CN114264650A - 用于自动粘合剂冲洗质量控制的方法和设备 - Google Patents
用于自动粘合剂冲洗质量控制的方法和设备 Download PDFInfo
- Publication number
- CN114264650A CN114264650A CN202111173776.XA CN202111173776A CN114264650A CN 114264650 A CN114264650 A CN 114264650A CN 202111173776 A CN202111173776 A CN 202111173776A CN 114264650 A CN114264650 A CN 114264650A
- Authority
- CN
- China
- Prior art keywords
- adhesive
- image
- data processing
- processing module
- flush
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20072—Graph-based image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30156—Vehicle coating
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automobile Manufacture Line, Endless Track Vehicle, Trailer (AREA)
- Adhesives Or Adhesive Processes (AREA)
- Application Of Or Painting With Fluid Materials (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本公开提供了“用于自动粘合剂冲洗质量控制的方法和设备”。一种自动地检测粘合剂冲洗的方法包括:在某一过程之前由视觉系统捕获由粘合剂粘合的总成上的粘合剂覆盖区域的前像;在所述过程之后由所述视觉系统捕获所述总成上的所述粘合剂覆盖区域的后像;以及由数据处理模块基于所述前像与所述后像之间的比较来确定所述粘合剂冲洗的发生。所述方法还包括当所述粘合剂冲洗的发生次数超过阈值时自动地确定所述粘合剂冲洗的根本原因。
Description
技术领域
本公开涉及一种用于检测车辆生产线中的故障的系统和方法。
背景技术
本部分中的陈述仅提供了与本公开相关的背景信息,并且可能不构成现有技术。
粘合剂由于能够提供改善的刚度、疲劳耐久性、噪声、振动和声振粗糙度(NVH)以及密封性而在汽车工业中具有广泛的应用。在进入烘箱进行固化之前,粘合剂通常分配在白车身(BIW)子总成上,然后经过清洁过程、涂料预处理过程,以及电泳涂漆(电泳漆)过程。粘合剂在固化之前的各种过程期间未固化,并且可能易于被洗掉。洗掉本身不被认为是主要问题。问题在于被洗掉的粘合剂珠或粘合剂凝块会发生什么。这些凝块可以很容易地重新沉积到高度可见的A级表面上,在所述表面处,凝块在烘箱内固化。然后,必须手动打磨和修理此类不期望的缺陷,从而导致成本增加。替代地,这些被洗掉的珠粒经由过滤从浴槽中去除,从而导致过滤器寿命缩短、性能受损和维护成本增加。
