Intelligenza artificiale nella tecnologia a raggi X

ZADD Segmentation

Analisi dei difetti basata sull’intelligenza artificiale per la tomografia computerizzata

L’app ZADD Segmentation rileva in modo affidabile e rapido difetti piccoli e sfocati nei componenti, anche con immagini di scarsa qualità. A questo scopo, il software basato sull’apprendimento automatico si affida all’intelligenza artificiale. I difetti e le anomalie vengono rilevati, segmentati e valutati utilizzando l’intelligenza artificiale per l’analisi dei dati CT. ZADD supporta quindi le tue applicazioni X-Ray nello sviluppo dei componenti, nell’ottimizzazione dei processi e nell’analisi dei guasti. ZADD, acronimo di ZEISS Automated Defect Detection, è un’applicazione opzionale per il nostro software di analisi CT standard ZEISS INSPECT X-Ray.

Risparmio di tempo con l’IA
- Riduci al minimo lo sforzo di analisi
- Rilevamento affidabile e rapido degli errori
Risultati solidi & chiara reportistica
- Risultati affidabili, anche se la qualità delle immagini non è perfetta
- Adatto per materiali misti e densi
Facile valutazione dei difetti
- Ottimizzazione personalizzata dell’analisi dei difetti
- Semplice valutazione e riconoscimento dei pezzi di scarto

ZEISS Automated Defect Detection

Software IA per le tue aree di applicazione

L’immagine mostra un componente che può essere analizzato per individuare eventuali difetti grazie all’intelligenza artificiale della CT.

Rilevare in modo affidabile i difetti dei componenti

Durante il complesso processo di produzione dei componenti possono verificarsi diversi difetti. Soprattutto all’interno, non sono visibili a occhio nudo e possono avere un impatto notevole sulla stabilità e sulla funzionalità del componente. L’intelligenza artificiale combinata con la tomografia computerizzata industriale rende visibili precocemente queste aree problematiche nascoste. Il software ZEISS Automated Defect Detection è specializzato nel rilevamento di diversi difetti, in modo che anche su immagini di scarsa qualità con molti artefatti, i difetti possano essere rilevati in modo rapido e affidabile.

L’immagine mostra le prestazioni di un’analisi in linea completata in soli 60 secondi utilizzando l’intelligenza artificiale della CT.

Identifica e seleziona gli scarti in uno stadio iniziale

Per poter individuare tempestivamente i componenti difettosi in una catena del valore, i dati 3D devono essere valutati in modo affidabile e rapido. Grazie a ZADD, i componenti con difetti critici sono facilmente riconoscibili e possono essere smistati con precisione o, se possibile, rilavorati. I componenti buoni, invece, passano indenni attraverso l’ulteriore processo di lavorazione. Il risultato: un tasso di scarto inferiore e un’elevata qualità dei componenti. In questo modo, è possibile ottenere un aumento costante dell’efficienza e la massima affidabilità di processo con l’IA della CT.

  
      Come funziona la ZADD Segmentation
      
    Parte di buona qualità o parte di scarsa qualità? ZEISS Automated Defect Detection (ZADD) supporta questa decisione con l’intelligenza artificiale. Completa la tua valutazione con l’applicazione ZADD Segmentation per ZEISS INSPECT X-Ray. Guarda questo video per vedere come funziona.

Contenuto di parti terze bloccato

Il lettore video è bloccato in base alle preferenze di tracciamento impostate. Per cambiare le impostazioni e riprodurre il video, fare clic sul pulsante qui sotto e acconsentire all'uso delle tecnologie di tracciamento "funzionali".

