John Deere bruger Intels kunstige intelligens-teknologi til at løse et gammelt, dyrt problem i fremstillings- og svejseprocessen.
Deere afprøver en løsning, der bruger computervision til automatisk at finde almindelige fejl i den automatiserede svejseproces i sine produktionsfaciliteter.
Andy Benko, kvalitetsdirektør for John Deeres afdeling for byggeri og skovbrug, udtalte: "Svejsning er en kompleks proces. Denne kunstige intelligens-løsning har potentialet til at hjælpe os med at producere maskiner af høj kvalitet mere effektivt end før."
"Introduktionen af nye teknologier i produktionen åbner op for nye muligheder og ændrer vores opfattelse af processer, som ikke har ændret sig i mange år."
På 52 fabrikker verden over bruger John Deere gasmetalbuesvejsning (GMAW) til at svejse lavkulstofstål til højstyrkestål for at fremstille maskiner og produkter. På disse fabrikker forbruger hundredvis af robotarme millioner af pund svejsetråd hvert år.
Med så stor en mængde svejsning har Deere erfaring med at finde løsninger på svejseproblemer og leder altid efter nye måder at håndtere potentielle problemer på.
En af de almindelige svejseudfordringer i branchen er porøsitet, hvor hulrum i svejsemetallet skyldes luftbobler, der fanges, når svejsningen afkøles. Hulrummet svækker svejsestyrken.
Traditionelt set er GMAW-defektdetektering en manuel proces, der kræver højt kvalificerede teknikere. Tidligere var forsøg fra hele industrien på at håndtere svejseporøsitet under svejseprocessen ikke altid vellykkede.
Hvis disse defekter findes i de senere stadier af fremstillingsprocessen, skal hele samlingen omarbejdes eller endda skrottes, hvilket kan være destruktivt og dyrt for producenten.
Muligheden for at samarbejde med Intel om at bruge kunstig intelligens til at løse problemet med svejseporøsitet er en mulighed for at kombinere John Deeres to kerneværdier - innovation og kvalitet.
"Vi ønsker at fremme teknologi for at gøre John Deeres svejsekvalitet bedre end nogensinde. Dette er vores løfte til vores kunder og deres forventninger til John Deere," sagde Benko.
Intel og Deere kombinerede deres ekspertise for at udvikle et integreret end-to-end hardware- og softwaresystem, der kan generere realtidsindsigt i udkanten af forsyningskæden, som overgår den menneskelige opfattelsesevne.
Når man bruger en neural netværksbaseret ræsonnementsmotor, registrerer løsningen defekter i realtid og stopper automatisk svejseprocessen. Automatiseringssystemet gør det muligt for Deere at rette problemer i realtid og producere de kvalitetsprodukter, som Deere er kendt for.
Christine Boles, vicepræsident for Intels Internet of Things Group og administrerende direktør for Industrial Solutions Group, udtalte: "Deere bruger kunstig intelligens og maskinsyn til at løse almindelige udfordringer inden for robotsvejsning."
"Ved at udnytte Intel-teknologi og smart infrastruktur på fabrikken er Deere godt positioneret til at drage fordel af ikke blot denne svejseløsning, men også andre løsninger, der måtte opstå som en del af den bredere Industri 4.0-transformation."
Løsningen til defektdetektering med kunstig intelligens i edge understøttes af Intel Core i7-processoren og bruger Intel Movidius VPU og Intel OpenVINO toolkit-distributionsversionen. Den implementeres via den industrielle ADLINK-maskinvisionsplatform og MeltTools-svejsekameraet.
Indsendt som følger: fremstilling, nyheder tagget med: kunstig intelligens, deere, intel, john, fremstilling, proces, kvalitet, løsninger, teknologi, svejsning, svejsning
Robotics and Automation News blev etableret i maj 2015 og er nu en af de mest læste hjemmesider i denne kategori.
Overvej venligst at støtte os ved at blive betalende abonnent, gennem annoncering og sponsorering, eller ved at købe produkter og tjenester gennem vores butik, eller en kombination af alle ovenstående.
Hjemmesiden og de tilhørende magasiner og ugentlige nyhedsbreve produceres af et lille team af erfarne journalister og mediefolk.
Hvis du har forslag eller kommentarer, er du velkommen til at kontakte os via en hvilken som helst e-mailadresse på vores kontaktside.
Cookie-indstillingerne på denne hjemmeside er indstillet til "Tillad cookies" for at give dig den bedst mulige browseroplevelse. Hvis du fortsætter med at bruge denne hjemmeside uden at ændre cookie-indstillingerne, eller klikker på "Accepter" nedenfor, accepterer du.
Opslagstidspunkt: 28. maj 2021
