Przemysłowa tomografia komputerowa ZEISS pokazująca wady wewnętrzne w odlewanym elemencie metalowym z porowatością oznaczoną kolorami.
Sztuczna inteligencja w technologii rentgenowskiej

ZADD Segmentation

Inspekcja wad oparta na AI w tomografii komputerowej

Aplikacja ZADD Segmentation przekształca analizę danych wolumetrycznych 3D w zautomatyzowaną inspekcję opartą na sztucznej inteligencji. Aplikacja ZADD – skrót od ZEISS Automated Defect Detection – umożliwia wykrywanie małych i niewyraźnych wad komponentów bezpiecznie, szybko i automatycznie nawet przy niskiej jakości obrazu. Wady i nieprawidłowości są wykrywane, segmentowane i oceniane za pomocą algorytmów sztucznej inteligencji. Bezproblemowo zintegrowane z przepływem pracy oprogramowanie ZEISS INSPECT X-Ray wykorzystuje wstępnie wyszkolone lub dostosowane modele AI – dla maksymalnej wydajności, niezawodności i skalowalnych rozwiązań.

Płynna integracja sztucznej inteligencji z procesami jakości

Adaptowalne rozwiązania do różnorodnych zastosowań przemysłowych
Inżynierowie przeglądający dane pomiarowe 3D CT na przemysłowym tomografie komputerowym ZEISS METROTOM w kontroli jakości.

Solidne rozwiązania nawet dla wymagających zadań inspekcji

Aby możliwe było ciągłe monitorowanie procesu i sortowanie wadliwych komponentów w łańcuchu wartości na wczesnym etapie, dane 3D muszą być oceniane niezawodnie i szybko. Jednak na dane CT często wpływają szumy i artefakty, co utrudnia niezawodne wykrywanie wad. Tradycyjne oprogramowanie osiąga tutaj swoje granice. ZADD Segmentation oferuje rozwiązanie: Bezproblemowo zintegrowana z przepływem pracy aplikacja dzięki oprogramowaniu ZEISS INSPECT X-Ray wykrywa wady na poziomie zbliżonym do ludzkiego i rozwiązuje wcześniej nierozwiązywalne zadania. Rozwijaj swoje rozwiązania szybko i niezawodnie – bez specjalistycznej wiedzy z zakresu sztucznej inteligencji. Wstępnie wytrenowane lub dostosowane modele sztucznej inteligencji sprawiają, że jest ona dostępna i wydajna. Doświadcz precyzji i szybkości w połączeniu jak nigdy dotąd.

Trójwymiarowe wizualizacje przedstawiające wady wewnętrzne i cząstki objętościowe w komponentach analizowanych za pomocą ZADD Segmentation.

Wszechstronne zastosowania dla różnych wymagań branżowych

ZADD Segmentation wspiera wymagające standardy jakości, na przykład w przemyśle motoryzacyjnym, elektronicznym i medycznym. Ukryte wady, które stanowią zagrożenie dla stabilności i funkcjonalności komponentów, są wcześnie wykrywane za pomocą przemysłowej tomografii komputerowej i sztucznej inteligencji. Automatyczne wykrywanie wad za pomocą ZADD Segmentation jest szybkie i niezawodne, nawet w przypadku słabej jakości obrazu z artefaktami. Ponadto zautomatyzowana kontrola objętości umożliwia precyzyjny pomiar poziomu napełnienia, np. proszku w inhalatorach. Może być również używany do kontroli złożonych zespołów pod kątem kompletności lub do analizy połączeń lutowanych w komponentach elektronicznych w celu wykrycia wtrąceń gazu lub innych wad.

Jak działa ZADD Segmentation

Prawidłowa czy nieprawidłowa część? ZEISS Automated Defect Detection (ZADD) wspiera podejmowanie tej decyzji z użyciem sztucznej inteligencji. Uzupełnij proces oceny danych aplikacją ZADD Segmentation w ZEISS INSPECT X-Ray. Obejrzyj ten film, aby zobaczyć działanie na przykładzie części odlewanej.
  • Prosimy zwrócić uwagę, że aktualną nazwą pokazanego oprogramowania jest ZEISS INSPECT X-Ray

Zwiększenie wydajności dzięki sztucznej inteligencji

Trzy przykłady tego, jak sztuczna inteligencja przyspiesza inspekcje
Obraz stopera

Od 8 do ~2 godzin

W niektórych przypadkach proces kontroli spawów spinek uzwojenia stojana można skrócić o jedną czwartą – z około 8 godzin do mniej niż 2 godzin – poprzez przejście z procesu ręcznego z wykorzystaniem mikroskopii na kontrolę wspomaganą sztuczną inteligencją z wykorzystaniem tomografii komputerowej. Nieniszczący proces jest stabilny i niemal osiąga prędkość samego procesu produkcyjnego.

