ディープラーニングで生産状況を監視

Bosch Car Multimédia は、自動車業界のさまざまな顧客に電子部品を供給するサプライヤーとして、自社が製造する自動車用センサーの高品質基準に依存しています。 この基準を確保するには、欠陥を迅速かつ確実に検出する必要があります。 この特定のケースでは、金属スプリングに欠陥がないかをチェックすることがタスクとなります。 これらのスプリングは、メイン回路基板とセンサーのカバー上の銅ブッシングの間の電子接続を形成します。 これは手作業による機械加工プロセスであるため、製造中に金属スプリングにさまざまな欠陥が発生する可能性があります。

マシンビジョンによる品質検査の最適化

ボッシュは以前から自動検査プロセスに依存していましたが、それをさらに最適化したいと考えていました。 目標は、検査の全体的な品質を向上させ、新しいソリューションのコスト効率を高め、アプリケーションのメンテナンス作業を軽減することでした。 ボッシュは、ドイツの MVTec Software GmbH の MERLIC マシン ビジョン ソフトウェアを選択しました。 MVTec MERLIC は、プログラミング スキルがなくても、最も一般的なマシン ビジョン アプリケーションを解決できる、使いやすいマシン ビジョン ソフトウェアです。

ディープラーニングは欠陥の検出に役立ちます

ボッシュのアプリケーションでは、マシン ビジョンは次のようになります。5 メガピクセルのカメラが各コンポーネントの上から画像をキャプチャします。 グローバル コンテキスト異常検出は、金属バネでキャプチャされた画像を検査するために使用されます。 ディープラーニング技術には 2 つのニューラル ネットワークがあります。 「ローカル」ネットワークは、傷、亀裂、汚れなどの小規模な欠陥をチェックします。 「グローバル」ネットワークはさらに一歩進んで、ブラケットが曲がったり紛失したりするなどの論理的な欠陥がないかチェックします。 2 つのネットワークの干渉から、グローバル コンテキスト異常検出によって異常スコアが決定されます。 この値は、事前に定義された異常しきい値と比較されます。 異常スコアがこのしきい値を超えている場合、コンポーネントに欠陥があるため、拒否する必要があります。 検査後、各画像は MERLIC のフロントエンドで確認できます。 特に役立つ: ヒート マップを使用すると、画像のどの部分が異常検出をトリガーしたかを透過的に追跡できます。

これまで、検査プロセスはルールベースのマシンビジョン手法を使用して実行されてきました。 ただし、この欠点の 1 つは、「不良画像」を使用して、考えられるすべてのタイプの欠陥を個別に抽出する必要があることでした。 対照的に、MERLIC の深層学習手法のトレーニングには、無傷の部品の「良好な画像」のみが必要です。 これらは非常に簡単に入手できるので、時間とお金を節約できます。

マシンビジョンソフトウェアのマシン制御システムへの統合

ボッシュにとって、マシンビジョン ソフトウェアを既存の生産プロセスにどのように統合するかという問題は、生産プロセスと統合品質検査を変更する必要がなかったので、特に刺激的でした。 したがって、主な焦点はマシンビジョンソフトウェアをマシン制御システムに統合することでした。 プラントにはプログラマブル ロジック コントローラー (PLC) がないため、ソフトウェアは機械に直接接続する必要がありました。 MERLIC に統合された MQTT プロトコルは、必要なマシン間通信を提供します。 これにより、標準の IoT 通信プロトコルを介してマシン ビジョン ソフトウェアをプロセスに簡単に統合できるようになりました。 マシンビジョンシステムのキャリブレーションプログラムの開発は、使いやすいソフトウェアによって加速できます。

「私たちは 2022 年末に概念実証を正常に完了しました。その過程で、検出率、システム メンテナンス要件、コストの点ですべての目標が達成されました。 したがって、新しい生産ラインの試運転は 2023 年半ばに行われる予定です。 その後、他の既存ラインへの展開が計画されます」とポルトガルのボッシュ オートモーティブ エレクトロニクスのセンター オブ コンピテンス光学機械部門のテスト専門家、ジョアン パウロ シルバ氏は説明します。 この可能性に基づいて、ボッシュは将来的にディープラーニングを使用してさらに多くの自動車エレクトロニクス工場を自動化する予定です。