技术博客

汽车制造效率提升：AI驱动的数控机床维护

背景与客户需求 在节奏快速的汽车制造行业中，精度和效率至关重要。最近，一家专注于移动技术、电气化和自动驾驶解决方案的全球汽车供应商与 Techman Robot 合作，解决了其工厂车间的关键瓶颈。目标明确：无缝自动化其数控机械的轴和齿轮装卸，同时确保严格的质量控制。 挑战 客户需要一个可靠、自动化的机械照料解决方案，同时处理原始工件和成品工件。然而，实际制造环境存在若干复杂的技术难题：· 无结构存储：工件被深深存放在堆叠的钢箱内，这使得传统自动化系统难以准确定位和拾取工件。· 恶劣的光学环境：金属轴和齿轮表面通常会附着切削油，导致表面反光度极高，很容易干扰传统视觉系统的识别。· 工艺验证：自动化系统需要具备识别判断能力，能够精准区分未加工工件与已完成 CNC 加工的工件，以避免造成高昂代价的加工失误。 解决方案 为克服这些障碍，客户部署了 TM AI 协同机器人，利用我们原生集成的视觉系统和先进的 AI 能力，实现了整个数控装卸流程的自动化。 本方案的关键实施内容包括：· 高级深度感知：通过内置的 EIH （手眼）二维视觉与距离传感器，协同机器人即使在堆叠钢箱的复杂空间内也能准确导航和定位工件。· 强大的 AI 物体检测：协同机器人利用 AI 驱动的物体检测，确保精确定位和抓取。该技术完全克服了高反射率和重油污染引起的视觉干扰。· 智能 AI 分类：我们部署了 AI 分类模型，能够即时将零件分为"未加工"或"加工"。这确保只有正确的原材料被装入， CNC 机床，成为自动化的质量守门人。 结果与益处 通过实施这一智能协同机器人解决方案，汽车供应商成功升级了生产线。 TM AI 协作机器人不仅实现了机床上下料这类重复性体力作业的自动化，还能提供AI 驱动的智能检测功能，确保工件加工流程准确无误。 截至2024年，已有超过100台设备成功部署于该具体应用，这一案例研究有力的证明了将 AI 视觉与协作机器人结合，能够解决现实世界的重型制造挑战。

4万美元优势：通过原生AI愿景重新定义全球制造投资回报率

 在当今动荡的全球市场中，自动化已不再是可选项——它是国际生产设施的生存机制。然而，随着制造商规模扩大，许多制造商陷入了协作机器人集成的"隐性成本陷阱"。虽然基础协同机器人价格仍有竞争力，但传统愿景的碎片化——需要外部硬件和专业劳动力——正在人为抬高总拥有成本（ TCO )，拖延投资回报率。 标准 Cobot 中的隐藏瓶颈       · 硬件碎片化：第三方摄像头和 IPC 会带来兼容性风险并增加维护负担。       · 工程成本不断上涨：依赖稀缺且高成本的专业劳动力来进行不同地区的手眼校准。       · 僵化的软件生态系统：昂贵的持续授权，针对不懂机器人语言的视觉平台。       · 生产停机时间：换线时手动重新校准会影响全局 OEE 。  "我们试图将复杂的人工智能视觉整合进标准协同机器人，效率损失太大了。我想要一个一体化解决方案：快速切换，零集成麻烦，且只需与一个供应商打交道。" ——电子制造服务（ EMS ）提供商 Techman Robot 通过内置 AI 视野消除了集成瓶颈 echman Robot 将模式从碎片化集成项目转变为即时、智能部署。了解我们内置的视觉系统如何为您节省每站超过4万美元，相比传统的"盲人"协同机器人安装。     

