Динамичное развитие сектора, рост стоимости материалов и нехватка специалистов по деревообработке на рынке труда — основные проблемы, с которыми сталкивается деревообрабатывающая промышленность.
Преимущество получают производители, которые лучше используют ИТ-инструменты, технологические инновации и понимают необходимость автоматизации, роботизации и оцифровки процессов.
Созданная система машинного зрения — это инновационная, многосенсорная оптическая система с передовой автоматизацией и программным обеспечением на основе нейронных сетей, адаптированная под корпоративные требования в области заводских ИТ-систем: обмен данными, управление авторизацией пользователей, отчетность.
Задача системы машинного зрения — полностью заменить ручную инспекцию продукции, повысив эффективность и масштабируемость контроля производственных процессов, способствуя решению проблем контроля качества древесины.
Система машинного зрения предназначена для контроля качества досок, ламелей, панелей и брусьев.
Это современная автоматизированная система машинного зрения на основе нейронных сетей для производителей и фабрик мебели и деревянных полов.
Благодаря использованию нейронных сетей машинного обучения система помогает автоматизировать процессы контроля качества древесины на производственных линиях от сырья до готовых досок.
Система основана на двух методах измерения:
- 3D-сканирование на основе метода лазерной триангуляции
- цветной сканер с использованием линейной камеры RGB.
Внедрение систем машинного зрения на основе ИИ для контроля качества деревянной мебели и напольных покрытий может способствовать повышению конкурентоспособности рынка за счет улучшения качества продукции, снижения затрат и повышения эффективности производства.
Типовые дефекты деревянной мебелии и деревянных деталей, которые может распознавать система машинного зрения:
- Растрескивание и расколы. Процесс высыхания древесины и потеря влажности могут вызвать трещины и расколы, что приводит к снижению прочности конструкции и эстетической ценности. Для предотвращения этого, содержание влаги в древесине должно находиться в пределах 7-14% (конкретные значения зависят от типа древесины и вида продукции). Фабрика обязана поддерживать контроль температуры и влажности на складах, а также контролировать уровень влаги в упаковке готовой продукции.
- Деформация. Перепады влажности или некорректный процесс сушки могут привести к деформации или скручиванию древесины. Это, в свою очередь, сказывается на качестве готовой продукции, делая её неровной или неустойчивой.
- Пятна и обесцвечивание. Появление пятен и обесцвечивания может быть вызвано воздействием солнечного света или загрязнениями на производственной линии.
- Узлы и пустоты. Наличие узлов и пустот в древесине является естественным явлением. Однако их расположение и степень могут считаться дефектом. Например, узлы и пустоты, расположенные на опорных частях мебели, могут ослабить её конструкцию и привести к преждевременному разрушению.
- Царапины и вмятины. Как и в случае с любой другой продукцией, царапины и вмятины являются распространённым дефектом. Их появление чаще всего связано с небрежностью персонала на линии производства или упаковки, а также с недостаточной защитой продукции во время транспортировки.
- Следы насекомых. Неправильное хранение древесины может привести к появлению насекомых, что ставит под угрозу структурную целостность мебели.
- Разводы. Визуально заметные следы растекания пластмассы в виде полос или пятен, возникающие из-за разной вязкости расплавленной формовочной смеси.
- Разница цвета различных частей мебели. Так как продукция изготавливается из натурального материала, а отдельные детали производятся в разное время, возможны ситуации, когда цвет деталей одной единицы мебели может отличаться. Для выявления этого дефекта необходимо проводить выборочную сборку готовой продукции при окончательной инспекции заказа.
- Неровная отделка или покрытие. Неравномерное нанесение отделки или покрытия может привести к дефектам внешнего вида.
Преимущества применения машинного зрения для контроля качества на производстве мебели из дерева
Использование систем машинного зрения может существенно повысить эффективность производства, сокращая расходы и увеличивая прибыль.
Ключевые преимущества:
- Повышение скорости и точности контроля: Системы машинного зрения обладают высокой скоростью обработки информации, что позволяет значительно ускорить процесс проверки качества по сравнению с ручными методами.
- Объективность и независимость: Автоматизированный анализ исключает субъективные факторы, присущие ручному контролю, обеспечивая объективность оценки.
- Непрерывность работы: Система функционирует круглосуточно без перерывов, гарантируя постоянный мониторинг качества продукции.
- Минимизация рисков ошибок: Автоматизация процессов контроля минимизирует вероятность человеческих ошибок, повышая точность и надежность оценки.
- Выявление скрытых дефектов: Системы машинного зрения способны обнаруживать даже незначительные дефекты, которые могут быть незаметны невооруженному глазу.
- Оптимизация ресурсного использования: Внедрение систем машинного зрения способствует сокращению затрат на оплату труда и простои оборудования, связанные с выявлением брака на поздних стадиях производства.
- Интеграция с существующими технологиями: Системы машинного зрения легко интегрируются в автоматизированные процессы и могут использоваться в комплексе с другими технологиями, такими как системы управления производством.
- Анализ данных для повышения эффективности: Собранные системой данные о качестве продукции могут быть использованы для дальнейшего анализа и оптимизации производственных процессов.
Сбор статистики
Система машинного зрения с функцией сбора и анализа статистических данных предоставляет оператору ценную информацию, отображаемую в реальном времени на мониторе. Это позволяет оперативно реагировать на изменения в производственном процессе, например, на превышение допустимого процента брака.
Собранные данные могут быть запрошены для последующего анализа и использования в системах управления предприятием. Это способствует оценке эффективности производства в целом и отдельных технологических процессов.
Собираемая информация включает:
- Средний и пиковый объем производства.
- Общее количество проверенных изделий.
- Общее количество изделий, соответствующих стандартам качества.
- Общее количество дефектных изделий.
- Количество дефектов каждого типа для каждого вида контролируемых изделий.
- Максимальное количество последовательно выявленных дефектных изделий.
