des Betriebs ermöglicht die Erkennung von aktuellen oder potenziellen Schäden. Beim täglichen Abschalten der Linie können schadhafte Teile lokalisiert und ersetzt werden.

Es ist unmöglich, eine konventionelle industrielle Bildverarbeitung so zu programmieren, dass sie die unterschiedlichen verbogenen Elemente, Risse und anderen möglichen Schäden an Draht- oder Metallverbindungen, Stäben und sonstigen Teilen des Förderers erkennt. Auf Förderbändern befinden sich oft Fremdkörper, Produktteile und -stücke, eingeblasener Staub und andere optisch irritierende Elemente, durch die herkömmliche industrielle Bildverarbeitung sogar bei Fehlern, auf deren Erkennung sie programmiert ist, unzuverlässig wird.

Mit Cognex Deep Learning wird eine kontinuierliche, genaue Prüfung der aktiven Förderbänder zur Routine. Das Defekterkennungstool wird anhand eines Bildsatzes funktionstüchtiger Förderbänder mit einem annehmbaren Ausmaß von Verschleiß trainiert. Anschließend markiert es Verschleiß- oder Schadensbilder, die außerhalb der zulässigen Parameter liegen, ungeachtet irritierender Fremdkörper.

Nach der Defekterkennung ermöglicht das Klassifizierungstool die Verbesserung des Prozesses. Durch Trainieren anhand einer Reihe von Bildern von sowohl annehmbaren als auch beschädigten Förderbandteilen lernt es, bestimmte Arten von Schäden oder Verschleiß zu klassifizieren. So erhalten die Benutzer Informationen, die sie benötigen, um den Ursprung übermäßigen Verschleißes oder zu großer Schäden zu ermitteln und Änderungen zu deren Verringerung oder Beseitigung vorzunehmen.

Empfohlene Cognex-Produkte

ERHALTEN SIE ZUGANG ZU SUPPORT & TRAINING FÜR PRODUKTE & MEHR

Werden Sie Teil von MyCognex