消除手动校准：AMR的无缝拾放复制

背景与客户需求 在自主移动机器人（ AMR ）与机械臂集成的应用中，系统通常使用 TM 地标安装在多层材料架（ E-Rack ）每个槽位上作为定位基准。工程师以这些地标为基础，教机械臂如何精确地挑选和放置材料（ FOUP )到每个槽位。理想情况下，一旦为一个槽位学会了挑选和放置动作，它应适用于机架上的所有其他槽位。 挑战 现实往往更为复杂。当机械臂移动到不同位置时，它本质上会产生非线性误差。此外，每个槽位上的地标在实际位置或倾斜角度上很少能百分之百一致。 这些微小的偏差导致机械臂移动到指定位置时产生物理偏移。在严重情况下，这可能导致碰撞或干扰。为了弥补这些错误，系统集成商此前必须手动微调每一个槽口——这一过程极其耗时且劳动强度高。 解决方案 Techman Robot 推出了一款巧妙的智能克隆工作流程解决方案。工程师们不再手动微调，而是引入了带有 Landmark 标志的专用夹具。工程师只需教机械臂一次"完美"的夹具选点。随后，机械臂通过其内置智能视觉，同时采集原工位的Landmark特征点与夹具的 Landmark 特征点图像。系统会自动计算两者之间的相对关系，使拾取和放置坐标能够无缝地从夹具转移到下一个槽位，无需手动重新教学。  结果与益处 该方案控制选置误差在±1毫米的精确范围内，同时显著降低时间成本。假设工厂有100个槽位：传统的手动调谐每个槽位需要10 钟，总计1000分钟。采用智能克隆工作流程，初始教学仅需10分钟，剩余99个教学时段每个只需1分钟即可完成视觉识别。总部署时间从1000分钟缩短到仅110分钟——时间减少了90%，同时大幅降低了人为错误的风险。 结论 智能克隆工作流程成功取代了过去繁重的人工调试。面对同一站点多个时隙的复杂任务时，企业终于可以轻松实现快速动作复制和精准部署。 

利用 AI 缺陷检测实现安全气囊纱线质检自动化

背景与客户需求 作为线卷行业的领先制造商，以其在工业、体育和渔业领域的多样化应用而闻名，已启动一项战略项目，以提升其安全气囊纱线生产的质量控制。其主要目标是升级检验流程，以满足汽车零部件所需的严格安全标准。 挑战 检查线卷呈现出独特的视觉复杂性，使传统规则化视野变得困难：· 各种缺陷类型："模糊"缺陷的形态变化显著，需要一个灵活的检测系统，能够学习多种缺陷形式。· 高视觉噪点：缠绕纱线的质地会形成嘈杂的背景。如果没有先进的加工，标准视觉系统很容易将普通的纱线绕制与实际缺陷混淆。· 景深与对焦：由于相机检查圆柱形滚筒的侧面，曲率边缘的缺陷常常显得模糊或失焦，可能导致遗漏检测。· 模糊标签：人工标注者与人工智能预测缺陷的精确区域存在差异，使得建立"完美"的真实性变得困难。 解决方案 为应对这些挑战，建立了利用 Techman Robot 的 Al 能力与高端视觉硬件整合的概念验证。检查设置包括：· 视觉硬件：一台Basler acA2500-14GM相机，搭配 OPTART 25mm定焦镜头和 CCS LDR2-50SW2-JD 光源。 · 配置：该系统设置了30厘米的物体距离，捕捉纱卷侧面的图像。· 机制策略：为解决滚筒曲率引起的对焦问题，评估结论认为需要旋转机构将缺陷引入焦平面以便准确检测。  人工智能模型训练该项目利用 TM AI +（版本2.22.1700）创建了一个稳健的缺陷检测模型。· 数据集组成：模型在98张图像上训练，捕捉各种缺陷形状，其中17张留作测试用。· 标签：团队对数据集中的缺陷（ NG ）进行了注释。初始培训包含59个标记实例。· 持续改进：由于缺陷表现差异很大，验证损失最初难以最小化，团队将"自动 AI 训练"视为自动收集阴性样本并加强模型防范误报的关键功能。结果与益处 在 TM 实验室环境中的评估展示了 AI 解决方案的可行性· 有效检测： TM AI 系统成功检测到受控实验室环境中的缺陷。· 处理误报：尽管纱线质地嘈杂， AI 仍能区分纱线绕线和实际毛丝缺陷。·明确机械技术要求：测试显示静态成像会导致因模糊而漏检（一组测试中59个标签中有3个漏掉）。分析确认，实施轮换机制确保缺陷集中可解决这些失误。· 通过自动 AI 实现可扩展性：为了处理"无限"的模糊形状，团队建议实施自动 AI 训练，持续优化模型，减少人类与 AI 判断之间的歧义。结论此次客户评估证明，人工智能检测能够克服在安全气囊纱线等复杂纹理上发现细微缺陷的困难。虽然光线和对焦等环境因素至关重要，但 TM AI ＋训练器与合理的机械设计相结合，确保了可靠的自动化质量控制流程。通过采用自动 AI 训练，系统具备未来适应性，能够适应新的缺陷变化，确保长期的一致性和质量。

