Deere beralih ke AI untuk memecahkan masalah porositas pengelasan

Pengelasan merupakan bagian integral dari industri manufaktur alat berat, dan salah satu tantangan yang dihadapi teknisi selama pengelasan adalah porositas—adanya rongga pada logam las.

Rongga ini melemahkan kekuatan las dan membutuhkan pengerjaan ulang atau bahkan pengelupasan seluruh bagian yang rusak.

Ini bisa memakan biaya dan waktu. Sementara insinyur las terlatih dapat mendeteksi porositas dengan inspeksi pendengaran dan visual, insinyur ini mungkin sulit ditemukan. Mereka mungkin juga mengalami kesulitan untuk mendengar atau melihat cacat dalam pengaturan pabrik yang bising dan berasap.

Sistem pemantauan otomatis yang ada sering kali mengalami tingkat positif palsu yang tinggi, memperlambat produksi, dan menambah biaya.

John Deere, yang membuat mesin pertanian, konstruksi, dan kehutanan, bermitra dengan Intel untuk membangun solusi berbasis kecerdasan buatan (AI) untuk masalah ini.

Solusi penglihatan mesin telah lama sulit dibuat untuk aplikasi pengelasan karena lingkungan yang sangat keras dengan asap dan percikan api yang dapat menimbulkan kesulitan dalam penempatan kamera.

Untuk mengatasi tantangan ini, kami bekerja dengan John Deere dan mitra kami untuk menciptakan solusi AI dengan kamera yang ditempatkan dalam jarak dekat, memberikan wawasan di luar kemampuan mata manusia.

Memanfaatkan toolkit Intel OpenVINO (Visual Inference and Neural Network Optimization), solusi ini memeriksa streaming video frame demi frame, mencari cacat.

Ketika cacat diidentifikasi oleh model AI, solusinya langsung mematikan robot pengelasan sehingga teknisi dapat melakukan intervensi dengan aman. Upaya sebelumnya di seluruh industri untuk menangani masalah porositas las selama proses pengelasan tidak selalu berhasil. Jika cacat ini ditemukan di kemudian hari dalam proses manufaktur, mereka memerlukan pengerjaan ulang atau bahkan pembongkaran rakitan penuh, yang dapat mengganggu dan mahal.

Berdasarkan uji coba kami dengan Deere, solusi ini dapat mendeteksi cacat porositas dengan akurasi hingga 97,14 persen—penghematan biaya dan produktivitas yang sangat besar bagi produsen. Solusi mandiri ini tidak bergantung pada catu daya pihak ketiga atau model robot las, sehingga benar-benar dapat diskalakan.

Sistem terintegrasi yang menyeluruh juga memungkinkan produsen untuk menghubungkan peralatan las baru dan yang sudah ada, menangkap beberapa aliran data gambar intensif komputasi, dan menerapkan model pembelajaran mesin ke perangkat edge.

Tantangan kualitas las tentu saja tidak unik bagi John Deere. Yang unik adalah pendekatan Deere. Insinyur di perusahaan condong ke AI dan visi mesin untuk mengotomatisasi pemeriksaan kualitas, memungkinkan mereka untuk mendeteksi masalah yang terjadi untuk mendorong pengambilan keputusan yang cepat di lantai pabrik, mengotomatiskan proses QA untuk meningkatkan kualitas, mengurangi biaya, dan meningkatkan produksi pabrik.

Saat bekerja dengan Deere, fokus kami adalah memastikan umur panjang solusi untuk mendukung kebutuhan kualitas atau efisiensi lain yang mungkin dimiliki perusahaan di masa depan.

Ini adalah takeaway besar bagi perusahaan yang ingin menambahkan kecerdasan ke peralatan, proses, dan manajemen manufaktur yang ada. Sangat penting untuk bermitra dengan penyedia solusi yang dapat membantu memecahkan tantangan saat ini sambil memastikan interoperabilitas dan skalabilitas untuk fleksibilitas dan kemudahan penggunaan di masa depan.

“Pengelasan itu rumit. Solusi AI ini berpotensi membantu kami memproduksi ... mesin kami lebih efisien dari sebelumnya,” kata Andy Benko, direktur kualitas di unit konstruksi &kehutanan Deere.