META-aiviEstudio de casos
Detección de defectos de cordón de soldadura mediante AR + AI
Cliente
El cliente es un fabricante de automóviles con sede en Asia.
Caso
Desafíos en el examen de la calidad de la soldadura
Los automóviles tienen múltiples superficies y características complejas, lo que lleva a variaciones en las ubicaciones y técnicas de soldadura. El examen de la calidad de la soldadura automotriz requiere una inspección desde múltiples ángulos debido a la forma irregular del chasis y los paneles de la carrocería del vehículo. La automatización de este proceso es desafiante y costosa, lo que lleva a depender de la inspección manual. Sin embargo, si el personal es descuidado en su inspección, pueden entrar en el mercado productos defectuosos, lo que supone un riesgo para la seguridad de la conducción.
Desafiar
Limitaciones de la inspección manual de defectos irregulares en la soldadura automotriz
La inspección manual de la calidad de la soldadura automotriz puede hacer que se pasen por alto defectos irregulares. A pesar de las técnicas de soldadura avanzadas, garantizar una soldadura impecable sigue siendo un desafío. Los marcos tienen múltiples puntos de inspección y características multifacéticas, lo que hace que la inspección manual sea la dependencia actual, pero la calidad inconsistente es una preocupación.
Solución
Mejora de la precisión de la inspección manual con META-aivi
Al utilizar la función de detección de defectos de META-aivi, los modelos de IA se pueden entrenar y cargar en el sistema para puntos de soldadura calificados. Esto permite la inspección con IA de secciones soldadas utilizando gafas de realidad aumentada o una tableta para reconocer rápidamente las soldaduras defectuosas. La retroalimentación de realidad aumentada se proporciona en tiempo real, lo que permite al personal corregir errores a través de instrucciones en pantalla, lo que garantiza la calidad de la soldadura. META-aivi también puede distinguir entre tipos de defectos como soldadura incompleta, agujeros de arena, carbonización y salpicaduras. Por ejemplo, si los defectos de los agujeros de arena se detectan continuamente, sugiere la necesidad de reemplazar los alambres de soldadura, mientras que los casos de soldadura incompletos frecuentes pueden requerir la inspección de la boquilla. Los datos acumulados se pueden utilizar para el análisis y el mantenimiento posteriores de big data. Además, se pueden generar historiales de inspección de productos, digitalizando eficazmente el proceso de inspección.
Resultados de la inspección META-aivi
Durante la inspección con IA, META-aivi detecta cualquier defecto de soldadura
