ZADD
ปัญญาประดิษฐ์ในเทคโนโลยี X-Ray

ZADD Segmentation

การตรวจสอบข้อบกพร่องโดยใช้ AI สำหรับการถ่ายภาพรังสีส่วนตัดโดยอาศัยคอมพิวเตอร์

แอป ZADD Segmentation ตรวจจับข้อบกพร่องขนาดเล็กและคลุมเครือในส่วนประกอบได้อย่างน่าเชื่อถือและรวดเร็วแม้ในคุณภาพของภาพที่ไม่ดี เพื่อจุดประสงค์นี้ ซอฟต์แวร์ที่ใช้การเรียนรู้ของเครื่องจะอาศัยปัญญาประดิษฐ์ ตรวจพบข้อบกพร่องและความผิดปกติ แล้วแบ่งกลุ่ม และประเมินผลโดยใช้ AI สำหรับการตรวจสอบข้อมูล CT ZADD จึงสนับสนุนการใช้งานด้านเอกซเรย์ของคุณในการพัฒนาส่วนประกอบ การเพิ่มประสิทธิภาพกระบวนการ และการวิเคราะห์ความผิดพลาด ZADD ย่อมาจากคำว่า ZEISS Automated Defect Detection ซึ่งเป็นแอปเสริมสำหรับซอฟต์แวร์การตรวจสอบ CT มาตรฐานของเรา นั่นคือ ZEISS INSPECT X-Ray

ภาพรวมข้อได้เปรียบสำหรับคุณจาก ZADD segmentation

  • ประหยัดเวลาด้วย AI

    ประหยัดเวลาด้วย AI

    • ลดความพยายามในการตรวจสอบ
    • การตรวจจับข้อผิดพลาดที่เชื่อถือได้และรวดเร็ว
  • ผลลัพธ์ที่มีคุณภาพและการรายงานที่ชัดเจน

    ผลลัพธ์ที่มีคุณภาพและการรายงานที่ชัดเจน

    • ผลลัพธ์ที่เชื่อถือได้ แม้ว่าคุณภาพของภาพจะไม่สมบูรณ์แบบ
    • เหมาะสำหรับวัสดุผสมและหนาแน่น
  • ประเมินข้อบกพร่องได้ง่าย

    ประเมินข้อบกพร่องได้ง่าย

    • การเพิ่มประสิทธิภาพการวิเคราะห์ข้อบกพร่องแบบกำหนดได้
    • การประเมินและการรับรู้ชิ้นส่วนที่เสียหายอย่างง่าย

ZEISS Automated Defect Detection

ซอฟต์แวร์ AI สำหรับด้านการใช้งานของคุณ
ภาพแสดงส่วนประกอบที่สามารถตรวจสอบข้อบกพร่องโดยใช้ปัญญาประดิษฐ์ใน CT

ตรวจจับข้อบกพร่องในส่วนประกอบได้อย่างน่าเชื่อถือ

ข้อบกพร่องต่าง ๆ สามารถเกิดขึ้นได้ในระหว่างกระบวนการผลิตส่วนประกอบที่มีความซับซ้อน โดยเฉพาะอย่างยิ่ง ข้อผิดพลาดภายในจะไม่สามารถมองเห็นได้ด้วยตาเปล่า และสามารถส่งผลกระทบที่สำคัญต่อความเสถียรและการทำงานของส่วนประกอบ ปัญญาประดิษฐ์ร่วมกับการถ่ายภาพรังสีส่วนตัดทางอุตสาหกรรมโดยอาศัยคอมพิวเตอร์ทำให้มองเห็นบริเวณที่เป็นปัญหาที่ซ่อนอยู่เหล่านี้ได้ตั้งแต่เนิ่น ๆ ซอฟต์แวร์ ZEISS Automated Defect Detection มีความเชี่ยวชาญในการตรวจจับข้อบกพร่องต่าง ๆ ดังนั้น แม้คุณภาพของภาพจะไม่ดีและมีอาร์ติแฟกต์จำนวนมาก ก็สามารถตรวจจับข้อบกพร่องได้อย่างรวดเร็วและเชื่อถือได้

