Ρομποτική και φυσική AI

Συμπαγές Σύστημα 3D Επιθεωρήσεων Επιφανειών Με Προσαρμογή Σε Κλίμακα Micron

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Ερευνητές στο The Optical Society έχουν αναπτύξει ένα ελαφρύ οπτικό σύστημα που μπορεί να thựcήσει επιθεώρηση 3D επιφανειών με προσαρμογή σε κλίμακα micron. Σύμφωνα με την ομάδα, αυτή η τεχνολογία θα μπορούσε να χρησιμοποιηθεί για την ενίσχυση της επιθεώρησης ελέγχου ποιότητας για προϊόντα υψηλής τεχνολογίας όπως ολοκληρωμένα κυκλώματα, φωτοβολταϊκά πάνελ και καταναλωτική ηλεκτρονική.

Η έρευνα δημοσιεύθηκε στο περιοδικό The Optical Society (OSA) Applied Optics. 

Καταγραφή 3D Μετρήσεων

Μια από τις προκλήσεις της καταγραφής μετρήσεων 3D με ακρίβεια στην γραμμή παραγωγής οφείλεται στις δονήσεις, έτσι τα δείγματα πρέπει να λαμβάνονται περιοδικά για ανάλυση στο εργαστήριο. Κατά τη διάρκεια αυτής της διαδικασίας, τα ελαττωματικά προϊόντα που αναπτύσσονται πρέπει να απορρίπτονται. 

Για να ξεπεραστούν αυτά τα προβλήματα, η ομάδα έθεσε ως στόχο την ανάπτυξη ενός συστήματος που θα μπορούσε να λειτουργήσει σε τέτοιο περιβάλλον, όπως ένα βιομηχανικό εργοστάσιο παραγωγής. Η ερευνητική ομάδα ηγήθηκε από τον Georg Schitter από το Technische Universität Wien στην Αυστρία, και συνδύασε ένα συμπαγές 2D γρήγορο καθρέφτη με ένα υψηλής ακρίβειας 1D confocal χρωματικό αισθητήρα. 

Ο Ernst Csencsics συνήγε την ερευνητική ομάδα με τον Daniel Wertjanz. 

“Συστήματα επιθεώρησης και μέτρησης με βάση ρομπότ, όπως αυτό που αναπτύξαμε, μπορούν να ενεργοποιήσουν τον έλεγχο ποιότητας 100% στη βιομηχανική παραγωγή, αντικαθιστώντας τις τρέχουσες μεθόδους δειγμάτων”, είπε ο Csensics. 

Το νεοαναπτυγμένο σύστημα σχεδιάστηκε για να τοποθετηθεί σε μια πλατφόρμα παρακολούθησης που τοποθετείται σε einen ρομποτικό βραχίονα, και αυτό επιτρέπει τις επαφής 3D μετρήσεις σε τυχαίες μορφές και επιφάνειες. Ζυγίζοντας 300 γραμμάρια και μετρά 75 X 63 X 55 χιλιοστόμετρα κύβους, το σύστημα είναι εντυπωσιακά μικρό.

“Το σύστημά μας μπορεί να μετρήσει 3D επιφανειακές τοπογραφίες με μια απρόσμενα συνδυασμένη ευελιξία, ακρίβεια και ταχύτητα”, είπε ο Wertjanz. “Αυτό δημιουργεί λιγότερα απορρίμματα επειδή τα προβλήματα παραγωγής μπορούν να αναγνωριστούν σε πραγματικό χρόνο, και οι διαδικασίες μπορούν να προσαρμοστούν και να βελτιωθούν γρήγορα.”