AI Vision Cobot解决7公斤铝锭搬运难题

背景与客户 需求背景：一家国际知名摩托车制造商在铸造过程中的原材料搬运环节面临重大挑战。该系列需要加工叠加21层铝锭，每根长锭重达7公斤。客户急需一种集成机械臂和人工智能视觉的自动化解决方案，以取代人工劳动，旨在解决高昂的人工成本并提高定位精度。 挑战 · 劳动强度与伤害风险：重复搬运7公斤负重和持续弯曲带来严重的职业伤害风险，且劳动力短缺加剧。· 视场（ FOV ）限制：由于锭的长度较长，标准相机镜头无法在近距离单帧内捕捉整个物体。· 复杂堆叠：锭以交替方式叠放于21层，带有反射面，使得传统视觉系统难以进行深度和位置检测。· 成本限制：客户寻求一种成本效益高的3D摄像机系统替代方案。解决方案 我们部署了一款高性能 AI 愿景解决方案，利用软件能力克服硬件限制：· AI 实例分割（2D叠3D):我们采用了 AI 实例分割技术，取代了昂贵的3D摄像机。通过深度学习，系统能够利用标准二维成像准确识别堆叠锭的轮廓和层次，显著降低硬件成本。· 专有定位算法：为解决视场限制，我们开发了一种专门算法，分别检测长锭的"顶部"和"底部"两端。系统随后自动计算中心坐标，确保机械臂精准地抓住重心。  结果与益处 · 提高生产力：一只机械臂现在支撑着覆盖四个托盘的工作区，实现每小时100个锭的处理速率。· 成本效益高的部署：通过以先进的人工智能算法替代昂贵的硬件设备，客户在设备投资方面实现了大幅成本节约。· 零伤害工作场所：自动化已完全取代重载，消除了长期弯曲和承重导致的职业伤害风险，为员工创造了更安全的环境。 结论 本案例研究展示了先进人工智能软件如何有效克服物理硬件的限制。通过精准的算法和经济高效的二维视觉解决方案，我们不仅解决了铝锭处理的复杂难题，还帮助客户在铸造过程中实现生产效率和工作安全两面俱全。 

发货前通过AI检测提升服务器质量

背景与客户需求 我们的客户是一家台湾知名电子制造商，专注于大批量服务器生产。在发货前的最后阶段，每个单元都必须进行目视检查，以确认关键部件的存在、位置和状况——如连接器、扎带、帽、电池、电缆布线、固态硬盘和螺丝。此前，这一过程高度依赖人工检查，不仅耗时且因工人疲劳而不稳定。服务器配置日益复杂，进一步加剧了未被发现缺陷、质量差异和昂贵重做的风险。客户需要一个可靠且可扩展的检查系统，能够： · 在多种组件类型中进行一致的视觉检查 · 减少人为错误和检查时间 · 交付前确保质量稳定 挑战尽管有标准作业程序（ SOP )，人工检查过程仍面临以下关键挑战： · 疲劳相关错误：人工检查员经常会忽略细微的问题，尤其是在长时间班次中。 · 缺乏一致性：不同操作人员的判定标准存在差异，影响了品质稳定性。 · 不可追踪的过程：当时没有系统化的方法来记录或追踪检查结果。 · 组件的复杂性：各种零件和配置使得目视检查难以标准化。这些问题凸显了引入自动化解决方案的必要性，以确保可重复的高精度，并减少对人工的依赖。 解决方案 为提升检测性能，制造商采用 TM AI Cobot 实现了机器人臂解决方案，该机器人集成了内置视觉系统，并配备了强大的软件TM AI + Trainer 。检查流程： · 该 AI 模型使用标记为" OK "和" NG "的图像数据集进行训练，基于多个服务器组件样本。 · 在捕捉服务器图像后， AI 模型会对每个区域（如连接器、电池、扎带）进行分类，以判断该部件是否存在、正确或异常。  · 如果检测到异常（ NG )，系统会立即标记该单元并将其从线路中移除以便进一步处理。 关键检查目标：  · 连接器、电容和电缆扎带检测 · 电池存在与电缆布线 · SSD 和螺丝存在验证人工智能模型训练  · 使用的人工智能功能：分类 · 数据来源：直接从制作现场拍摄的标签图像  · 训练方法：标准监督训练，使用分类图像集结果与益处 · 并行多点检测：同时检测多个部件，缩短了循环时间 · 更高一致性： AI 无论班次或操作员如何，都提供统一的检查判断 · 提升可追溯性：所有检查结果均以数字方式记录，用于跟踪和质量保证分析 · 减少重工和售后风险：只有合格的服务器才能继续发货结论 借助 TM AI Cobot 作为自动化检测解决方案，客户成功用可靠的 AI 驱动系统取代了耗时的人工检查。这不仅提升了检验效率和可追溯性，也确保了最终阶段产品质量的提升，进一步彰显了企业在服务器制造领域的卓越实力与可靠信誉。