Si noti che il nostro software si chiama ora ZEISS INSPECT X-Ray

Flusso di lavoro

Acquisizione dei dati

Utilizza il nostro portafoglio CT per l’acquisizione dei dati, ad esempio la serie ZEISS VoluMax 9 titan ad alta potenza o la serie ZEISS METROTOM ad alta precisione per misurazioni di tomografia computerizzata all’avanguardia
Oppure importa i dati acquisiti da un altro sistema CT in ZEISS INSPECT X-Ray per la valutazione.
Segmentazione

Individua le aree difettose nei dati acquisiti utilizzando il Deep Machine Learning (ML) con la ZADD Segmentation
Particolarmente adatto per l’analisi dei difetti con dati volumetrici non ottimali (ad esempio, a causa di rumore, risoluzione grossolana o artefatti)
Impara dagli esempi, non è necessaria una complicata messa a punto dei parametri
Utilizza modelli di ML pre-addestrati per iniziare rapidamente a lavorare
Creare regioni di interesse (ROI) per valutazioni ottimizzate nel tempo
Analisi

Visualizzazione dei dati con potenti strumenti in 3D e 2D
Determinare le metriche per i difetti rilevati, come diametro, volume o sfericità
Crea filtri per selezionare i difetti con una proprietà superiore o inferiore a una determinata soglia
Utilizzo di valutazioni complesse come P202, P203, porosità o distanza dalla superficie
Reportistica e statistiche

Valutazione nei rapporti di misura illustrativi
Facile trasferimento dei rapporti di misura in formato PDF
L’archiviazione dei dati consente il tracking a lungo termine
Funzioni avanzate di valutazione e statistica con ZEISS PiWeb Reporting Plus
Il controllo statistico del processo consente di riconoscere le correlazioni e le ottimizzazioni del processo

Modelli pre-addestrati per applicazioni specifiche

Quando si utilizza l’app ZADD Segmentation in ZEISS INSPECT X-Ray, è possibile beneficiare dei nostri modelli di apprendimento automatico pre-addestrati. Utilizza una delle tre opzioni disponibili per le pressofusioni in lega, l’analisi di hairpin o l’elettronica.

Lega

Analisi IA di difetti nascosti in pressofusioni di leghe

Hairpin

Analisi di hairpin automatizzata per applicazioni di azionamento elettrico

Settore elettronico

Analisi dei giunti a saldare semplificata in elettronica

Esempi di difetti di pressofusione tipici che ZADD può trovare

Pori

Un poro è una cavità sferica o ellissoidale con pareti prevalentemente lisce all’interno del componente. A seconda della loro origine, possono contenere aria, vapore, idrogeno o altri gas (ad esempio provenienti da lubrificanti). Spesso si verificano negli strati superiori della colata, ma in aree poco evacuate o in sottosquadri possono essere distribuiti all’interno dell’intera colata.
Ciclo di misura a freddo / giunto freddo

Il ciclo di misura a freddo avviene preferibilmente su superfici piane con uno spessore relativamente basso. Questo può portare a una separazione della coesione, lasciando buchi, aree non esaurite, ma anche bordi arrotondati e sovrapposizioni. Nella pressofusione, il ciclo di misura a freddo può essere osservata su lastre di superficie molto fini e sottili.
Microporosità

La microporosità può essere intesa come un accumulo di piccoli fori di restringimento (micro-restringimento/restringimento interdendritico), che possono creare catene e portare a perdite. Questa porosità appare in una CT a bassa risoluzione come aree spongiose.
Spostamento della parete

Se, ad esempio, si verificano difetti nel posizionamento dell’anima nello stampo prima della pressofusione o se le anime si spostano durante il processo di colata, le geometrie della colata non corrispondono più al modello CAD.
Trucioli

Durante la lavorazione grossolana del componente (ad es. taglio a sega sull’alimentatore), si producono trucioli di alluminio che possono cadere nel componente. Allo stesso modo, piccole sporgenze (piume) possono staccarsi durante l’asportazione e rimanere nel componente. Questi residui di alluminio possono causare difetti nel sistema di raffreddamento, ad esempio durante il funzionamento successivo.
Inclusioni

Le inclusioni sono impurità parzialmente o completamente incorporate nel componente fuso, solitamente più dense del materiale di base. Sono causati, ad esempio, da corpi estranei nello stampo di colata o da materiale di colata contaminato.

