解决方案
针对不同场景痛点,提供成熟完善的数字化应用产品
国内最大的汽车制动盘生产企业,中国制动盘行业的领军企业,制动盘年产量达5500万片,出口量位列全球第二、亚洲第一。
工序繁琐:原刹车盘分拣过程需铸造钢印、翻面、识别、钢印擦除,工序较多,存在优化空间
刀具损耗: 擦除钢印损耗精密刀具,增大企业成本并影响良品率
人工干预:刹车盘识别过程需要人工干预,保证钢印面向上进而进行识别
深度学习:基于深度学习,实现基于图像分析的刹车盘自动化、智能化分拣
边缘计算:基于鲲鹏架构的边缘计算推理服务器,实现识别结果的毫秒级输出
自行迭代:基于ModelArts Pro工作流,支持用户自行训练模型以应对新增型号或者厂区环境变化
减少产线铸造、翻面、打磨等工序,产线整体效率提升10%以上
优化产线工序并减少人工需求,项目整体节省成本300万元
算法模型高度智能,能针对新增型号自主训练、学习
车架号及车身喷涂:车身车架号识别并实现数据归档,检测车身核载人数及重量说明的有无错漏;
焊点螺柱检测:不规则展示繁琐难检的焊点螺柱识别;
数据统计:传统检测手段通过人工报表汇总,信息化水平低且无存档,无法进行数据重复使用
检测反馈:传统反馈手段存在反馈不及时,信息传达不到位等问题,影响故障排查精准性。
深度学习:基于深度学习视觉检测算法,实现智能化产品质检;
边缘计算: 基于边缘计算推理服务器实现识别结果毫秒级输出;
降本增效: 通过视觉检测的手段,提高产品质量,替代人工,实现降本增效的企业目标;
数据库建设: 云端数据沉淀,秒搜秒查秒调用,追溯查询便利。
部件装配:目前在实际生产过程中,各个环节的装配检查都有工人进行负责,环节多耗时时间长,长时间的装配和检查又容易产生疲劳,会出现装配错误和漏检等情况
产品检测:该工序为人工检测。人工检测是产品缺陷的传统检测方法,该方法准确性不高、效率低、劳动强度大、受人工经验和主观因素的影响大,因此存在漏检可能性,影响产品质检的可靠性,检测情况也无法进行产品追溯,给企业和客户带来不必要的损失
深度学习: 通过此项目的建设,借助人工智能领域领先的机器视觉算法,用人工智能AI去识别各零部件的加工缺陷,减少了人工质检环节,提高不合格产品一次检出率。
边缘计算: 基于鲲鹏架构的边缘计算推理服务器,实现识别结果的毫秒级输出
自行迭代:;基于ModelArts Pro工作流,支持用户自行训练模型以应对新增型号或者厂区环境变化
数据统计:通过视觉工业相机抓取制动器表面二维码,因二维码内字符串为制动器唯一标识,故提取设备编码的同时,将产品编码与图片绑定后进行储存,可实现产品准确追溯。
运用AI视觉检测手段,节约了缺陷定位时间,提升了生产效率
提供实时检测刹车盘缺陷检测,取代传统人力检测。
通过AI视觉检测手段,减少了缺陷品流入下一工序的可能性,节约了生产成本