通常,通过检查BIW的表面是否存在任何可见粘合剂来手动地检查粘合剂冲洗。手动检查是耗时的并且需要人力。通常,为了确保质量,在电泳漆烘烤之前的阶段之间不允许检查或接触车辆。因此,无法在使用电泳漆烘箱之前移除未固化的粘合剂珠。在电泳漆之后以及在喷漆之前检查车辆,但是由于生产线配置,仅存在可用于修复这些缺陷的有限时间量。
本公开解决以上问题和其他问题。
发明内容
在一种形式中,提供一种检测粘合剂冲洗的方法,所述方法包括:在某一过程之前由视觉系统捕获由粘合剂粘合的总成上的粘合剂覆盖区域的前像;在所述过程之后由所述视觉系统捕获所述总成上的所述粘合剂覆盖区域的后像;以及由数据处理模块基于所述前像与所述后像之间的比较来确定所述粘合剂冲洗的发生。
在其他特征中,所述数据处理模块被配置为基于所述前像和所述后像中的所述粘合剂覆盖区域的尺寸变化来确定所述粘合剂冲洗的发生,特别是当所述粘合剂覆盖区域的所述尺寸变化超过第一阈值时。所述方法还包括由所述数据处理模块记录所述粘合剂冲洗的发生次数;以及当所述粘合剂冲洗的所述发生次数超过第二阈值时,特别基于统计过程控制(SPC)图表来确定所述粘合剂冲洗的根本原因。根本原因选自由以下项组成的组:粘合剂分配期间粘合剂珠的错位、过大的粘合剂珠、粘合剂粘度、喷涂冲击压力、水温、生产线速度和停机时间。所述过程是预处理过程或电泳漆过程。所述方法还包括:在所述预处理过程之前,由所述视觉系统捕获所述粘合剂覆盖区域的第一图像;在所述预处理过程之后且在所述电泳漆过程之前,由所述视觉系统捕获所述粘合剂覆盖区域的第二图像;以及在所述电泳漆过程之后,由所述视觉系统捕获所述粘合剂覆盖区域的第三图像。在清洁过程之后捕获第一图像。所述方法还包括:基于所述第一图像与存储在所述数据处理模块中的数据之间的比较来确定粘合剂挤出的发生,以及由所述数据处理模块进行量化和标准化;所述粘合剂覆盖区域用于限定可接受的粘合剂冲洗的阈值次数;当超过可接受的粘合剂冲洗的所述阈值次数时,由所述数据处理模块自动向外部装置发送警报以报告冲洗性能的变化。警报包括粘合剂冲洗的根本原因。所述总成是白车身结构。所述方法还包括由所述视觉系统捕获所述总成的左侧、右侧和顶侧的所述前像和所述后像。
在另一种形式中,提供一种检测白车身总成上的粘合剂冲洗的方法,所述方法包括:在清洁过程之后以及在预处理过程之前,由视觉系统捕获BIW总成上的粘合剂覆盖区域的第一图像;在所述预处理过程之后以及在电泳漆过程之前,由所述视觉系统捕获的所述粘合剂覆盖区域的第二图像;在所述电泳漆过程之后,由所述视觉系统捕获所述粘合剂覆盖区域的第三图像;以及由数据处理模块比较第二图像与第一图像,以及第三图像与第一图像,以确定粘合剂冲洗的发生。
在又一种形式中,提供一种用于自动地检测粘合剂冲洗的系统,所述系统包括:视觉系统,所述视觉系统被配置为捕获粘合剂覆盖区域的前像和后像;以及数据处理模块,所述数据处理模块被配置为比较所述前像和所述后像,以确定粘合剂冲洗的发生。
根据本文中提供的描述,另外的适用领域将变得显而易见。应当理解,描述和具体示例仅意图用于说明目的,并且不意图限制本公开的范围。
附图说明
为了可以很好地理解本公开,现在将参考附图通过举例的方式描述本公开的各种形式,在附图中:
图1是用于自动地检测根据本公开教示构造的车辆生产线中粘合剂冲洗的系统的示意图;
图2描绘根据本公开教示的结合自动地检测粘合剂冲洗的方法的车辆生产线;以及
图3A至图3D包括在C柱的后玻璃凸缘(图3A和图3B)、车身侧车门凸缘(图3C)、车身的A柱(图3D)上的多个粘合剂覆盖区域的图像,其示出具有或不具有不合规格(OOS)挤出的这些区域。
本文中描述的附图仅用于说明目的,而非意图以任何方式限制本公开的范围。
