製造工程や品質管理システムに品質管理/保証の手法を導入することで、最終製品が顧客の要求や満足を満たすことができます。表面欠陥検出システムは高品質の製品を提供するために、画像データを使用して検査と分類を実行することができます。 AI の進歩により、センサーと事前学習済み AI モデルを使ってリアルタイムの欠陥検出を効率化/自動化し、再現可能な品質管理を実現します。
スウェーデンに本社を置くディーゼル エンジン用コネクティング ロッド メーカーの Sansera 社は、 AI 企業の Aixia 社と協業し、コンピューター ビジョンを用いた生産工程での自動ディープ ラーニング欠陥検出システムの実装に成功しました。
バス、トラック、船舶に搭載されるコネクティング ロッドは、製造工程におけるすべてのロッドが高品質で、一貫性があり、信頼性が高く、文書化されている必要があります。高解像度の目視検査システムがリアルタイムで欠陥を検出し、分類することが不可欠です。
Sansera 社が製造工程の品質管理目標を達成するために、Aixia 社はロッド検査/検出パイプラインを開発し、Sansera 社の製造現場に配備しました。パイプラインの中心には、NVIDIA Jetson エッジ AI プラットフォームとデータ センター サーバーに配備された NVIDIA Triton Inference Server があります。 x86 サーバーに実装され、推論用に NVIDIA A10 GPU を搭載しています。
品質視覚検査システムを使用して、ロボットがコネクティング ロッドを持ち上げて、AI 対応カメラのセットに表示します。カメラは複数の写真を撮影して刻印とシリアル番号を取得し、 AI ベースのコンピューター ビジョン モデルを介して送信され、制御された照明環境下で検査が行われます。順番に検査が実行され、その結果は品質管理の資料となります。カメラ ビューごとに複数のディープ ラーニングによる推論が実行されます。
各コネクティング ロッドは、リリース前に検品され、適切に文書化されます。この推論ワークフローの仕事は、刻印を検出し、その品質を検査し、製品ドキュメンテーションに必要な詳細を提供することです。このワークフローは、 NVIDIA Triton Inference サーバー上に展開され、さまざまなフレームワークを用いて最適化され、合理的な方法で品質のユース ケースを統合しています。
プリプロセッシングとポストプロセッシングの両方で、複数のモデルが 1 つのサーバー インスタンスに統合されています。
NVIDIA Triton を使用して、 Aixia 社はハイパフォーマンスな GPU を使用してデータ センターで、または Jetson エッジ AI プラットフォームを使用してデータに近いエッジ側で、事前学習したモデルの最適化されたバージョンを展開することができます。
NVIDIA Triton と NVIDIA Jetson を使用してエッジでモデルを実行する方法をご覧ください。
翻訳に関する免責事項
この記事は、「Implementing Industrial Inference Pipelines for Smart Manufacturing」の抄訳で、お客様の利便性のために機械翻訳によって翻訳されたものです。NVIDIA では、翻訳の正確さを期すために注意払っておりますが、翻訳の正確性については保証いたしません。翻訳された記事の内容の正確性に関して疑問が生じた場合は、原典である英語の記事を参照してください。
