John Deere använder Intels artificiella intelligensteknologi för att hjälpa till att lösa ett gammalt kostsamt problem i tillverknings- och svetsprocessen.
Deere testar en lösning som använder datorseende för att automatiskt hitta vanliga defekter i den automatiserade svetsprocessen i sina tillverkningsanläggningar.
Andy Benko, kvalitetschef för John Deere Construction and Forestry Department, sa: "Svetsning är en komplex process.Denna artificiella intelligenslösning har potentialen att hjälpa oss att producera högkvalitativa maskiner mer effektivt än tidigare.
"Att introducera ny teknik i tillverkningen öppnar upp för nya möjligheter och förändrar vår uppfattning om processer som inte har förändrats på många år."
I 52 fabriker runt om i världen använder John Deere processen för gasmetallbågssvetsning (GMAW) för att svetsa lågkolhaltigt stål till höghållfast stål för att tillverka maskiner och produkter.I dessa fabriker förbrukar hundratals robotarmar miljontals pund svetstråd varje år.
Med en så stor mängd svetsning har Deere erfarenhet av att hitta lösningar på svetsproblem och letar alltid efter nya sätt att hantera potentiella problem.
En av de svetsutmaningar som är vanliga inom industrin är porositet, där håligheter i svetsmetallen orsakas av luftbubblor som fångas när svetsen svalnar.Kaviteten försvagar svetshållfastheten.
Traditionellt är GMAW-defektdetektering en manuell process som kräver mycket skickliga tekniker.Tidigare var försök från hela industrin att hantera svetsporositet under svetsprocessen inte alltid framgångsrika.
Om dessa defekter upptäcks i de senare stadierna av tillverkningsprocessen måste hela monteringen omarbetas eller till och med skrotas, vilket kan vara destruktivt och kostsamt för tillverkaren.
Möjligheten att arbeta med Intel för att använda artificiell intelligens för att lösa problemet med svetsporositet är en möjlighet att kombinera John Deeres två kärnvärden - innovation och kvalitet.
"Vi vill främja teknik för att göra John Deeres svetskvalitet bättre än någonsin.Detta är vårt löfte till våra kunder och deras förväntningar på John Deere,” sa Benko.
Intel och Deere kombinerade sin expertis för att utveckla ett integrerat end-to-end hårdvaru- och mjukvarusystem som kan generera realtidsinsikter på kanten, vilket överstiger nivån på mänsklig uppfattning.
När en neural nätverksbaserad resonemangsmotor används kommer lösningen att registrera defekter i realtid och automatiskt stoppa svetsprocessen.Automationssystemet gör att Deere kan korrigera problem i realtid och producera de kvalitetsprodukter som Deere är kända för.
Christine Boles, vice vd för Intels Internet of Things Group och general manager för Industrial Solutions Group, sa: "Deere använder artificiell intelligens och maskinseende för att lösa vanliga utmaningar inom robotsvetsning.
"Genom att utnyttja Intel-teknik och smart infrastruktur i fabriken är Deere väl positionerat för att dra fördel av inte bara denna svetslösning, utan även andra lösningar som kan dyka upp som en del av dess bredare Industry 4.0-transformation."
Edge artificiell intelligensdefektdetekteringslösning stöds av Intel Core i7-processorn och använder Intel Movidius VPU och Intel OpenVINO-verktygssatsens distributionsversion, och implementeras genom den industriella ADLINK-maskinvisionsplattformen och MeltTools svetskamera.
Inskickat enligt följande: tillverkning, nyheter taggade med: artificiell intelligens, deere, intel, john, tillverkning, process, kvalitet, lösningar, teknik, svetsning, svetsning
Robotics and Automation News etablerades i maj 2015 och är nu en av de mest lästa webbplatserna i denna kategori.
Vänligen överväg att stödja oss genom att bli en betalprenumerant, genom reklam och sponsring, eller köpa produkter och tjänster via vår butik, eller en kombination av allt ovan.
Webbplatsen och dess relaterade tidningar och veckovisa nyhetsbrev produceras av ett litet team av erfarna journalister och mediaproffs.
Om du har några förslag eller kommentarer är du välkommen att kontakta oss via valfri e-postadress på vår kontaktsida.
Cookieinställningarna på denna webbplats är inställda på "Tillåt cookies" för att ge dig den bästa webbupplevelsen.Om du fortsätter att använda denna webbplats utan att ändra cookieinställningarna, eller klickar på "Acceptera" nedan, godkänner du.
Posttid: 28 maj 2021
