Innovativ ytavsyning med multispektral teknik och artificiell intelligens (YTFEL 2)

Med Industri 4.0 har begreppet Zero-Defect Manufacturing (ZDM) blivit ett fokusområde för process- och tillverkningsindustrin med målet att förbättra processeffektiviteten och produktkvalitén genom att minimera, eliminera eller kompensera defekter och processfel. Projektet YTFEL 2 möter denna efterfrågan genom att utveckla och utvärdera ett kamerasystem tillsammans med AI-teknologin för detektering och klassificering av ytdefekter från ett industriperspektiv.

Förväntade effekter och resultat

Ytfel är en vanlig orsak till att delar av varmvalsade produkter (stång, tråd, band etc.) behöver skrotas eller klassas ned. Trots att man har kunskap om vilka feltyper som uppstår på de olika produkterna är det svårt att identifiera orsaken på grund av ytfelens och processens komplexitet. YTFEL 2, som är en fortsättning på två tidigare parallella projekt, ska gå vidare med att utveckla och implementera en kamerabaserad teknik som automatiskt kan fotografera, detektera, identifiera och klassificera ytfel on-line.

Ytfel är en prioriterad fråga hos de medverkande företagen och de arbetar kontinuerligt med att förbättra produkters och processers kvalitet. Övervakning av produktkvalitet med hjälp av kameror tillsammans med AI i en industriell process kommer ge en unik möjlighet till direkt återkoppling och möjlighet till korrigering av produktionsparametrar och skulle på så sätt vara ett kraftfullt verktyg i förbättringsprocessen.

Vid en lyckad implementering av ett automatiskt ytavsyningssystem med efterföljande eliminering av ytfel erhålls stora besparingar vilket bidrar till att svensk metallindustri ska kunna, tillverka kvalitetssäkrade nischmaterial till konkurrenskraftig kostnad.

Planerat upplägg och utförande

Projektet är uppdelat i fem arbetspaket.

AP1: Definition

AP2: Design och utveckling

AP3: Industriförsök och materialtester

AP4: Analys och processutveckling

AP5: Rapportering och möten

 

Koordinator: Swerim

Projektets löptid: 2022–2025

Förstudieprojektet YTFEL