Obraz stopera

~10 razy szybciej

Kontrola implantów medycznych może być około dziesięciokrotnie szybsza dzięki przejściu z tradycyjnych metod na zautomatyzowaną analizę obrazu wspieraną przez sztuczną inteligencję. Przykładowo, ZADD Segmentation może wykryć ponad 900 małych wad w komponencie w ciągu pięciu minut w niektórych przypadkach użycia – a przy zoptymalizowanej konfiguracji nawet w mniej niż minutę.

Obraz stopera

Skrócenie czasu cyklu o ~75%

Czas cyklu kontroli odlewów można skrócić nawet o 75% w określonych przypadkach użycia, gdy wykorzystuje się wstępnie wytrenowany model AI, w porównaniu z ręczną analizą wykonywaną przez człowieka.

Szybki i łatwy start dzięki wstępnie wytrenowanym modelom AI dla szerokiego zakresu zastosowań

ZADD Segmentation oferuje wstępnie wytrenowane modele AI, które zapewniają imponujące wyniki w różnych obszarach zastosowań.
Wizualizacja 3D CT wad wewnętrznych i porowatości w części odlewniczej analizowana za pomocą wstępnie wytrenowanego modelu AI firmy ZEISS.

Inspekcja odlewów

Model odlewu automatycznie wykrywa porowatości i wady wewnętrzne spowodowane np. ubytkami. Zapewnia wysoką jakość wyników i może być dostosowany do podobnych materiałów.

Obraz CT w 3D stojana pojazdu elektrycznego pokazujący porowatości w głowicach spawalniczych w kolorze czerwonym, przeanalizowany za pomocą wstępnie wytrenowanego modelu AI firmy ZEISS.

Inspekcja spinek uzwojenia w statorach

Model spinki uzwojenia wykrywa zamknięte porowatości w głowicach spawalniczych stojanów silników elektrycznych i może być elastycznie stosowany do różnych rozmiarów stojanów – nie wymaga wcześniejszego bazowania ani precyzyjnego odwzorowania siatki.

Obraz przemysłowej tomografii komputerowej inhalatora medycznego z poziomami proszku w blistrach analizowany za pomocą wstępnie wytrenowanego modelu AI firmy ZEISS.

Pomiar poziomu napełnienia

Ten model AI wykrywa różne objętości w komponentach, takie jak poziomy proszku w blistrach do inhalatorów, i umożliwia nieniszczącą kontrolę poziomu napełnienia.

Abstrakcyjna ikona geometryczna z ośmiokątnym wzorem sieci reprezentującym modele AI ZEISS, które można trenować do określonych zastosowań.

Twoje zastosowania

Wstępnie wytrenowane modele AI są stale rozwijane i rozszerzane. Aby stworzyć modele AI dostosowane do indywidualnych potrzeb, wystarczy zarezerwować naszą usługę trenowania modeli AI.

Przegląd korzyści ZADD Segmentation

  • Najwyższa dokładność i wydajność

    Niezawodne wykrywanie niemal wszystkich istotnych wad, nawet w przypadku wymagających specyfikacjach defektów. Doskonała wydajność w zadaniach kontrolnych na hali produkcyjnej.

  • Szybkość dzięki automatyzacji

    Wysokowydajna inspekcja oparta na sztucznej inteligencji automatyzuje powtarzalne zadania, zmniejsza zapotrzebowanie na pracę ręczną i personel oraz umożliwia inspekcje inline.

  • Niezawodność i silny partner

    Nasze sprawdzone rozwiązania i wieloletnie doświadczenie zapewniają stabilność procesu w wymagających warunkach – są już z powodzeniem stosowane przez klientów przemysłowych.