ภาพแสดงประสิทธิภาพของการตรวจสอบแบบอินไลน์ที่เสร็จสิ้นในเวลาเพียง 60 วินาทีโดยใช้ AI ใน CT

ระบุและคัดแยกชิ้นงานที่เสียหายได้ตั้งแต่เนิ่น ๆ

เพื่อให้สามารถคัดแยกส่วนประกอบที่บกพร่องในห่วงโซ่คุณค่าได้ตั้งแต่เนิ่น ๆ ข้อมูล 3 มิติจะต้องได้รับการประเมินอย่างน่าเชื่อถือและรวดเร็ว ด้วย ZADD ส่วนประกอบที่มีข้อบกพร่องที่สำคัญจะสามารถรับรู้ได้โดยง่าย และสามารถคัดแยกได้อย่างถูกต้อง หรือถูกนำไปแก้ไขทำใหม่หากเป็นไปได้ ในทางกลับกัน ชิ้นส่วนที่ดีก็จะผ่านกระบวนการตัดเฉือนต่อไปโดยไม่มีอุปสรรค ผลลัพธ์ที่ได้คืออัตราการปฏิเสธที่ต่ำลง และส่วนประกอบที่มีคุณภาพสูง ด้วยวิธีนี้ คุณจะได้รับประสิทธิภาพที่เพิ่มขึ้นอย่างต่อเนื่อง และความน่าเชื่อถือของกระบวนการในระดับสูงสุดด้วย AI ใน CT

วิธีการทำงานของ ZADD Segmentation

ชิ้นส่วนที่ดีหรือชิ้นส่วนที่ไม่ดี ZEISS Automated Defect Detection (ZADD) ช่วยตัดสินใจโดยใช้ปัญญาประดิษฐ์ ทำการประเมินผลของคุณให้เสร็จสมบูรณ์ด้วยแอป ZADD Segmentation สำหรับ ZEISS INSPECT X-Ray ดูวิดีโอนี้เพื่อดูว่าทำงานอย่างไร
  • โปรดทราบว่าขณะนี้ซอฟต์แวร์ของเราเรียกว่า ZEISS INSPECT X-Ray

เวิร์กโฟลว์

  • รูปภาพของ ZEISS VoluMax

    การได้รับข้อมูล

    • ใช้กลุ่มผลิตภัณฑ์ CT ของเราเพื่อรับข้อมูล เช่น ZEISS VoluMax 9 titan ที่มีกำลังสูง หรือชุด ZEISS METROTOM ที่มีความแม่นยำสูงสำหรับการวัดด้วยการถ่ายภาพรังสีส่วนตัดโดยอาศัยคอมพิวเตอร์ที่ทันสมัย 
    • หรือนำเข้าข้อมูลที่ได้มาจากระบบ CT อื่นเข้าสู่ ZEISS INSPECT X-Ray เพื่อประเมินผล
  • ภาพแสดงการแบ่งส่วน

    การแบ่งส่วน

    • ค้นหาบริเวณที่มีข้อบกพร่องในข้อมูลที่ได้มา โดยใช้ Deep Machine Learning (ML) ด้วย ZADD Segmentation
    • เหมาะอย่างยิ่งสำหรับการวิเคราะห์ข้อบกพร่องเมื่อมีข้อมูลปริมาตรที่ต่ำกว่ามาตรฐาน (เช่น เนื่องจากสัญญาณรบกวน ความละเอียดหยาบ หรืออาร์ทิแฟกต์)
    • เรียนรู้จากตัวอย่าง ไม่จำเป็นต้องปรับพารามิเตอร์ที่ซับซ้อน
    • ใช้แบบจำลอง ML ที่ฝึกมาแล้วเพื่อเริ่มต้นอย่างรวดเร็ว
    • สร้างบริเวณที่สนใจ (ROI) เพื่อการประเมินที่ใช้เวลาอย่างมีประสิทธิภาพ
  • การประเมินผล

