John Deere Mengadopsi AI untuk Mengatasi Tantangan Porositas Pengelasan
Pengelasan adalah bagian integral dari industri manufaktur peralatan berat, dan salah satu tantangan yang dihadapi teknisi selama pengelasan adalah porositas—kehadirani rongga dalam logam las.
Rongga ini melemahkan kekuatan las dan memerlukan rework atau bahkan pembuangan bagian cacat seluruhnya.
Ini dapat menjadi mahal dan memakan waktu. Meskipun insinyur las yang terlatih dapat mendeteksi porositas dengan pemeriksaan auditori dan visual, insinyur semacam itu sulit ditemukan. Mereka juga mungkin mengalami kesulitan untuk mendengar atau melihat cacat di pabrik yang berisik dan berasap.
Sistem pemantauan otomatis yang ada sering mengalami tingkat false positive yang tinggi, memperlambat produksi dan menambah biaya.
John Deere, yang membuat mesin pertanian, konstruksi, dan kehutanan, bekerjasama dengan Intel untuk membangun solusi berbasis kecerdasan buatan (AI) untuk masalah ini.
Solusi visi mesin telah lama sulit dibuat untuk aplikasi pengelasan karena lingkungan yang sangat keras dengan asap dan percikan yang dapat menyebabkan kesulitan dalam penempatan kamera.
Untuk mengatasi tantangan ini, kami bekerja sama dengan John Deere dan mitra kami untuk menciptakan solusi AI dengan kamera yang ditempatkan dekat las, memberikan wawasan di luar kemampuan mata manusia.
Memanfaatkan toolkit Intel OpenVINO (Visual Inference and Neural Network Optimization), solusi ini memeriksa video streaming frame per frame, mencari cacat.
Ketika cacat teridentifikasi oleh model AI, solusi segera mematikan robot las sehingga teknisi dapat dengan aman campur tangan. Upaya sebelumnya di seluruh industri untuk menangani masalah porositas las selama proses pengelasan tidak selalu berhasil. Jika cacat ini ditemukan lebih nol dalam proses manufaktur, mereka memerlukan rework atau bahkan pembuangan rangkaian lengkap, yang dapat mengganggu dan mahal.
Berdasarkan pilot kami dengan Deere, solusi dapat mendeteksi cacat porositas dengan akurasi hingga 97,14 persen—hemat biaya dan produktivitas yang besar bagi produsen. Solusi standalone ini tidak bergantung pada supply daya pihak ketiga atau model robot las, membuatnya benar-benar dapat diskalakan.
Sistem terpadu ujung-ke-ujung juga memungkinkan produsen untuk menghubungkan peralatan pengelasan baru dan yang ada, menangkap banyak aliran data citra yang intensif komputasi, dan menerapkan model machine learning ke perangkat edge.
Tantangan kualitas las tentunya tidak unik bagi John Deere. Yang unik adalah pendekatan Deere. Insinyur di perusahaan sedang mengadopsi AI dan visi mesin untuk mengotomatisasi inspeksi kualitas, memungkinkan mereka untuk mendeteksi masalah saat terjadi untuk mendorong pengambilan keputusan cepat di lantai pabrik, mengotomatisasi proses QA untuk meningkatkan kualitas, mengurangi biaya, dan meningkatkan throughput pabrik.
Saat bekerja dengan Deere, fokus kami adalah untuk memastikan keawetan solusi untuk mendukung kebutuhan kualitas atau efisiensi lain yang mungkin dimiliki perusahaan di masa depan.
Ini adalah pengambil utama bagi perusahaan yang ingin menambahkan kecerdasan ke peralatan manufaktur, proses, dan manajemen yang ada. Penting untuk bekerjasama dengan penyedia solusi yang dapat membantu mengatasi tantangan hari ini sambil memastikan interoperabilitas dan skalabilitas untuk fleksibilitas dan kemudahan penggunaan di masa depan.
"Pengelasan rumit. Solusi AI ini memiliki potensi untuk membantu kami memproduksi mesin kami lebih efisien dari sebelumnya," kata Andy Benko, direktur kualitas di unit konstruksi dan kehutanan Deere.