通过 AI 视觉检测强化塑料上盖密封，提升食品包装安全性

背景与客户需求 作为日本冷藏和冷冻食品制造业的重要参与者，生产各种即食沙拉。包装过程中的一个关键环节是顶封，确保没有食品物质被卡在封口中，这对于食品安全、新鲜度和卫生标准的合规至关重要。客户面临食品材料偶尔卡在密封区的问题。这带来了泄漏、污染和客户不满的风险。他们需要一个可靠的检查系统，能够：· 检测沙拉包装密封边缘是否有食物侵入· 尽量减少目视检查中的人为错误· 适应不同形态和颜色的食品材料· 保持不干扰，保持生产效率挑战 尽管已有目视检查程序，但仍出现了几个痛点：· 人为限制：人工检测结果不稳定，尤其在员工疲劳或产能高峰时段更为明显。· 假阴性：透明食品材料，如洋葱，难以通过目视检测。· 可追溯性问题：没有系统核实每个封条是否经过妥善检查和记录。这些问题凸显了对人工智能驱动的视觉检测系统的需求，该系统能够在不拖慢运营速度的情况下自动检测缺陷。解决方案为解决这些问题，东胜食品推出了基于 Techman Robot 的协作机器人的 AI 检测系统，配备内置视觉系统。解决方案包括：· 安装在输送带上方的摄像头，捕捉每包密封沙拉的高分辨率图像· 一个训练用于检测外来材料（例如封条中被困成分）的 AI 分类模型图像捕获后， AI 模型即时评估沙拉是否有任何部分侵入密封区。如果检测到，系统会将包裹标记为 NG ，从而立即从线路中移除。  人工智能模型训练 · AI 功能所用：分类 · 数据集组成：OK 图片：制造商拍摄的足够干净（没有食物卡住） NG 图片：被封顶封锁中困住的食物材料示例  · 准备方法：将每张图像裁剪成四个封边以便针对性训练 结果与益处 · 减少人力依赖：自动化减少了与疲劳相关的错误，并确保了各班次的检查一致性。· 实时分拣：天然气产品被立即标记并从生产流程中移除。· 检测准确性提升：即使是透明物品如洋葱，检测的一致性也高于人工检查。· 可扩展性：同样基于人工智能的逻辑，未来可应用于类似的食品包装场景。 结论 Toukatsu Foods 的这次成功实施，展示了 AI 和协同机器人如何改变食品制造的质量保证。通过自动化检测密封缺陷，公司不仅确保了消费者安全，还简化了检验流程了智能自动化在食品行业中的价值。 