    การประเมินผล

    • แสดงภาพข้อมูลของคุณด้วยเครื่องมือทรงพลังในรูปแบบ 3 มิติและ 2 มิติ
    • กำหนดตัวชี้วัดสำหรับข้อบกพร่องที่ตรวจพบ เช่น เส้นผ่านศูนย์กลาง ปริมาตร หรือความเป็นทรงกลม
    • สร้างตัวกรองเพื่อเลือกข้อบกพร่องที่มีสมบัติหนึ่ง ๆ สูงกว่าหรือต่ำกว่าเกณฑ์ที่กำหนด
    • ใช้ประโยชน์จากการประเมินที่ซับซ้อน เช่น P202, P203, ความพรุน หรือระยะห่างถึงพื้นผิว
  • การรายงานและสถิติ

    การรายงานและสถิติ

    • การประเมินผลในรายงานการวัดแบบมีภาพประกอบ
    • ถ่ายโอนรายงานการวัดได้ง่ายในรูปแบบ PDF
    • การจัดเก็บข้อมูลถาวรช่วยให้สามารถติดตามข้อบกพร่องได้ในระยะยาว
    • การประเมินขั้นสูงและฟังก์ชั่นสถิติด้วย ZEISS PiWeb Reporting Plus
    • การควบคุมกระบวนการทางสถิติช่วยให้สามารถรับรู้ถึงความสัมพันธ์และการเพิ่มประสิทธิภาพของกระบวนการ

แบบจำลองที่ผ่านการฝึกมาแล้วสำหรับการใช้งานที่เฉพาะเจาะจง

เมื่อใช้แอป ZADD Segmentation ใน ZEISS INSPECT X-Ray คุณจะได้รับประโยชน์จากแบบจำลองการเรียนรู้ของเครื่องที่ผ่านการฝึกมาแล้วของเรา ใช้หนึ่งในสามตัวเลือกที่มีอยู่ สำหรับการหล่อโลหะผสม การตรวจสอบลวดนำไฟฟ้า หรืออุปกรณ์อิเล็กทรอนิกส์
โลหะผสม

โลหะผสม

การตรวจสอบข้อบกพร่องที่ซ่อนอยู่ในการหล่อโลหะผสมด้วย AI

ลวดนำไฟฟ้า

ลวดนำไฟฟ้า

การวิเคราะห์ลวดนำไฟฟ้าอัตโนมัติสำหรับการใช้งานด้านระบบขับเคลื่อนด้วยพลังงานไฟฟ้า

อิเล็กทรอนิกส์

อิเล็กทรอนิกส์

ทำการวิเคราะห์รอยประสานในอุปกรณ์อิเล็กทรอนิกส์ได้อย่างง่ายดาย

ตัวอย่างของข้อบกพร่องในการหล่อทั่วไปที่ ZADD สามารถพบได้

  • รูพรุน

    รูพรุน

    รูพรุนคือโพรงทรงกลมหรือทรงวงรีที่ส่วนใหญ่มีผนังเรียบอยู่ภายในส่วนประกอบ รูพรุนสามารถมีอากาศ ไอ ไฮโดรเจนหรือก๊าซอื่น ๆ อยู่ (ตัวอย่างเช่น จากสารหล่อลื่น) ทั้งนี้ขึ้นอยู่กับสาเหตุของรูพรุนนั้น ๆ รูพรุนมักเกิดขึ้นในชั้นการหล่อส่วนบน แต่ในบริเวณที่ระบายอากาศออกได้ไม่ดีหรือ Undercut รุพรุนอาจกระจายอยู่ภายในทั้งชิ้นงานหล่อ

  • ชิ้นงานหล่อไม่เต็มแบบ (cold run) / ชิ้นงานเย็นตัวไม่ประสาน (cold shut)

    ชิ้นงานหล่อไม่เต็มแบบ (cold run) / ชิ้นงานเย็นตัวไม่ประสาน (cold shut)

