0:00 / 0:00
Verwenden Sie intelligente Kameras, No-Code-Entwicklung und Deep Learning, um Fehler bei der Montage von Medizinprodukten zu erkennen
Inspektion automatisieren
Die intelligenten Kameras Zebra Iris GTX dienen als vielseitige Plattform für Inline-Qualitätsprüfungen. Sie kombinieren hochauflösende Sensoren und On-Kamera-Bearbeitung, um scharfe Bilder aufzunehmen und Prüfwerkzeuge mit der Geschwindigkeit der Montagelinie auszuführen. Sie können das Vorhandensein, die Position und die Ausrichtung von Schrauben, Steckverbindern und Etiketten bestätigen und die Sitzung, Polarität, Ausrichtung und Kabelverlegung überprüfen. Basierend auf definierter Logik liefern sie Gut-/Schlecht-Bewertungen, um Ausfälle an der Station zu verhindern und signalisieren PLCs, Roboter, MES-/QMS-Systeme und Werks-Dashboards für Rückverfolgbarkeit und Compliance.
Inspektionen erstellen und verwalten
Der Zebra Design Assistant beschleunigt die Implementierung und Standardisierung in Produktionslinien für medizinische Geräte, indem er eine flussdiagrammbasierte Umgebung bereitstellt, die es Anwendern ermöglicht, Inspektionen ohne Programmierung zu konfigurieren. Dabei werden bewährte regelbasierte Tools für Mustererkennung, Messung, Code-Lesevorgänge, OCR/OCV und Vorhandenseinsprüfungen verwendet. Mit Drag-and-Drop-Tools können Benutzer schnelle, erklärliche Bestanden/Nicht bestanden-Ergebnisse mit Zuverlässigkeitsbewertungen erzielen, Bedienoberflächen für Bediener, Alarme und erneute Inspektionsabläufe innerhalb desselben Projekts erstellen und Bilder, Ergebnisse, Zeitstempel, Teile-/Los-IDs und Metadaten in MES/QMS-Systeme protokollieren. Darüber hinaus unterstützt es die Einhaltung von Vorschriften durch effektives Management von Rezepturen, Berechtigungen und versionierten Projekten.
Finden Sie die schwerwiegenden Fehler mit Deep Learning
Zebra Aurora Vision Studio verbessert traditionelle regelbasierte Methoden, indem es Deep Learning einbezieht, um Variabilität und Feinheiten zu bewältigen. Es kann akzeptable Variationen lernen und Anomalien identifizieren. Benutzer können Klassifikations-, Segmentierungs- oder Anomalieerkennungsmodelle mit Bildern aus ihren Produktionslinien trainieren, oft mit relativ kleinen Datensätzen, und diese Modelle neben regelbasierten Überprüfungen einsetzen, um die Erkennung zu verbessern, ohne die Zykluszeit zu beeinflussen. Zebra Aurora Vision Studio zeichnet sich dadurch aus, dass es subtile Defekte wie leichte Kratzer, Dellen, Fasern, Einschlüsse oder Oberflächenanomalien, die schwer zu kodieren sind, identifiziert und Visualisierungen wie Heatmaps, Schwellenwerte und Bestanden/Nicht bestanden-Ausgaben mit Zuversichtswerten bereitstellt. Es unterstützt die Bildaufnahme von Iris GTX Smart-Kameras und führt die Inferenz auf Edge-PCs oder Servern durch, was ein erneutes Training und eine Feinabstimmung der Modelle ermöglicht, wenn sich Materialien, Lieferanten oder SKUs ändern, um eine anhaltende Genauigkeit zu gewährleisten.
