John Deere bruker Intels kunstige intelligens-teknologi for å løse et gammelt kostbart problem i produksjons- og sveiseprosessen.
Deere tester ut en løsning som bruker datasyn til automatisk å finne vanlige feil i den automatiserte sveiseprosessen i produksjonsanleggene sine.
Andy Benko, kvalitetsdirektør i John Deeres avdeling for bygg og skogbruk, sa: «Sveising er en kompleks prosess. Denne kunstig intelligens-løsningen har potensial til å hjelpe oss med å produsere maskiner av høy kvalitet mer effektivt enn før.»
«Å introdusere ny teknologi i produksjonen åpner for nye muligheter og endrer vår oppfatning av prosesser som ikke har endret seg på mange år.»
I 52 fabrikker rundt om i verden bruker John Deere gassmetallbuesveising (GMAW)-prosessen for å sveise lavkarbonstål til høyfast stål for å produsere maskiner og produkter. I disse fabrikkene forbruker hundrevis av robotarmer millioner av kilo med sveisetråd hvert år.
Med en så stor mengde sveising har Deere erfaring med å finne løsninger på sveiseproblemer og er alltid på utkikk etter nye måter å håndtere potensielle problemer på.
En av sveiseutfordringene som ofte oppleves i bransjen er porøsitet, der hulrom i sveisemetallet forårsakes av luftbobler som fanges opp når sveisen avkjøles. Hulrommet svekker sveisestyrken.
Tradisjonelt sett er GMAW-defektdeteksjon en manuell prosess som krever svært dyktige teknikere. Tidligere var ikke hele industriens forsøk på å håndtere sveiseporøsitet under sveiseprosessen alltid vellykkede.
Hvis disse feilene oppdages i senere stadier av produksjonsprosessen, må hele enheten omarbeides eller til og med skrotes, noe som kan være ødeleggende og kostbart for produsenten.
Muligheten til å samarbeide med Intel for å bruke kunstig intelligens til å løse problemet med sveiseporøsitet er en mulighet til å kombinere John Deeres to kjerneverdier – innovasjon og kvalitet.
«Vi ønsker å fremme teknologi for å gjøre John Deeres sveisekvalitet bedre enn noensinne. Dette er vårt løfte til kundene våre og deres forventninger til John Deere», sa Benko.
Intel og Deere kombinerte sin ekspertise for å utvikle et integrert maskinvare- og programvaresystem som kan generere sanntidsinnsikt i utkanten av forsyningskjeden, noe som overgår menneskelig oppfatning.
Når man bruker en resonneringsmotor basert på nevrale nettverk, vil løsningen registrere feil i sanntid og automatisk stoppe sveiseprosessen. Automatiseringssystemet lar Deere korrigere problemer i sanntid og produsere kvalitetsproduktene som Deere er kjent for.
Christine Boles, visepresident i Intels Internet of Things Group og daglig leder i Industrial Solutions Group, sa: «Deere bruker kunstig intelligens og maskinsyn for å løse vanlige utfordringer innen robotsveising.»
«Ved å utnytte Intel-teknologi og smart infrastruktur i fabrikken er Deere godt posisjonert til å dra nytte av ikke bare denne sveiseløsningen, men også andre løsninger som kan dukke opp som en del av den bredere Industri 4.0-transformasjonen.»
Løsningen for feildeteksjon basert på kunstig intelligens i kanten støttes av Intel Core i7-prosessoren, bruker Intel Movidius VPU og distribusjonsversjonen av Intel OpenVINO-verktøysettet, og implementeres gjennom den industrielle maskinsynsplattformen ADLINK og sveisekameraet MeltTools.
Innsendt som følger: produksjon, nyheter merket med: kunstig intelligens, deere, intel, john, produksjon, prosess, kvalitet, løsninger, teknologi, sveising, sveising
Robotics and Automation News ble etablert i mai 2015 og er nå et av de mest leste nettstedene i denne kategorien.
Vurder å støtte oss ved å bli en betalende abonnent, gjennom annonsering og sponsing, eller ved å kjøpe produkter og tjenester gjennom butikken vår, eller en kombinasjon av alt det ovennevnte.
Nettstedet og tilhørende magasiner og ukentlige nyhetsbrev produseres av et lite team av erfarne journalister og mediefolk.
Hvis du har noen forslag eller kommentarer, kan du gjerne kontakte oss via en hvilken som helst e-postadresse på kontaktsiden vår.
Informasjonskapselinnstillingene på dette nettstedet er satt til «Tillat informasjonskapsler» for å gi deg den beste nettleseropplevelsen. Hvis du fortsetter å bruke dette nettstedet uten å endre informasjonskapselinnstillingene, eller klikker på «Godta» nedenfor, godtar du.
Publisert: 28. mai 2021