    ชิ้นงานหล่อไม่เต็มแบบ (cold run) มีแนวโน้มเกิดขึ้นบนพื้นผิวเรียบที่มีความหนาค่อนข้างต่ำ ซึ่งอาจส่งผลให้เกิดการแยกตัวของการยึดเกาะ (cohesion) ทำให้เกิดหลุม บริเวณที่เติมไม่เต็ม และขอบโค้งมนและรอยเหลือ ในการหล่อฉีด ชิ้นงานหล่อไม่เต็มแบบสามารถมองเห็นได้บนแผ่นพื้นผิวที่ละเอียดและบางมาก

  • ความพรุนระดับไมโคร

    ความพรุนระดับไมโคร

    ความพรุนระดับไมโครสามารถเข้าใจได้ว่าเป็นการสะสมของรูหดขนาดเล็ก (การหดขนาดเล็ก/การหดตัวในพื้นที่ระหว่างเดนไดรต์) ซึ่งสามารถทำให้เกิดการเชื่อมต่อเป็นกลุ่มและนำไปสู่การรั่วไหล ความพรุนนี้ปรากฏในการสแกน CT ที่มีความละเอียดต่ำในรูปบริเวณที่เป็นฟองน้ำ

  • การกระจัดของผนัง

    การกระจัดของผนัง

    ในกรณีที่ข้อบกพร่องเกิดขึ้นในการวางตำแหน่งของแกนในแม่พิมพ์ก่อนการหล่อ หรือหากแกนเลื่อนในระหว่างกระบวนการหล่อ เป็นต้น รูปทรงเรขาคณิตของการหล่อจะไม่ตรงกับแบบจำลอง CAD อีกต่อไป

  • เศษโลหะ

    เศษโลหะ

    ในระหว่างการกัดขึ้นรูปหยาบของส่วนประกอบ (เช่น การตัดด้วยเลื่อยบนตัวป้อน) เศษโลหะอะลูมิเนียมจะถูกผลิตขึ้น และสามารถตกลงไปในส่วนประกอบได้ ในทำนองเดียวกัน ส่วนที่ยื่นออกมาขนาดเล็ก (ขน) สามารถแตกออกได้ระหว่างการเจาะและยังคาอยู่ในส่วนประกอบ เศษอะลูมิเนียมที่หลงเหลืออยู่เหล่านี้สามารถนำไปสู่ข้อบกพร่องในระบบระบายความร้อน ตัวอย่างเช่น ในระหว่างการดำเนินงานขั้นตอนต่อมา

  • สารฝังใน

    สารฝังใน

    สารฝังในคือสิ่งเจือปนที่ฝังอยู่เป็นบางส่วนหรือทั้งหมดในส่วนประกอบหล่อ ซึ่งโดยปกติจะหนาแน่นกว่าวัสดุฐาน สารฝังในเหล่านี้เกิดขึ้นได้ ตัวอย่างเช่น จากสิ่งแปลกปลอมในแม่พิมพ์หล่อ หรือจากวัสดุหล่อที่ปนเปื้อน

ปัญญาประดิษฐ์ (AI) ในการถ่ายภาพรังสีส่วนตัดโดยอาศัยคอมพิวเตอร์ (CT)

  • ปัญญาประดิษฐ์มีอยู่ทั่วไป การขับขี่อัตโนมัติเป็นเพียงหนึ่งในหลายตัวอย่างของการประยุกต์ใช้ AI นอกจากนี้ ปัญญาประดิษฐ์ยังเป็นหัวข้อหนึ่งในอุตสาหกรรม และในการถ่ายภาพรังสีส่วนตัดโดยอาศัยคอมพิวเตอร์ และกำลังมีความสำคัญมากขึ้นเรื่อย ๆ เนื่องจากช่วยให้การวิเคราะห์ข้อบกพร่องสามารถดำเนินการได้อย่างน่าเชื่อถือ แม่นยำ และรวดเร็วขึ้น ในอุตสาหกรรม ข้อบกพร่องมักจะอยู่ภายในส่วนประกอบ กระบวนการตรวจสอบด้วยแสงสำหรับการควบคุมคุณภาพนั้นไม่เพียงพออีกต่อไป เนื่องจากบ่งชี้ถึงข้อบกพร่องภายในไม่ได้ การตรวจสอบด้วยเอกซเรย์ช่วยให้สามารถมองเห็นภายในส่วนประกอบได้อย่างใกล้ชิด ดังนั้นจึงสามารถตรวจจับข้อบกพร่องได้ตั้งแต่เนิ่น ๆ ด้วยการใช้ AI ในการตรวจสอบ CT การวิเคราะห์ข้อบกพร่องอัตโนมัติบางส่วนจึงเกิดขึ้นได้

