Inteligentna technika pomiarowa w inspekcji powierzchniowych defektów odlewniczych
Smart technology measurement for surface defects inspection in die casting
Abstract
W artykule omówiona została strategia pomiaru dla inspekcji online powierzchniowych defektów w odlewach aluminiowych po obróbce skrawaniem. Autorzy przedstawiają rozwiązanie w postaci stanowiska wizyjnego do inspekcji powierzchniowej odlewów aluminiowych z wykorzystaniem w pełni automatycznego układu do rejestracji, detekcji i analizy wykrywanych defektów. Tego typu rozwiązanie pozwala na zwiększenie wydajności i jakości uzyskiwanych wyrobów zwłaszcza w przemyśle motoryzacyjnym, jak również prowadzi do zautomatyzowania kontroli nad przebiegiem technologii odlewania. Jest to jeden z podstawowych problemów prowadzonych badań w odniesieniu do ograniczeń i trudności w wykonaniu takich wyrobów, jak: bloki skrzyń biegów czy korpusy silników, w sposób znaczący wypływając na koszt ich wyrobu.
Zaproponowane rozwiązanie wizyjne jest odpowiedzią na oczekiwania technologów w zakresie systemów kontroli jakości będących łatwymi w użyciu, tanimi i wszechstronnymi rozwiązaniem dla przemysłu. Połączenie części softwarowej oraz aparatury pomiarowej w zaproponowanym rozwiązaniu wizyjnym umożliwia analizę pozyskiwanych obrazów w ułamku sekundy. Jest to rozwiązanie które jest alternatywą dla rozwiązań wizualnych, czy innych metod, kosztownych i pracujących w trybie offline. Zaproponowana inteligentna technika pomiarowa wspierająca produkcję przemysłową opiera się na zaawansowanym, automatycznym układzie pomiarowym ze zintegrowanym oświetleniem i oprogramowaniem pozwalającym na wykrywanie i klasyfikowanie defektów odlewniczych.
References
2. Y.Yalcin, H.Akbulut, „Dry wear properties of A365-SiC particle reinforced MMCs produced by two melting routes”, Material and Design 27, pp. 872-881, 2006.
3. A.Lombardi, C.Ravindran, R.MacKay, “Optimization of the solution heat treatment process to improve mechanical properties of 319 Al alloy engine blocks using billet casting method.”, Materials Science and Engineering A 633, pp. 125-135, 2015.
4. A. Juriani, “Casting Defects Analysis in Foundry and Their Remedial Measures with Industrial Case Studies” IOSR Journal of Mechanical and Civil Engineering, Volume 12, Issue 6 Ver. I, pp. 43-54, 2015.
5. R. Rajkolhe, J. G. Khan, “Defects, Causes and Their Remedies in Casting Process: A Review” International Journal of Research in Advent Technology Vol.2, No.3, pp. 375-383, 2014.
6. S.J.Świłło, M.Perzyk, “Surface casting defects inspection using vision system and neural network techniques.”, Archives of foundry engineering Vol. 13 Issue 4, pp. 103-106, 2013.
7. K. Siekański, S. Borkowski, “Analysis of foundry defects and preventive activities for quality improvement of castings”, METABK 42 (1), pp. 57-59, 2003.
8. X. E. Gros, “NDT Data fusion”, John Wiley and Sons, NY, 1997, no. ISBN 0 470 23724 4
9. I.Narasimha Murthy, J Babu Rao, “Non Destructive Evaluation of A356 alloy Castings made in Sand and Granulated Blast Furnace Slag Moulds”, Materials Today: Proceedings 5, pp. 168–174, 2018.
10. H. Boerner, H. Strecker, “Automated X-Ray Inspection of Aluminum Castings”, IEEE Transactions on pattern analysis and
11. machine intelligence vol. 10 no. 1, pp. 79-89, 1988.
12. D. Mery, Th. Jaeger, D. Filbert, “A review of methods for auto-mated recognition of casting defects,” Insight, 44(7), pp. 428-436, 2002.
13. S. Świłło, M. Perzyk, Automatic inspection of surface defects in die castings after machining, Archives of Foundry Engineering, Vol. 11, (3), pp. 231 – 236, 2011.
14. S. Świłło, D. Myszka, Advanced metrology of surface defects measurement for aluminum die casting, Archives of Foundry Engineering, Vol. 11, (3), pp. 227 – 230, 2011.
15. S. Świłło., D. Myszka, Komputerowy system wizyjny do kontroli defektów odlewniczych, Eksperci NEMU, Nr 2(10), pp.10-12, 2011.
16. S. Świłło, M. Perzyk, Automated vision system for inspection of surface casting defects based on advanced computer techniques, Supplement Proceedings, Materials Properties, Characterization and Modeling TMA (The Minerals, Metals & Materials Society) 2012 141st Annual Meeting and Exhibition, Vol. 2, pp.387-394, 2012.
17. S. Preibisch, S. Saalfeld, P. Tomancak, Globally optimal stitching of tiled 3D microscopic image acquisitions", Bioinformatics, 25(11), pp.1463-146, 2009.
Copyright (c) 2018 Autobusy – Technika, Eksploatacja, Systemy Transportowe
This work is licensed under a Creative Commons Attribution 4.0 International License.