具体实施方式
以下描述本质上仅仅是示例性的并且不意图限制本公开、应用或用途。应当理解,贯穿附图,对应的附图标记指示相似或对应的零件和特征。
在包括以下定义的本申请中,术语“模块”可以用术语“电路”替换。术语“模块”可以指以下各项、是以下各项的一部分或包括以下各项:专用集成电路(ASIC);数字、模拟或混合模拟/数字离散电路;数字、模拟或混合模拟/数字集成电路;组合的逻辑电路;现场可编程门阵列(FPGA);执行代码的处理器电路(共享、专用或群组);存储由处理器电路执行的代码的存储器电路(共享、专用或群组);提供所描述的功能性的其他合适的硬件部件;或者上述的一些或全部的组合,例如在片上系统中。
模块可以包括一个或多个接口电路。在一些示例中,接口电路可以包括连接到局域网(LAN)、互联网、广域网(WAN)或其组合的有线或无线接口。本公开的任何给定模块的功能性可以分布在经由接口电路连接的多个模块间。例如,多个模块可以允许载荷平衡。在另一个示例中,服务器(也被称为远程或云)模块可以代表客户端模块完成某些功能性。
参考图1,用于自动地检测根据本公开教示构造的车辆生产线中的粘合剂冲洗的系统10包括视觉系统12和数据处理模块14。视觉系统12在沿着车辆生产线的不同过程之间的多个位置处捕获车身的图像,特别是车身上的粘合剂覆盖区域的图像。图像包括在第一位置捕获的第一图像20、在第二位置捕获的第二图像22以及在第三位置捕获的第三图像24。第一图像20、第二图像22和第三图像24可以从车身的左侧、右侧、顶部、下方中的一个或多个拍摄,或者可以从感兴趣的特定位置拍摄。在一些情况下,相机可以从车辆下方或沿着下边梁捕获图像以获得更全面的视角。可以设想,当车辆被拖入和拖出浴槽时,在电泳漆浸渍阶段期间,从下边梁中挤出的粘合剂可能会重新沉积到发动机罩或车顶上。
数据处理模块14包括不合规格(OOS)挤出确定模块30、粘合剂冲洗确定模块32和根本原因分析模块34。OOS挤出确定模块30被配置为检测并确定在第一位置处发生OOS粘合剂挤出。粘合剂冲洗确定模块32被配置为检测并确定在第二位置和第三位置处发生粘合剂冲洗。根本原因分析模块34被配置为执行根本原因分析以确定OOS粘合剂挤出的根本原因和粘合剂冲洗的根本原因。根本原因分析模块34包括各种质量和统计工具,例如根本原因分析算法,以确定OOS粘合剂挤出和粘合剂冲洗的根本原因。数据处理模块14被配置为当OOS粘合剂挤出的发生次数或粘合剂冲洗的发生次数超过阈值时,向例如服务器的外部装置36发送警报。
参考图2,根据本公开教示的结合自动地检测粘合剂冲洗的方法的示例性车辆生产线40可以是用于制造车身(例如白车身(BIW)结构46)的生产线。车辆生产线40按此顺序包括用于将粘合剂分配在多个部件或子总成42上以将子总成42接合到车身(例如,BIW结构46)中的粘合剂分配线44、清洁和预处理线(下文称为“预处理线”)48、电泳涂漆(“电泳漆”)和烘箱烘烤线(下文称为“电泳漆线”)50。
视觉系统12包括多个相机52,所述多个相机紧接在BIW结构46完成之后并且在预处理线48之前位于车身组装线的末端处的第一位置(A)处,在预处理线48与电泳漆线50之间位于第二位置(B)处,并且在电泳漆线50与最终喷漆线之间位于第三位置(C)处。在每个位置处,根据在潜在的冲洗区域上报告的先前数据,可以实施若干相机52以捕获多个粘合剂覆盖区域的图像。例如,可以在每个位置处提供三个相机52以监测车辆的三个侧面,例如左侧、顶侧和右侧。多个相机52在第一位置(A)处捕获第一图像20,在第二位置(B)处捕获第二图像22,并且在第三位置(C)处捕获第三图像24。
