Интеллектуальный онлайн-контроль и замкнутое управление качеством: создание производственной линии штампованных деталей с нулевым дефектом

Введение: от визуального контроля вручную к полной AI-инспекции

Контроль качества штампованных деталей долгое время зависел от выборочного визуального осмотра, тактильной проверки и измерений штангенциркулем. Однако ручной контроль имеет три серьёзных недостатка: субъективность приводит к пропуску дефектов, выборочная схема не охватывает все детали, а запаздывание реакции вызывает массовый брак. По мере роста скорости штамповки выше 800 ходов/мин и стремления автомобильной и электронной отраслей к нулевому дефекту интеллектуальный онлайн-контроль становится неизбежным.

В данной статье системно рассматриваются три опоры современной системы обеспечения качества штамповки: оптическое зрение и структурно-световой контроль, косвенный мониторинг на основе датчиков и кривой усилия, а также глубокая интеграция замкнутого управления с обратной связью и SPC.

I. Типичные дефекты штампованных деталей и их физические характеристики

Категория дефекта Внешний вид/геометрические признаки Механизм возникновения Средства онлайн-обнаружения

Трещины/утяжины Локальное потемнение, просвет, степень утонения >25% Растягивающее напряжение превышает предел материала Камера высокого разрешения + проходящий свет/тепловидение

Складки Волнистая неровность, скопление материала Недостаточное усилие прижима или избыток материала Лазерное триангуляционное сканирование

Превышение заусенцев Выступающие металлические острия на кромке среза Износ пуансона, чрезмерный зазор Теневая проекция кромки + субпиксельная обработка

Вмятины и выпуклости Точечные или полосчатые отпечатки на поверхности Инородные частицы или дефекты штампа Многоракурсное сочетание светлого и тёмного поля

Отклонение размеров Смещение положения отверстий, отклонение угла гибки Пружинение, погрешность подачи 2D/3D визуальные измерения

Отсутствие/наличие лишних отверстий Пропущенная или лишняя пробивка Обрыв пуансона или ложное срабатывание Проходящий свет + фотодиодная матрица

II. AI-визуальный контроль: ключевые технологии и промышленное внедрение

2.1 Проектирование системы формирования изображения

Система формирования изображения для онлайн-контроля штампованных деталей сталкивается с такими вызовами, как высокоскоростное движение, высокая отражательная способность металла и масляные загрязнения среды. Типовая конфигурация включает:

Линейная камера: непрерывное сканирование в направлении движения, подходит для крупногабаритного листового материала.

Матричная камера + стробоскоп: съёмка по триггеру в верхней мёртвой точке ползуна пресса, захват детали в неподвижном состоянии.

Телецентрический объектив: устранение перспективной погрешности, используется для точных размерных измерений.

Многоспектральное освещение: красный кольцевой свет подчёркивает рельеф поверхности, синий коаксиальный свет устраняет блики.

Для трёхмерных сложных штампованных деталей одна камера не может обеспечить полный охват, требуется размещение 4–8 камер, снимающих с разных ракурсов, с пространственной синхронизацией по калибровочной пластине.

2.2 Обучение и применение моделей глубокого обучения

Традиционная обработка изображений (пороговая сегментация, обнаружение краёв) способна распознавать только простые дефекты. Для текстурных дефектов, таких как складки и утяжины, необходимо использовать свёрточные нейронные сети. Типовой процесс:

Сбор и разметка данных: сбор десятков тысяч изображений штампованных деталей, поштучная разметка типов и местоположения дефектов экспертами по качеству.

Обучение модели: применение передовых архитектур, таких как YOLOv8, EfficientNet или Swin Transformer, с ускорением сходимости посредством трансферного обучения.

Оптимизация модели: использование inference-движков TensorRT или OpenVINO для сокращения времени обнаружения одного изображения до менее 10 мс.

Развёртывание и инкрементальное обучение: вывод в реальном времени на периферийных вычислительных устройствах (например, NVIDIA Jetson), одновременная загрузка новых образцов ложных срабатываний или пропусков в облако и периодическое обновление модели.

Практический пример: после внедрения системы AI-визуального контроля на крупном штамповочном заводе доля обнаружения дефектов площадью более 0,1 мм² достигла 99,97%, доля ложных срабатываний составила всего 0,3%, при этом система одновременно обнаруживает четыре типа дефектов: трещины, царапины, вмятины и складки.

2.3 Онлайн-измерение размеров

Плоскостные размеры (положение отверстий, контур) могут быть реализованы посредством контрового освещения в сочетании с телецентрическим объективом для субпиксельного извлечения краёв с точностью до ±0,02 мм. Однако для трёхмерных углов, перепадов высот гнутых деталей необходимо применять лазерный профилометр или 3D-датчик структурного света. Последний путём проецирования полосового рисунка и вычисления фазы позволяет за 0,5 секунды получить облако точек всей поверхности детали и сравнить его с CAD-моделью для построения карты цветовых отклонений.