Τα υπάρχοντα συστήματα συχνά βασίζονται σε βαρέα όργανα για να πραγματοποιήσουν μετρήσεις ακρίβειας. Για να ενεργοποιήσουν αυτό το σύστημα στο πάτωμα παραγωγής, η ομάδα δημιούργησε το σύστημα με βάση einen 1D confocal χρωματικό αισθητήρα απόστασης που αναπτύχθηκε από την Micro-Epsilon, και αυτά μπορούν να μετρήσουν την μετατόπιση, την απόσταση και το πάχος με εξαιρετική ακρίβεια χρησιμοποιώντας τις ίδιες αρχές με τα confocal μικροσκόπια. Ωστόσο, είναι πολύ μικρότερα.

Η ομάδα συνδύασε τον confocal αισθητήρα με einen γρήγορο καθρέφτη, με τον τελευταίο να μετρά 32 χιλιοστόμετρα σε διάμετρο. Εκτός από αυτό, ανέπτυξαν μια διαδικασία αναδόμησης που μπορεί να δημιουργήσει μια 3D εικόνα της τοπογραφίας της επιφάνειας του δείγματος χρησιμοποιώντας τα δεδομένα μέτρησης.

Το σύστημα μπορεί να τοποθετηθεί σε μια πλατφόρμα μετρήσεων, με την τελευταία να λειτουργεί ως σύνδεσμος με einen ρομποτικό βραχίονα. Αυτό χρησιμοποιεί ενεργό έλεγχο ανατροφοδότησης για να компενσάρει τις δονήσεις μεταξύ του δείγματος και του συστήματος μέτρησης.

“Με τη χειραγώγηση του οπτικού μονοπατιού του αισθητήρα με τον γρήγορο καθρέφτη, το σημείο μέτρησης σαρώνεται γρήγορα και ακριβώς στην επιφάνεια του ενδιαφέροντος”, είπε ο Wertjanz. “Επειδή μόνο ο μικρός καθρέφτης πρέπει να μετακινηθεί, η σάρωση μπορεί να thựcτοποιηθεί σε υψηλές ταχύτητες χωρίς να επηρεάσει την ακρίβεια.”

Δοκιμή του Νέου Συστήματος

Οι ερευνητές δοκιμάσαν το νέο σύστημα χρησιμοποιώντας διάφορα πρότυπα καλιبرίσεων που είναι δομημένα με καθορισμένα πλάτη και ύψη. Τα πειράματα έδειξαν ότι μπορεί να μετρήσει με πλάτος 2,5 μικρόμετρα και αξονική ανάλυση 76 νανομέτρων.

“Αυτό το σύστημα θα μπορούσε τελικά να φέρει eine ποικιλία πλεονεκτημάτων στη βιομηχανική παραγωγή”, είπε ο Wertjanz. “Οι μετρήσεις στην γραμμή παραγωγής θα μπορούσαν να ενεργοποιήσουν διαδικασίες παραγωγής χωρίς αποτυχίες, οι οποίες είναι ιδιαίτερα χρήσιμες για την παραγωγή χαμηλού όγκου. Οι πληροφορίες θα μπορούσαν επίσης να χρησιμοποιηθούν για να βελτιώσουν τη διαδικασία παραγωγής και τις ρυθμίσεις των μηχανών, οι οποίες μπορούν να αυξήσουν την συνολική απόδοση.”

Η ομάδα θα προσπαθήσει τώρα να εφαρμόσει το σύστημα στην πλατφόρμα μετρήσεων, καθώς και να το ενσωματώσει με ρομποτικούς βραχίονες. Αν μπορέσουν να το πετύχουν, θα είναι σε θέση να δοκιμάσουν μετρήσεις 3D με βάση ρομπότ σε ελεύθερες επιφάνειες σε περιβάλλοντα όπως η βιομηχανική γραμμή παραγωγής, τα οποία είναι συχνά γεμάτα δονήσεις.

Ο Alex McFarland είναι δημοσιογράφος και συγγραφέας του AI που εξερευνά τις τελευταίες εξελίξεις στην τεχνητή νοημοσύνη. Έχει συνεργαστεί με πολλές startups και εκδόσεις του AI σε όλο τον κόσμο.