在粘合剂分配线44中,将粘合剂分配在多个部件或子总成42上,以用于粘结和接合多个子总成42以形成BIW结构46。在粘合剂分配线44中的粘合剂分配过程之后,BIW结构46通过预处理线48,所述预处理线包括喷涂清洁过程和预处理浸渍过程。在清洁过程中,例如,从BIW结构46去除油、锈斑或其他污染物。预处理浸渍过程可以涉及施加磷酸盐或转化涂层,这有助于在随后的电泳涂漆过程中获得高质量的电泳漆面漆。电泳漆线50包括电泳漆过程和烘箱中的烘烤过程。在电泳漆过程中,将BIW结构46浸入电泳漆浴中,并且将涂层施加到BIW结构46的预处理表面。在施加电泳漆之后,将涂覆的BIW结构46放置在使电泳漆固化和交联的烘箱中。在BIW结构46离开电泳漆线50之后,包括彩色涂层和清漆涂层的涂料被顺序地涂覆并在其相应的烘箱中固化以最大化其性能特性。
参考图3A至图3D,在粘合剂分配线44处,将粘合剂分配在BIW结构46的多个区域上以粘合BIW结构46的各种部件或子总成42,从而在BIW结构46上形成多个粘合剂覆盖区域60。当适当地施加粘合剂时,没有或几乎没有粘合剂暴露在BIW结构46的表面上。然而,当未适当地施加粘合剂时(例如,由于不适当的粘合剂粘度、较大的珠粒尺寸或珠粒错位),可以在如在图3A至图3D中的虚线圈出的粘合剂覆盖区域60上看到不合规格(OOS)粘合剂挤出62。粘合剂挤出是指粘合剂的不合适的部分,特别是在BIW结构46的表面上。当粘合剂挤出的大小或位置在可接受范围之外时,粘合剂挤出不合规格并且易于在随后的清洁、预处理和电泳漆过程中被洗掉。
图3A示出在C柱与后面板(在座椅后面的驾驶室的后壁)之间的后玻璃凸缘上的多个粘合剂覆盖区域,所述粘合剂覆盖区域没有OOS粘合剂挤出,并且具有由虚线圈出且由附图标记62指示的OOS挤出。图3B示出在后玻璃凸缘上的多个OOS挤出物62。图3C示出具有OOS挤出62的在车身侧车门凸缘上的粘合剂覆盖区域。图3D示出具有OOS挤出62的沿着A柱的粘合剂覆盖区域。
返回参考图2,在BIW结构46完成并离开最终组装阶段之后,多个相机52在第一位置(A)处拍摄粘合剂覆盖区域52的第一图像20并将第一图像30发送到数据处理模块14以进行分析。紧接在车身完全组装之后在第一位置(A)处拍摄的第一图像30提供完全组装的车身的基线图像,所述基线图像可以用于已知标准。OOS挤出确定模块30被配置为基于第一图像20与关于在第一位置(A)处粘合剂挤出的可接受范围的预存储数据之间的比较来检测BIW结构46上的任何不合规格(OOS)粘合剂挤出。
当第一图像29中的粘合剂覆盖区域的大小在可接受范围之外时,OOS挤出确定模块30确定OOS粘合剂挤出的发生并记录OOS粘合剂挤出的发生。OOS挤出确定模块30还可以向外部装置36发送警报,从而建议操作者此时采取行动,例如执行溶剂擦拭多余的粘合剂挤出。例如,OOS挤出确定模块30可以通过使用用于清洁/去除粘合剂挤出的激光指示器来识别第一图像20上的OOS挤出的位置。当粘合剂尚未固化时,可以在BIW结构46进入预处理线48之前完成此操作,以减少在使用电泳漆烘箱之后清洁所需的人力,这明显更难以清洁/去除固化的粘合剂。而且,一旦BIW结构46通过这个点,就直到在电泳漆线50中的电泳漆烘烤过程之后才能检查或触摸BIW结构46。除了这一点之外,无法采取任何措施来纠正任何缺陷。
当OOS粘合剂挤出的发生次数超过阈值时,激活根本原因分析模块34执行根本原因分析以确定OOS粘合剂挤出的根本原因。
