日本的 Sekisui House 如何使用 VisionPro Deep Learning 自動化檢測外牆陶瓷磚缺陷

Sekisui House uses Cognex deep learning to find defects on ceramic tile

Sekisui House Ltd. 是日本最大型的房屋建築業者之一,每年營收接近 $200 億美元。該公司創立於 1960 年,總部設於大阪,以其靜岡與東北工廠製造的獨特 Bellburn 外牆陶瓷磚聞名。

Bellburn 陶瓷磚主要用於高檔房屋建築的外牆板。不僅美觀且耐用,還具備自我清潔特性,並展現該公司費時慢慢設計聰明產品的哲學觀。瓷磚經過強化,並將陶瓷工藝技術融合在生產流程之中。但就和陶瓷工藝一樣,有時候形塑陶土或其他材料的製模流程會在表面留下小凹陷或線條。為了減少因製模流程產生表面缺陷,務必要檢測每一塊瓷磚。

Sekisui House 01

雖然人員遠遠無法追上手動視覺檢測的數量。不過,制定機器視覺檢測規則,以處理所有可能在自動化檢測 Bellburn 瓷磚期間呈現的潛在視覺缺陷,也很困難和費時。此外,不一定需要剔除每一個因外部缺陷或色彩不均而造成的瑕疵。可接受範圍能降低從生產流程移除合格產品的風險,落在此範圍內的一些潛在缺陷,也會影響所需的供應數量。

為了確保在最終檢測時仍有所需的 Bellburn 瓷磚數量,必須根據過去的成品率和效率低落的手動檢測來制定生產計劃。因而導致庫存增加,有些則成為固定庫存。

為了化解這些檢測難題,Sekisui House 部署 VisionPro Deep Learning 結合使用線掃描系將與 LED 光源,將整個生產流程的塗裝缺陷檢測自動化。透過自動化檢測全體瓷磚,房屋建築業者成功改善製造流程的整體品質、減少生產過剩、降低庫存與成本,並可穩定供應 Bellburn 陶瓷磚牆板。

深度學習缺陷探測只需要少量圖像資料

基於個人電腦的深度學習解決方案 VisionPro Deep Learning 可以根據少量範例合格圖像,識別原始牆板上多樣繁雜的塗裝缺陷。一般而言,開放原始碼深度學習工具必須要有大量圖像資料,才能瞭解可接受與不可接受的瑕疵。但是 VisionPro Deep Learning 的缺陷探測工具是專為製造業而構建,因此只需要大約有 100 個圖像的範例組便可做到。

完成製模流程的燒製步驟後,可利用線掃描相機與 LED 光源擷取表面的圖像進行自動化檢測。VisionPro Deep Learning 可以識別缺陷,例如凸塊、凹陷、色彩陰影或不想要的線條。然後分析這些圖像,讓自動化工程師根據可接受或不可接受的塗裝缺陷進一步微調應用。

生產線上的即時探測處理速度飛快

Sekisui House 02 

透過即時探測在製模流程期間出現的缺陷,現在可於流程早期發現有缺陷的品項。在進行最終檢測之前的步驟中,更準確地完成品質管理,提高生產規劃的準確度。例如,區分一塊 200 x 32 cm 的材料,大約需要兩秒的時間。只以人工進行檢測,完全無法在生產線上以這樣的速度檢測表面。VisionPro Deep Learning 會選擇性地檢測變形點,而能以飛快的速度進行處理,使其脫穎而出。

成功降低固定庫存

引進此檢測系統讓先前佔預留生產量 0.4% 的固定庫存減少 40%,進而降低成本。

在最終流程之前,透過深度學習將視覺檢測自動化,可大幅改善品質管理,使之更為準確。成品率獲得改善,實現準確的生產規劃,還能減少庫存。

透過橫向擴張進一步降低成本

靜岡工廠成功部署之後,也在東北工廠實作深度學習缺陷探測系統。東北工廠是在陶土材料壓製成型階段之後進行表面檢測。如果可在陶土乾燥之前發現缺陷,便可回收材料,減少廢料量。如此一來,可以成功節省大量材料成本。

保證供應量穩定

使用 VisionPro Deep Learning,在生產期間將視覺檢測自動化,能夠即時探測缺陷,成功減少庫存與成本。使用 VisionPro Deep Learning 可達成將每塊瓷磚的表面視覺檢測自動化,能在有需要時精準地確切生產所需的陶瓷牆板數量。

整體而言,Bellburn 陶瓷牆板的生產流程變得更順暢。Sekisui House 使用 VisionPro Deep Learning 將這些檢測自動化,因而更能達成「自由發揮創意,一次專心設計一棟住宅,棟棟都為客戶從頭開始量身建造」這句座右銘。

其他文章

取得產品支援與訓練等等

加入 MyCognex