용접 다공성 문제를 해결하기 위해 AI로 전환한 Deere

용접은 중장비 제조 산업의 필수적인 부분이며, 용접 중에 기술자가 직면하는 문제 중 하나는 다공성(용접 금속에 구멍이 있음)입니다.

이러한 구멍은 용접 강도를 약화시키고 전체 결함 부품을 재작업하거나 폐기해야 합니다.

이는 비용과 시간이 많이 소요될 수 있습니다. 숙련된 용접 엔지니어는 청각 및 육안 검사로 다공성을 감지할 수 있지만 이러한 엔지니어는 찾기 어려울 수 있습니다. 그들은 또한 시끄럽고 연기가 자욱한 공장 설정에서 결함을 듣거나 보는 데 어려움을 겪을 수 있습니다.

기존의 자동화된 모니터링 시스템은 종종 오탐률이 높아 생산 속도가 느려지고 비용이 추가됩니다.

농업, 건설 및 임업 기계를 제조하는 John Deere는 Intel과 협력하여 이 문제에 대한 인공 지능(AI) 기반 솔루션을 구축했습니다.

머신 비전 솔루션은 카메라 배치에 어려움을 줄 수 있는 연기와 스파크가 있는 극도로 열악한 환경으로 인해 용접 애플리케이션을 위해 오랫동안 만들기 어려웠습니다.

이러한 문제를 극복하기 위해 우리는 John Deere 및 파트너와 협력하여 용접부의 가까운 범위에 카메라를 배치하여 인간의 눈으로 볼 수 없는 통찰력을 제공하는 AI 솔루션을 만들었습니다.

Intel OpenVINO(Visual Inference and Neural Network Optimization) 툴킷을 활용하여 이 솔루션은 프레임별로 스트리밍 비디오를 검사하여 결함을 찾습니다.

AI 모델에 의해 결함이 식별되면 솔루션은 즉시 용접 로봇의 전원을 차단하여 기술자가 안전하게 개입할 수 있도록 합니다. 용접 공정 중 용접 다공성 문제를 다루기 위한 산업 전반의 과거 시도가 항상 성공적인 것은 아닙니다. 이러한 결함이 제조 공정의 후반부에 발견되면 재작업이 필요하거나 전체 조립품을 폐기해야 하며, 이는 업무에 지장을 주고 비용이 많이 들 수 있습니다.

Deere의 파일럿을 기반으로 하는 이 솔루션은 최대 97.14%의 정확도로 다공성 결함을 감지할 수 있으며 이는 제조업체의 막대한 비용 및 생산성 절감 효과입니다. 독립형 솔루션은 타사 전원 공급 장치나 용접 로봇 모델에 의존하지 않으므로 진정한 확장성을 제공합니다.

또한 종단 간 통합 시스템을 통해 제조업체는 신규 및 기존 용접 장비를 연결하고, 여러 계산 집약적 이미지 데이터 스트림을 캡처하고, 기계 학습 모델을 에지 장치에 배포할 수 있습니다.

물론 용접 품질 문제는 John Deer에게만 있는 것은 아닙니다. 독특한 것은 Deer의 접근 방식입니다. 회사의 엔지니어는 AI 및 머신 비전에 의존하여 품질 검사를 자동화하고 문제가 발생하면 이를 감지하여 공장 현장에서 빠른 의사 결정을 내리고 QA 프로세스를 자동화하여 품질을 개선하고 비용을 절감하며 공장 처리량을 늘리고 있습니다.

Deere와 함께 일하는 동안 우리는 회사가 미래에 가질 수 있는 다른 품질 또는 효율성 요구 사항을 지원하기 위해 솔루션의 수명을 보장하는 데 중점을 두었습니다.

이는 기존 제조 장비, 프로세스 및 관리에 인텔리전스를 추가하려는 기업에게 중요한 시사점입니다. 미래를 위한 유연성과 사용 용이성을 위한 상호 운용성과 확장성을 보장하면서 오늘날의 문제를 해결하는 데 도움을 줄 수 있는 솔루션 제공업체와 파트너가 되는 것이 중요합니다.

“용접은 복잡합니다. 이 AI 솔루션은 기계를 이전보다 더 효율적으로 생산하는 데 도움이 될 가능성이 있습니다.”라고 Deere의 건설 및 임업 부서 품질 이사인 Andy Benko가 말했습니다.