让质检静音室聆听“数据之声”- 雪浪云异音检测系统
雪浪数制2019-08-21 17:32
在竞争日益激烈的市场环境下，产品品质是制造业企业的核心竞争力之一，产品质量也是国际化竞争的焦点，中国制造的崛起必然建立在优良的质量以及可靠性的基础之上。质量检验作为质量管理的一个关键环节，是保证出厂产品质量的必须要重视的环节，而声音检测在产品质检中是一种十分重要、快捷的手段之一。目前很多企业声音质检的工作都是通过人工完成，厂商期待能够替代人工质检的“智能”自动化装置将人工多年积累下的声音质检经验固化到设备中，以提高企业自身产品质量管理的能力、降低质量管理成本，无锡雪浪数制科技有限公司将这一需求变为现实。
针对电机异音检测行业不得不说的“痛”，雪浪数制通过调研和亲历的项目，为大家盘点如下。
痛点1：人工检测产品存在的状况
听不到-故障噪音容易被环境噪音淹没；
听不清-故障噪音幅值不大，时有时无；
听不准-原始故障噪音特征不明显，难区分；
听不稳-人力的水平及经验参差不齐，有人能听有人听不到。
痛点2：电机产线质检评价标准较主观、未量化，不利于统一和推广
痛点3：环境噪音对数据干扰大、信噪比低（麦克风采集需要较安静环境）
痛点4：启动器产生的噪音会影响电机的数据采集
痛点5：电机的垃圾音容易漏检
雪浪数制“智检”标准某电机厂商遇到了前面提到的人工检验效率低及异音检测不准的问题，为帮助该厂商提高整体研发水平，雪浪数制创新性地提出了一套切实可行的解决方案。
解决方案：
机构设计隔离背景噪音 → 稳定可靠数据采集配合电气/机械控制 → 人工智能算法识别异音 → 自动分拣机构
在这个案例中，受测电机被分为了四类：正常电机、轴承音（异常电机）、刮擦音（异常电机）、垃圾音（异常电机）。需要在4s内自动化的完成电机的装夹、启动电机、数采、算法分析、分拣等步骤。
据了解，在电机生产线上普遍采用人工听音的方法分辨良、次品，不仅成本高，而且重复、单调的听音工作极易引起人员疲劳，容易出现误判，若个别不良品混入整批成品中，会给工厂带来严重经济损失，甚至严重影响产品声誉。所以需要采用AI对异常电机进行识别，实现电机异音检测自动化，解决人工检测无法准确、可靠识别异音的痛点，助力精益制造、智能制造的升级。
传统的人工听音质检雪浪数制的最终解决方案架构如下：
基于麦克风、振动传感器、工装的合理布局与选型，获取可靠的数据来源通过雪浪数制在音频、故障诊断及降噪等领域沉淀下来的算法，实现异音的自动识别通过执行机构实现产线的自动化分拣，完全代替过去人工检测工位，满足全自动化产线的节拍需求
智能识别算法介绍：
将传统故障诊断技术与机器学习算法结合，实现了早期故障的微弱异音识别及典型故障的定位，做到不良电机无漏检，帮助企业实现不流出不合格品的质检要求。
另外，雪浪数制针对产品异音问题，提供了模块化解决方案。
1. 信号分析工具：
帮助专业人员进行信号分析，辅助质检技术人员进行产品缺陷分析。
2. 故障特征指标提取：
根据产品的实际问题，进行定制化算法开发，提取针对典型问题的故障指标报告，辅助质检
3. 自动识别模块
定制化开发自动异音识别算法，实现不良产品的自动识别。
无需静音室，减少90%人工，提高质检效率，降低客户投诉率
雪浪数制异音检测方案，将原来难以量化的声音质检，变得可以量化，有助于提高声音质检环节的标准性与一致性。
雪浪数制异音检测装置奥丁ODIN关于无锡雪浪数制科技有限公司
无锡雪浪数制科技有限公司致力于建设国家级工业互联网平台，打造“工厂大脑”，为工业企业提供跨行业、跨地域和全生命周期的数据智能服务。
通过实现对工业人、机、料、法、环全体系数据的全面采集、处理、存储、打通，提供以真实需求场景为导向的大数据与人工智能技术产品，从解决工业实际应用问题、发挥数据智能实际应用价值的角度，帮助工业领域客户，在“供”、“研”、“产”、“销”链路上实现数字化的全面快速转型，从产品、产线到产业链全方位的升级。
雪浪数制创始团队来自阿里云、百度、微软、ABB、西门子等国内外顶尖互联网及自动化公司，拥有云计算及大数据、机器学习等自主研发的核心技术、产品与丰富的制造业应用经验，向工业企业、制造业提供优质的服务，助力我国加快建设制造强国，加快发展先进制造业。
举报/反馈
0
0
收藏
分享