L’intelligenza artificiale è onnipresente. La guida autonoma è solo uno dei tanti esempi di applicazione dell’IA. L’intelligenza artificiale è un tema che riguarda anche l’industria e quindi la tomografia computerizzata e sta diventando sempre più significativo. Questo perché consente di effettuare analisi dei difetti in modo ancora più affidabile, preciso e rapido. Nell’industria, un difetto è spesso localizzato all’interno di un componente. Un processo di ispezione ottica per il controllo qualità non è più sufficiente perché non fornisce alcuna indicazione sui difetti interni. L’analisi a raggi X consente di osservare da vicino l’interno di un componente e può quindi rilevare i difetti in una fase precoce. Utilizzando l’intelligenza artificiale nell’analisi CT, si realizza un’analisi parzialmente automatizzata dei difetti.

Spiegazione dei termini:

In relazione all’IA e alla CT, vengono spesso utilizzati i termini IA Defect Detection o AI Anomaly Detection. IA sta per Intelligenza Artificiale e Defect Detection o Anomaly Detection significa rilevamento di difetti o anomalie. L’aggiunta di “NDT” chiarisce che l’IA lavora in modo non distruttivo, perché NDT sta per test non distruttivi.
L’intelligenza artificiale è una tendenza dell’automazione. I requisiti di processo diventano sempre più stringenti e, anche in ambienti di misura difficili, la valutazione delle immagini e l’analisi dei difetti devono funzionare in modo rapido e affidabile. Ciò è particolarmente vero per i componenti rilevanti per la sicurezza, ad esempio nell’industria automobilistica o aerospaziale. Per aumentare la qualità eseguendo più rapidamente le analisi dei difetti e offrendo allo stesso tempo un’elevata affidabilità del processo, l’intelligenza artificiale viene utilizzata per la lettura delle scansioni CT. Il rilevamento dei difetti con l’intelligenza artificiale elimina la necessità di regolare manualmente i parametri, evitando così decisioni soggettive nel rilevamento dei difetti.

ZEISS Automated Defect Detection è particolarmente utile quando i dati di volume sono influenzati da materiali troppo densi o da tempi di scansione ridotti. Mentre gli artefatti e il rumore nelle immagini causano solitamente rilevamenti errati, il software non è influenzato da questi effetti.

Questi settori beneficiano dell’IA con ZEISS Automated Defect Detection

Tecnologia medica

Settore elettronico

Veicoli a propulsione alternativa (NEV)

Prototipazione rapida

Tecnologie a raggi x per la pressofusione di metalli leggeri

Contattaci per una demo personale

Il nostro servizio ti accompagnerà fin dall’inizio, sia che si tratti di selezionare il modello di ML giusto, sia che si tratti di sviluppare una soluzione appositamente addestrata. Ti supportiamo nel funzionamento, nell’ottimizzazione e nella valutazione delle prestazioni del sistema e risolviamo i tuoi compiti di analisi individuali in molti casi.

Caricamento del modulo in corso...

Per ulteriori informazioni sul trattamento dei dati presso ZEISS, consulta la nostra informativa sulla privacy.

ZADD Segmentation

Analisi dei difetti basata sull’intelligenza artificiale per la tomografia computerizzata

I tuoi vantaggi con la segmentazione ZADD in sintesi

Risparmio di tempo con l’IA

Risultati solidi & chiara reportistica

Facile valutazione dei difetti

ZEISS Automated Defect Detection

Software IA per le tue aree di applicazione

Rilevare in modo affidabile i difetti dei componenti

Identifica e seleziona gli scarti in uno stadio iniziale

Come funziona la ZADD Segmentation

Parte di buona qualità o parte di scarsa qualità? ZEISS Automated Defect Detection (ZADD) supporta questa decisione con l’intelligenza artificiale. Completa la tua valutazione con l’applicazione ZADD Segmentation per ZEISS INSPECT X-Ray. Guarda questo video per vedere come funziona.

Flusso di lavoro

Acquisizione dei dati

Segmentazione

Analisi

Reportistica e statistiche

Modelli pre-addestrati per applicazioni specifiche

Quando si utilizza l’app ZADD Segmentation in ZEISS INSPECT X-Ray, è possibile beneficiare dei nostri modelli di apprendimento automatico pre-addestrati. Utilizza una delle tre opzioni disponibili per le pressofusioni in lega, l’analisi di hairpin o l’elettronica.