通过AI螺丝检测提升扬声器组装质量控制

背景与客户需求 我们的客户专注于制造高质量音响系统。在他们的扬声器装配线中——涵盖8英寸、12英寸和15英寸型号——确保每颗螺丝牢固固定，对结构完整性和音质表现至关重要。然而，手工组装过程偶尔会导致螺丝缺失，导致客户投诉、昂贵的复工以及对品牌声誉产生潜在的影响。客户在寻找一种能够：· 消除因人为疏忽导致的螺丝固定错误· 提供实时质量保证，同时不拖慢生产线· 能够快速培训并部署以应对不同音箱型号挑战 尽管有明确的标准操作程序，他们在生产现场仍面临若干关键挑战：· 人为错误：人工检查不一致且容易被忽视，尤其是在大批量生产期间。· 缺乏可追溯性：很难实时追踪每颗螺丝是否正确固定。· 型号差异：不同扬声器尺寸（8英寸、12英寸和15英寸）螺丝位置和数量的差异使得一刀切的检测方法变得不切实际。这些挑战凸显了对强大自动化检测系统的紧迫需求，该系统能够以最短的安装时间保证100％的紧固件验证。解决方案 为解决这一问题，扬声器制造商采用了 TM AI Cobot 自动化螺丝固定和 AI 检测功能。该解决方案结合了工业愿景与人工智能，能够自动验证组装过程中螺丝是否完全固定。检查流程从安装在装配线上方的 Basler 相机开始，提供扬声器的天线视角。该相机与协作机器人（ cobot )集成，螺丝固定后，协作机器人启动 Basler 相机拍摄图像。图像通过 AI 模型进行分析，该模型能检测并标记任何缺失或未正确固定的螺丝，如果发现不符合标准( NG ）产品，会自动触发警报通知操作员。   人工智能模型训练 1. 训练时间：大约3分钟2. 使用的人工智能功能：人工智能分类3. 数据集大小：100张正常图片，67张 NG 图片OK 产品：通过检查后进入下一生产阶段 国民警卫队产品：标记为重做，防止有缺陷单位继续推进结果与益处 ·  最小化人为错误·  实时警报与自动验证·  高精度的快速 AI 模型训练有了协同机器人解决方案，我们的客户显著减少了因缺螺丝而导致的客户投诉和重修。该方案既保证产品质量，又简化了检测流程。 

基于协作机器人的 PCBA 涂胶自动化检测

背景与客户需求 在电子制造中，确保在 PCBA 进入焊接机前精确分配胶水对产品质量至关重要。客户需要自动化检测系统来验证胶水涂抹的准确性，因为配药缺陷可能导致产品失效。胶水从分配机喷出后，可能会出现不完全的涂抹、泄漏或与视频存储器元件的意外接触等问题，需要检查。此前，检查依赖人工监控，容易造成人力疲劳，不一致以及缺乏可追溯的检查数据。挑战 人工检查的限制：操作员需要持续监控流程，增加了疲劳和误判的风险。 高人员流动率：不同检查员采用不同标准，使标准化变得困难。 缺乏可追溯性：人工检查无法实现图像存储或数据跟踪，增加了生产管理的复杂性， 解决方案与关键技术Techman Robot 的协同机器人臂提供了自动化检测解决方案，集成了先进的视觉和A1分类技术，确保胶水涂抹的精确检测。有效解决上述缺点，实现自动化工作流程。1. 成像与检测 TM AI Cobot 被部署用于检测 PCB 上的胶水应用，然后再进行焊接机工艺 协作机器人机械臂检测正确和错误的涂装，区分“OK”（胶水正确涂抹）和 “NG ”（胶水缺失或丢失） 所有图像和检验结果均被记录在数据库中，以便可追溯和优化工艺2. 人工智能模型训练 训练时间：约10分钟AI 功能使用的： AI 分类数据集大小：130正常图片，80NG图片          ·   OK Products ：通过检验，进入下一生产阶段          ·   NG 产品：标记为重做，防止故障单元在过程中推进3. 性能 检查速度：108项目视任务仅用30秒完成，显著提升效率。 实现了99.9％的检测准确率 误报率低于0.1% 过度杀伤率低于0.1% 应用场景·  PCBA 进入焊接机前的自动胶水分配验证 ·  识别缺失或错放的胶水，以防止产品缺陷 ·  实时检测，自动数据收集以实现质量控制  优点 1. 提升的准确性和一致性 通过自动化检查流程消除了人为错误。 AI 分类准确率达到99.9%，确保产品无缺陷。2. 提高效率 全自动检查减少了对人工操作员的依赖。 处理时间大幅缩短，提高了生产速度。3. 提升可追溯性 AI 驱动的检测系统存储所有测试结果和图像以进行质量管理。 条码读取和序列号跟踪实现了高效的生产监控。结论协作机器人通过集成智能自动化、 AI 驱动分类和先进视觉技术，成功改变了 PCBA 胶水分配检测。该解决方案不仅提升了准确性和效率，还提供了宝贵的可追溯性数据，确保更高的制造标准和更低的运营成本。此案凸显了制造商如何利用人工智能优化生产线并保持卓越的质量控制。