    คำอธิบายของคำศัพท์:

    ในเรื่องของ AI และ CT นั้น มักใช้คำว่า AI Defect Detection หรือ AI Anomaly Detection AI ย่อมาจาก Artificial Intelligence หรือปัญญาประดิษฐ์ และ Defect Detection หรือ Anomaly Detection หมายถึงการตรวจจับข้อบกพร่องหรือการตรวจจับความผิดปกติ การเพิ่ม "NDT" ทำให้เห็นได้ชัดว่า AI ทำงานแบบไม่ทำลาย เพราะ NDT ย่อมาจาก non-destructive testing หรือการทดสอบแบบไม่ทำลาย

  • AI และการถ่ายภาพรังสีส่วนตัดโดยอาศัยคอมพิวเตอร์

    ปัญญาประดิษฐ์กำลังเป็นเทรนด์หนึ่งในระบบอัตโนมัติ ข้อกำหนดของกระบวนการมีความเข้มงวดมากขึ้นเรื่อย ๆ และการประเมินภาพและการวิเคราะห์ข้อบกพร่องจะต้องทำงานได้อย่างรวดเร็วและเชื่อถือได้แม้แต่ในสภาพแวดล้อมการวัดที่เข้มงวด โดยเฉพาะอย่างยิ่ง สำหรับส่วนประกอบที่เกี่ยวข้องกับความปลอดภัย เช่น ในอุตสาหกรรมยานยนต์หรืออวกาศ เพื่อเพิ่มคุณภาพโดยการทำการวิเคราะห์ข้อบกพร่องให้ได้เร็วขึ้นในขณะเดียวกันก็มีความน่าเชื่อถือในกระบวนการสูง จะมีการใช้ AI เพื่ออ่านภาพสแกน CT การตรวจจับข้อบกพร่องด้วย AI ช่วยลดความจำเป็นในการปรับพารามิเตอร์โดยผู้ใช้ จึงหลีกเลี่ยงการตัดสินใจแบบอัตวิสัยในการตรวจจับข้อบกพร่อง

    ZEISS Automated Defect Detection มีประโยชน์อย่างยิ่งเมื่อข้อมูลปริมาตรได้รับผลกระทบจากวัสดุที่หนาแน่นเกินไป หรือเวลาในการสแกนที่สั้น แม้ว่าอาร์ทิแฟกต์และสัญญาณรบกวนในภาพมักจะทำให้เกิดการตรวจจับที่ผิดพลาด แต่ซอฟต์แวร์ยังคงไม่ได้รับผลกระทบจากผลเหล่านี้

ติดต่อเราเพื่อรับการสาธิตแบบเป็นส่วนตัว

บริการของเราจะอยู่เคียงข้างคุณตั้งแต่เริ่มต้น ไม่ว่าจะเป็นการเลือกรูปแบบ ML ที่เหมาะสม หรือการพัฒนาโซลูชั่นที่ฝึกเป็นพิเศษ เราให้การสนับสนุนคุณในการดำเนินงาน การเพิ่มประสิทธิภาพ และประสิทธิภาพการประเมินผลของระบบ และแก้ปัญหางานตรวจสอบเฉพาะของคุณในหลายกรณี

กำลังโหลดแบบฟอร์ม...

หากคุณต้องการข้อมูลเพิ่มเติมเกี่ยวกับการประมวลผลข้อมูลที่ ZEISS โปรดดูที่ ประกาศความเป็นส่วนตัวของข้อมูล ของเรา