據制造優化企業 Instrumental 稱，制造業生產總值占世界生產總值 (GWP) 超過一半，達 40 萬億美元，但每一美元的支出中有 20% 被浪費掉了。浪費的價值達 8 萬億美元，占 GWP 的 10%。Instrumental 由前 Apple 工程師于 2015 年創建，目前已開發出一個將云軟件、機器視覺檢測、人工智能 (AI) 和電子測試數據相結合的優化和檢測平臺，旨在讓工程師不僅可以在檢測流程結束時阻止問題的發生，還能在上游將其修復，從而減少浪費。

更充分地利用數據，以遠程方式管理工廠

Instrumental 對 100 家電子品牌進行的 2021 年新產品推出情況 (State of NPI) 調查發現，76% 的工程設計時間花在了容易自動化或可通過改善數據而加速的任務上。工程設計時間資源的浪費等因素，使品牌難以跟上市場所需的創新速度。通過提供自動化缺陷檢測、根本原因分析、報告、安全的產品數據管理和隨時隨地的本機協作工具，Instrumental 讓工程設計如虎添翼，為新產品的遠程推出提供答案。

Instrumental 的制造優化平臺從整個供應鏈匯總圖像和功能測試數據，利用人工智能自動對潛在根源進行排序。這使得 Instrumental 的客戶能夠加快解決問題的速度，加快產量的提高并改善質量。

在批量生產期間，裝配線上的操作員只需將產品放入 Instrumental 成像站，按下按鈕，等四到五秒鐘，直至綠燈或紅燈亮起。如果產品通過檢驗，則亮綠燈，操作員將產品向生產線的下游傳遞，以便進一步組裝。在關鍵裝配步驟之間，操作員會再次在成像系統中檢驗產品，為客戶提供有價值的圖像數據，并傳遞產品在各個階段的檢驗通過/失敗結果。

Picture 11.png

該系統還提供電子產品測試、測量以及在生產線上收集的其他相關數據的應用程序編程接口 (API)。這些信息可在 Instrumental 的云軟件上立即獲取，供產品設計工程師、質量工程師和其他操作人員等各種用戶使用，以便訪問測試結果及圖像數據。

“Instrumental 專注于讓用戶充分利用其數據，從而能夠靈活地以遠程方式管理工廠，”Instrumental 業務開發和解決方案總監 Tobias Harrison-Noonan 說?！靶鹿谝咔槠陂g發生的巨變，導致工程師無法進入其工廠，現在這項能力比以往任何時候都顯得更加重要?！?/span>

工作原理

Instrumental 提供一種簡易成像站（標準、典型實施），以及為生產線自動化部署提供的充分定制選擇。在成像站的內部，是一臺 Teledyne FLIR 彩色機器視覺相機，通常配備 2000 萬像素卷簾快門 CMOS 圖像傳感器。該系統使用 Edmund Optics 的鏡頭，并采用工業級條燈來照明?？蛻艨梢赃x擇使用現成的 Instrumental 成像工作站，在美國和中國的專家團隊協調下輕松安裝。此外，客戶還可以選擇使用自己的硬件。

在機器視覺相機的競爭態勢下，Instrumental 選擇了 Teledyne FLIR 相機，是因為其提供 Spinnaker 軟件開發工具包 (SDK)。Harrison-Noonan 指出，“根據我們的研究，Spinnaker SDK 似乎兼容性非常好，并且非常便于集成，事實證明我們是對的?！?此外，Teledyne FLIR Blackfly S 系列中還有一個大的相機系列，為我們的客戶提供了更換相機的靈活性，同時最大程度減少了額外的軟件開發?！?/span>

“例如，”他繼續說，“雖然我們默認部署的是 2000 萬像素 Blackfly S USB3 相機，但最近團隊需要一臺配備全局快門的 Blackfly S 相機，以減少傳送帶移動應用中的運動模糊。由于相機屬于同一個系列，我們只需做很少的軟件修改?！?/span>

Picture 10.png

在一種類似情況下，Instrumental 團隊為需要透過透明材料觀察的特定應用部署了帶紅外燈的單色相機。同樣，Instrumental 能夠輕松使用一種不同的 Blackfly S 型號。

直觀的設置，在 24 小時內快速獲得投資回報 (ROI)

雖然 Instrumental 平臺常用于電子產品應用，但成像站適用于許多不同類型的產品。缺陷訓練在云端完成，而 Instrumental 通過引導新用戶了解其托管云平臺企業級托管安全性的一系列廣泛措施和協議來緩解安全問題。與針對性的深度學習檢查的典型操作相比，Instrumental 的機器學習訓練過程需要的圖像更少。軟件分析數萬億字節的數據并建立相關性。

“該平臺有意設計成通用型 — 我們不把人工智能 (AI) 作為一項服務提供，而是由團隊花費兩個月的時間設計出一種非常具體的算法，”Harrison-Noonan 說?！巴ǔＮ覀冎恍枰?30 張產品圖像，AI 會自動開始識別新問題，無需用戶輸入，這確實為非視覺專家簡化了整個過程?！?/span>

Picture 9.png

推斷在邊緣進行 — 通常在一臺配備強大 GPU 的 Dell 計算機上 — 以便系統能夠更快地做出決策，并且在互聯網中斷的情況下仍然可以運行。只要系統準備好了 30 張圖像，就可以開始分析數據，并將異常情況突出顯示給操作員看，以便其確認或刪除突出顯示的問題。

此外，來自世界任何地方的多個用戶可以訪問單個項目，并為訓練階段貢獻數據，然后將該數據庫用作中央數據協作平臺。

“例如，美國的設計工程師使用 Instrumental 平臺進行故障分析，他們經常向亞洲的質量和工廠團隊直接分享結果和行動，以加快全球溝通，”Harrison-Noonan 說。

千分尺精度級的缺陷分辨率

Picture 8.png

圖像：Blackfly S USB3 相機型號

使用 Blackfly S 2000 萬像素相機可使 Instrumental 成像站捕獲檢查小型微電子器件所需的高細節水平，這些器件只要很小的差錯就可能導致故障。例如，對于手機檢測這類任務，Instrumental 將估計光學器件的大小，相應地設置工作距離，然后在這個距離上計算分辨率。

“Instrumental 使用計算器來估算需要多少像素來挑出缺陷，”Harrison-Noonan 說?！巴ǔ?，我們會估計需要 5 到 6 個像素才能挑出缺陷，這意味著普通移動電子尺寸設備的缺陷大小約為 150 至 200 微米，通常這就是我們要在此類應用中做到的?！?/span>

Teledyne FLIR 提供六種不同的 Blackfly S 相機型號，均配備 2000 萬像素、帶卷簾快門和全局重置的圖像傳感器。這些型號提供 USB3、GigE，以及各種板級可選配置，量子效率范圍為 65.39% 至 80%，幀率最高可達 18 FPS，圖像傳感器從 4 萬至 2450 萬像素。

來源：網絡

版權歸原作者所有，如有侵權，請聯系刪除