John Deere bruker Intels teknologi for kunstig intelligens for å hjelpe til med å løse et gammelt kostbart problem i produksjons- og sveiseprosessen.
Deere prøver ut en løsning som bruker datasyn for automatisk å finne vanlige feil i den automatiserte sveiseprosessen i sine produksjonsanlegg.
Andy Benko, kvalitetsdirektør for John Deere Construction and Forestry Department, sa: «Sveising er en kompleks prosess.Denne kunstige intelligensløsningen har potensial til å hjelpe oss med å produsere høykvalitetsmaskiner 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 gassmetallbuesveisingsprosessen (GMAW) for å sveise lavkarbonstål til høyfast stål for å produsere maskiner og produkter.I disse fabrikkene bruker hundrevis av robotarmer millioner av pund sveisetråd hvert år.
Med en så stor mengde sveising har Deere erfaring med å finne løsninger på sveiseproblemer og leter alltid etter nye måter å håndtere potensielle problemer på.
En av sveiseutfordringene som vanligvis oppleves i industrien er porøsitet, der hulrom i sveisemetallet er forårsaket av luftbobler som fanges mens sveisen avkjøles.Hulrommet svekker sveisestyrken.
Tradisjonelt er GMAW-defektdeteksjon en manuell prosess som krever svært dyktige teknikere.Tidligere var forsøk fra hele industrien på å håndtere sveiseporøsitet under sveiseprosessen ikke alltid vellykket.
Hvis disse feilene blir funnet i de senere stadiene av produksjonsprosessen, må hele enheten omarbeides eller til og med kasseres, noe som kan være ødeleggende og kostbart for produsenten.
Muligheten til å samarbeide med Intel for å bruke kunstig intelligens for å løse problemet med sveiseporøsitet er en mulighet til å kombinere John Deere sine to kjerneverdier-innovasjon og kvalitet.
«Vi ønsker å fremme teknologi for å gjøre John Deeres sveisekvalitet bedre enn noen gang.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 ende-til-ende maskinvare- og programvaresystem som kan generere sanntidsinnsikt på kanten, som overgår nivået av menneskelig oppfatning.
Når du bruker en nevrale nettverksbasert resonneringsmotor, vil løsningen registrere defekter i sanntid og automatisk stoppe sveiseprosessen.Automatiseringssystemet lar Deere rette opp problemer i sanntid og produsere kvalitetsproduktene som Deere er kjent for.
Christine Boles, visepresident for Intels Internet of Things Group og daglig leder for 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 Industry 4.0-transformasjonen."
Edge kunstig intelligens-defektdeteksjonsløsningen støttes av Intel Core i7-prosessoren, og bruker Intel Movidius VPU og Intel OpenVINO verktøysett-distribusjonsversjonen, og er implementert gjennom ADLINK maskinsynsplattformen av industriell kvalitet og MeltTools sveisekamera.
Sendt inn som følger: produksjon, nyheter tagget 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 en av de mest leste nettsidene i denne kategorien.
Vurder å støtte oss ved å bli en betalt abonnent, gjennom annonsering og sponsing, eller kjøpe produkter og tjenester gjennom butikken vår, eller en kombinasjon av alle de ovennevnte.
Nettstedet og dets relaterte magasiner og ukentlige nyhetsbrev er produsert av et lite team av erfarne journalister og mediefolk.
Hvis du har forslag eller kommentarer, kan du gjerne kontakte oss via en hvilken som helst e-postadresse på kontaktsiden vår.
Informasjonskapselinnstillingene på denne nettsiden er satt til "Tillat informasjonskapsler" for å gi deg den beste nettleseropplevelsen.Hvis du fortsetter å bruke denne nettsiden uten å endre innstillingene for informasjonskapsler, eller klikker "Godta" nedenfor, godtar du.
Innleggstid: 28. mai 2021
