До сих пор техническое обслуживание станков в машиностроении требует регулярного осмотра их материально-технической части человеком, что подразумевает определение степени износа вручную. Немецкие учёные предлагают автоматизировать осмотр деталей станков на износ, и поручить это дело ИИ с машинным обучением.
Информация сайта - «dima-gid.ru»
Исследователи из Технологического института Карлсруэ (KIT) разработали систему для полностью автоматизированного контроля шарико-винтовых передач (ШВП) в станках. Такие передачи, например, широко используются в станках с числовым программным управлением, и износ шпинделя передачи прямо приведёт к браку. Автоматизированная система определения износа устранит необходимость остановки станков для осмотра и сократит простой оборудования.
Чтобы следить за износом шпинделя ШВП немецкие разработчики встроили камеру и источник света прямо в гайку привода. Камера постоянно делает снимки каждой секции шпинделя и отсылает изображения для анализа искусственным интеллектом. Система сама просигнализирует, когда станок нужно будет остановить для текущего ремонта. До этого момента узел не потребует регулярного планового осмотра, а значит, станок всё это время будет работать.
Учёные обучили алгоритм на тысячах изображений. Это позволило создать модель ИИ, которая по изображению может точно квалифицировать износ шпинделя и отличить, например, грязь или смазку от настоящего дефекта. Износ определяется даже в том случае, если форма деградации шпинделя отличается от ранее обнаруженной. Иными словами, алгоритм обучен определять едва ли не все возможные в природе виды дефектов на шпинделе. Что важно, алгоритм может быть перенесён на другие приложения, тоже связанные с обнаружением дефектов на основе изображений поверхности.
Информация сайта - «dima-gid.ru»
Демонстрация разработки состоится с 20 по 24 апреля на выставке Hannover Messe 2020 (это мероприятие с 2018 года вобрало в себя знаменитую мартовскую CeBIT в Ганновере). Пример данной разработки хорошо показывает, как ИИ-алгоритмы могут просто и буднично революционизировать производство.
До сих пор техническое обслуживание станков в машиностроении требует регулярного осмотра их материально-технической части человеком, что подразумевает определение степени износа вручную. Немецкие учёные предлагают автоматизировать осмотр деталей станков на износ, и поручить это дело ИИ с машинным обучением. Информация сайта - «dima-gid.ru» Исследователи из Технологического института Карлсруэ (KIT) разработали систему для полностью автоматизированного контроля шарико-винтовых передач (ШВП) в станках. Такие передачи, например, широко используются в станках с числовым программным управлением, и износ шпинделя передачи прямо приведёт к браку. Автоматизированная система определения износа устранит необходимость остановки станков для осмотра и сократит простой оборудования. Чтобы следить за износом шпинделя ШВП немецкие разработчики встроили камеру и источник света прямо в гайку привода. Камера постоянно делает снимки каждой секции шпинделя и отсылает изображения для анализа искусственным интеллектом. Система сама просигнализирует, когда станок нужно будет остановить для текущего ремонта. До этого момента узел не потребует регулярного планового осмотра, а значит, станок всё это время будет работать. Учёные обучили алгоритм на тысячах изображений. Это позволило создать модель ИИ, которая по изображению может точно квалифицировать износ шпинделя и отличить, например, грязь или смазку от настоящего дефекта. Износ определяется даже в том случае, если форма деградации шпинделя отличается от ранее обнаруженной. Иными словами, алгоритм обучен определять едва ли не все возможные в природе виды дефектов на шпинделе. Что важно, алгоритм может быть перенесён на другие приложения, тоже связанные с обнаружением дефектов на основе изображений поверхности. Информация сайта - «dima-gid.ru» Демонстрация разработки состоится с 20 по 24 апреля на выставке Hannover Messe 2020 (это мероприятие с 2018 года вобрало в себя знаменитую мартовскую CeBIT в Ганновере). Пример данной разработки хорошо показывает, как ИИ-алгоритмы могут просто и буднично революционизировать производство.
