基于人工智能技術的沖壓件質量檢測及工藝優化

“物理世界”（以制造業設備為代表）和“數字世界”（由人工智能、傳感器等技術代表）的碰撞催生了制造業的巨大的轉變，兩個世界的融合將為下一輪經濟發展注入新的動能。以人工智能為代表的新技術正在對生產流程、生產模式和供應鏈體系等生產運營過程產生巨大影響。人工智能技術在制造過程診斷中的應用價值正逐漸凸顯，尤其是在沖壓件質量檢測及工藝優化方面正發揮著人工無法比擬的優勢。簡言之，人工智能相關技術可代替人眼去完成沖壓件的識別、測量、定位、判斷等功能，不僅如此人工智能還具有“學習”能力，可通過樣本積累與模型訓練調優，準確預測沖壓件開裂風險，從而實現沖壓產品質量的精確控制和優化提升。以下為人工智能技術在汽車制造沖壓車間的應用案例。

項目背景

在機械制造中,沖壓成形作為非常重要的塑性加工方法,廣泛應用于汽車、航空航天、電器等工業領域。眾所周知，汽車車身的大部分覆蓋件和結構件均為薄板沖壓件，沖壓工藝水平與沖壓質量的高低對汽車制造企業至關重要。

某汽車制造企業生產基地的沖壓車間建有三條沖壓生產線，主要生產側圍、翼子板、車門、引擎蓋等輪廓尺寸較大且具有空間曲面形狀的乘用車車身覆蓋件。在沖壓生產過程中，部分側圍在拉伸工序中易產生局部開裂現象，需反復進行參數調整與試制；在生產線線尾，需配備大量質檢人員進行沖壓件表面缺陷人工檢測。

問題與挑戰

1.沖壓產線線尾現有檢測方式為人工手動檢測，需要在有限生產節拍時間內，快速分揀出帶有開裂、刮傷、滑移線、凹凸包等表面缺陷的沖壓件，檢測標準不統一、穩定性不高、質檢數據難以有效量化和存儲，不利于企業數據資源收集、質量問題分析與追溯。

2.在沖壓生產試制過程中，影響側圍在拉伸工序中產生局部開裂的因素眾多，如設備參數、模具狀態、板材性能等，調整參數與反復試制的方法，具有一定的盲目性，成本大、效率低。

3.影響因素多、數據形式差異大，且分布在車間不同業務系統中，既有設備實時數據，又有非結構化的圖像數據，對數據采集、管理與存儲的要求極高。

解決方案

基于上述情況，美林數據為企業構建大數據平臺，實現對工廠沖壓車間的設備、模具、材料、制造過程數據、質檢數據的集成、存儲與統一管控，并借助基于機器學習的數據挖掘、基于機器視覺的智能檢測技術，實現對側圍沖壓開裂的預測與產品件表面缺陷的智能識別。

◎依據沖壓設備加工參數、板材參數、模具性能參數及維修記錄等，通過數據挖掘機器學習算法，建立沖壓工藝智能預測模型。通過樣本積累與模型訓練調優，準確預測沖壓件開裂風險。最后，確定制造過程影響因素間的相關性，制定生產過程參數組合控制策略，為沖壓制造過程工藝優化和質量把控提供支持。

◎基于機器視覺的沖壓件缺陷智能識別檢測，立足生產線現有條件，設計圖像采集系統，通過圖像實時采集與智能分析，快速識別沖壓件是否存在表面缺陷，并自動將所有檢測圖像及過程處理數據存儲至大數據平臺。通過質檢數據、生產過程工藝參數、產品設計參數間的關聯，借助大數據分析技術，形成沖壓產品質量問題分析管理的閉環連接，實現沖壓產品質量的精確控制和優化提升。

應用價值

1.通過預測沖壓件開裂風險，提升企業新車型沖壓件加工參數設計效率，減少試制次數和試制成本。

2.通過快速智能檢測沖壓件表面缺陷，提高生產線檢測的穩定性、可靠性，降低質檢工人勞動強度和人工成本。同時，產品質檢數據被有效存儲，為實現質量閉環分析與追溯提供重要數據支持。

3.為企業的智能制造轉型推進探索出一條切實可行的示范道路，并為工業大數據、人工智能等技術在同行企業中的推廣與應用積累了寶貴經驗。

適用行業

汽車制造、航空航天、家電生產等具有沖壓、噴涂工藝，且對產品表面質量要求較高的行業。