  • Kompleksowa integracja

    ZADD Segmentation płynnie integruje się z przepływami pracy i oferuje kompleksowy proces – wszystko od jednego dostawcy.

  • Elastyczność – nie jest wymagana specjalistyczna wiedza z zakresu sztucznej inteligencji

    Wybór należy do Ciebie: niezależnie od tego, czy zdecydujesz się na wstępnie wytrenowany model sztucznej inteligencji, czy na niestandardowe rozwiązanie dostosowane przez naszą usługę, nie potrzebujesz żadnej wiedzy specjalistycznej w zakresie sztucznej inteligencji.

  • Łatwa współpraca

    Skutecznie przygotuj dane treningowe dla modeli AI i korzystaj z kompleksowego wsparcia naszej usługi trenowania modeli sztucznej inteligencji.

Przepływ pracy

  • Obraz przedstawiający ZEISS VoluMax

    Akwizycja danych

    Wykorzystaj system z naszego portfolio urządzeń rentgenowskich do akwizycji danych, np. ZEISS VoluMax 9 titan o dużej mocy lub wysoce precyzyjny tomograf komputerowy z serii ZEISS METROTOM 

     

  • Wizualizacja 3D CT wad wewnętrznych i porowatości w części odlewniczej analizowana za pomocą wstępnie wytrenowanego modelu AI firmy ZEISS.

    Segmentacja

    • Znajdź wadliwe obszary w pozyskanych danych używając głębokiego uczenia maszynowego z aplikacją ZADD Segmentation​
    • Sprawdza się szczególnie dobrze podczas analizy wad z nieoptymalnymi danymi wolumetrycznymi (np. z powodu szumów, niskiej rozdzielczości czy artefaktów).
    • Uczenie się na przykładach, bez konieczności skomplikowanego dostosowywania parametrów
    • Wykorzystanie pre-trenowanych modeli ML do szybkiego rozpoczęcia pracy​
    • Tworzenie regionów zainteresowania (ROI) dla zoptymalizowanych czasowo ocen
  • Analiza porowatości 3D CT odlewanej obudowy w ZEISS INSPECT X-Ray, podkreślająca wady wewnętrzne i geometrię.

    Ocena

    • Wizualizuj swoje dane za pomocą potężnych narzędzi w 3D i 2D​
    • Określ metryki wykrytych wad, takie jak średnica, objętość lub kulistość​
    • Twórz filtry, aby wybierać wady o właściwości powyżej lub poniżej określonego progu
    • Stosuj złożone oceny, takie jak P202, P203, porowatość lub odległość od powierzchni
  • Ilustracyjna strona raportu pomiarowego w trybie ciemnym przedstawiająca funkcje oceny i statystyki z ZEISS PiWeb Reporting Plus.

    Raportowanie i statystyki

    • Ocena w formie przejrzystych raportów pomiarowych​
    • Łatwe udostępnianie raportów pomiarowych w formacie PDF​
    • Archiwizacja danych umożliwia długoterminowe śledzenie wad​
    • Rozszerzone możliwości oceny i funkcje statystyczne dzięki ZEISS PiWeb Reporting Plus
    • Statystyczna kontrola procesu umożliwia rozpoznawanie korelacji procesów i optymalizację

Często zadawane pytania

  • Aby korzystać z aplikacji ZADD Segmentation, potrzebna jest licencja ZEISS INSPECT X-Ray Pro z aplikacją Advanced X-Ray Defect Detection.

  • Jasne! Dostępna jest 30-dniowa bezpłatna wersja próbna. Wystarczy pobrać wersję próbną tutaj.

  • Sztuczna inteligencja oferuje elastyczność i zdolność adaptacji, unikając przeuczenia typowego dla tradycyjnych rozwiązań. Nieustannie ulepsza i dostosowuje się do nowych wyzwań, zapewniając długoterminową efektywność i wydajność.

  • Tak, sztuczna inteligencja może być stosowana w obszarach regulowanych. Modele są optymalizowane, poddawane procedurom zatwierdzenia regulacyjnego, a następnie „zamrażane” do użycia. Zachowanie modelu jest w pełni identyfikowalne, co zapewnia spójne wyniki przy zastosowaniu tego samego modelu do identycznych zbiorów danych.