III. Косвенный мониторинг на основе датчиков и кривой штамповки

3.1 Мониторинг кривой усилия штамповки (мониторинг тоннажа)

На ползуне каждого пресса устанавливается пьезоэлектрический датчик усилия, регистрирующий кривую усилие-время каждого хода штамповки. При нормальной штамповке кривая имеет характерные пики (пробивка насквозь, вытяжка и т.д.). Когда площадь или пиковое значение кривой выходят за пределы статистического контроля, это указывает на возможное:

Увеличение зазора при резке (снижение усилия) или интерференцию штампа (резкий рост усилия)

Колебания свойств материала (повышение предела текучести вызывает смещение пика усилия вправо)

Неудаление отходов (вторичный срез создаёт дополнительный пик)

Передовые системы мониторинга тоннажа обладают функцией обучения, способны самообучаться эталонному шаблону каждого штампа и выдавать сигнализацию на основе контрольной карты EWMA.

3.2 Акустико-эмиссионный и вибрационный контроль штампа

Датчики акустической эмиссии очень чувствительны к высокочастотным упругим волнам, возникающим при растрескивании материала, отслоении покрытия и росте микротрещин. Например, при появлении микротрещины пуансона в определённой полосе частот (100–300 кГц) возникает пик энергии. Размещение нескольких AE-датчиков в ключевых точках штампа позволяет локализовать источник аномалии.

Вибрационные датчики ориентированы на низкочастотный диапазон (0–1 кГц) и отражают ослабление крепления штампа или неисправность подшипников.

3.3 Мониторинг температуры и состояния смазки

Инфракрасная тепловизионная камера или точечные датчики температуры контролируют температуру ключевых зон штампа. Аномальный рост температуры может означать чрезмерное трение или засорение каналов охлаждения. В сочетании с расходомером системы смазки определяется засорение форсунок.

IV. Статистическое управление процессами (SPC) и повышение возможностей процесса

Онлайн-контроль генерирует огромные объёмы данных, которые необходимо преобразовать в управленческие действия посредством SPC. Ключевые шаги:

Определение критических характеристик качества (CTQ): например, высота заусенцев, угол гибки, степень утонения.

Расчёт индекса возможностей процесса (Cpk) в реальном времени: при Cpk<1,33 система выдаёт предупреждение, требуя вмешательства инженеров.

Распознавание аномальных паттернов: использование правил определения аномалий контрольных карт (например, 8 критериев: одна точка за пределами контрольных границ, 7 последовательных точек возрастания и т.д.).

С помощью SPC предприятие может различать «случайные колебания» и «колебания по особым причинам», тем самым решая, требуется ли остановка для настройки.

V. Замкнутое управление с обратной связью: от обнаружения к автоматической регулировке

Высший уровень интеллектуальной системы качества — замкнутое управление: устройство онлайн-контроля передаёт отклонение качества в реальном времени в ПЛК пресса или серворегулятор штампа, автоматически корректируя технологические параметры.

Пример применения 1: лазерное сканирование угла пружинения гнутой детали в реальном времени, контроллер вычисляет отклонение и автоматически регулирует клиновые подкладки в основании штампа, изменяя глубину гибки для компенсации пружинения, удерживая угловое отклонение в пределах ±0,2°.

Пример применения 2: при обнаружении тенденции снижения усилия резки по онлайн-кривой усилия система определяет износ пуансона, автоматически отправляет команду на замену на участок шлифовального обслуживания и выполняет её в следующем цикле смены штампа, а не ожидает появления дефектов заусенцев на деталях.

VI. Проблемы внедрения и лучшие практики

6.1 Синхронизация данных и задержка

Онлайн-контроль должен завершаться в пределах цикла штамповки (обычно 0,1–0,5 секунды). Требуются высокоскоростная передача данных (интерфейс промышленной камеры 10GbE) и обработка в реальном времени на периферийных вычислениях, облако используется только для долгосрочного хранения и обучения моделей.

6.2 Адаптивность к окружающей среде

В штамповочном цехе присутствуют масляный туман, металлическая стружка, вибрация. Камеры требуют защитных кожухов с продувкой чистым воздухом, датчики — степени защиты IP67.

6.3 Рекомендации по лучшим практикам

Поэтапное внедрение: сначала визуальный контроль наиболее критичных дефектов (трещины, отсутствие отверстий), затем постепенное расширение на размеры и поверхностные дефекты.

Создание библиотеки изображений дефектов: при каждом срабатывании сигнализации автоматически сохранять изображения и соответствующие данные датчиков для непрерывной оптимизации модели.

Регулярное сопоставление с ручной перепроверкой: на начальном этапе работы системы необходимо организовать выборочную проверку персоналом деталей, признанных системой годными, для верификации доли пропусков.

Заключение: последняя линия обороны на пути к нулевому дефекту

Достижение нулевого дефекта штампованных деталей невозможно только за счёт финального контроля — контроль качества должен быть встроен в каждый цикл штамповки. Сочетание AI-зрения, мониторинга кривой усилия и замкнутого контура SPC делает реальностью принцип «каждая деталь проверена, каждая аномалия прослежена, каждое отклонение скорректировано». В будущем, по мере роста вычислительной мощности периферийного AI и снижения стоимости датчиков, полный онлайн-контроль станет стандартной комплектацией штамповочных линий, а предприятия, всё ещё полагающиеся на ручной выборочный контроль, не смогут завоевать доверие на чувствительных к качеству рынках автомобилестроения, медицины и аэрокосмической отрасли.

Zuanxin — профессиональный производитель металлической штамповки, пришлите нам чертежи, и мы в течение 12 часов предоставим вам расценки