OOS挤出确定模块30还被配置为对粘合剂覆盖区域进行量化和标准化,以限定可接受的粘合剂挤出的阈值数。OOS挤出确定模块30可以包括检测算法,所述检测算法可以将OOS挤出数与对应的零件ID、车辆VIN编号和防滑编号相关联,以便使根本原因分析过程更简单。
在清洁BIW结构46并在所述BIW结构中检查可能的OOS挤出之后,将BIW结构46发送到预处理线48。BIW结构46上的粘合剂覆盖区域易于在预处理线48中洗掉,这是由于例如高喷涂冲击压力、指向粘合剂接缝位置的雨淋压力增加、水洗和碱性清洁剂的温度升高,浸没阶段遇到的静压增加,以及由于线速度降低而增加暴露时间。因此,相机52在BIW结构46离开预处理线48之后并且在进入电泳漆线50之前在第二位置(B)处捕获BIW结构46的粘合剂覆盖区域的第二图像22,以识别预处理线48中的任何可能的粘合剂冲洗。粘合剂冲洗确定模块32将第二图像22与第一图像20(对应侧)进行比较,并且基于第一图像20与第二图像22之间的比较来确定是否已经发生粘合剂冲洗。在位置(B)处拍摄的第二图像示出在预处理线48期间已经去除的粘合剂,其中使用高压冲击喷嘴和高温流体来清洁表面并且准备表面以进行电泳漆浸渍。粘合剂冲洗确定模块32将第二图像22与第一图像20进行比较,并且确定已去除粘合剂并且粘合剂需要在上游处理以防止再次发生的位置。粘合剂冲洗确定模块32可以实施机器学习方法、训练数据集和神经网络框架以提高检测效率和性能。训练数据集可以从自感兴趣区域获取的先前图像获得和/或可以在线添加。
例如,粘合剂冲洗确定模块32可以根据粘合剂覆盖区域在部件/子总成上的位置来比较第一图像20和第二图像22中的粘合剂覆盖区域的大小、位置和位移中的至少一个。例如,一些粘合剂覆盖区域(例如,沿着凸缘向下延伸的局部凝块)可能具有相对较小的面积,但具有较高的污染风险,而另一粘合剂覆盖区域可能沿着具有较大累积面积但几乎不造成污染风险的接缝边缘具有少量均匀的挤出。当粘合剂覆盖区域的大小、位置或位移的变化超过第一阈值时,粘合剂冲洗确定模块32确定粘合剂冲洗的发生和严重程度。取决于粘合剂覆盖区域的位置,粘合剂冲洗确定模块32可以针对不同粘合剂覆盖区域使用不同标准来确定粘合剂冲洗的发生/严重程度。当粘合剂冲洗的发生次数超过第二阈值时,激活根本原因分析模块34以分析粘合剂冲洗的根本原因。
此后,将BIW结构46发送到电泳漆线50。在电泳漆线50中,由于例如高浸渍温度的过程,BIW结构46易于进行冲洗。因此,相机52在BIW结构46离开电泳漆线50之后拍摄第三图像24。粘合剂冲洗确定模块32将第三图像24与对应侧的第一图像20进行比较,以确定在电泳漆线50中是否已经发生粘合剂冲洗。在电泳漆浸渍和烘烤之后拍摄第三图像24以显示是否去除任何粘合剂(与第二图像和第一图像相比)以及是否已经将任何粘合剂重新沉积到表面面板上。这种重新沉积可能来自正在处理的车辆或先前的车辆,并且在电泳漆浸渍浴槽中四处浮动。第三图像24是最终质量指示符,并且可以显示在本公开的系统10反向工作以改进过程时是否已经解决冲洗问题。
类似地,粘合剂冲洗确定模块32可以比较第一图像20和第三图像24中的粘合剂覆盖区域的大小、位置或位移(即,移动)。当粘合剂覆盖区域的大小、位置或位移的变化超过阈值时,粘合剂冲洗确定模块32可以确定已发生粘合剂冲洗或已增加电泳漆线50中的冲洗风险。当冲洗的发生次数超过阈值时,触发根本原因分析模块34以对电泳漆线50中的粘合剂冲洗执行根本原因分析。类似地,粘合剂冲洗确定模块32可以被配置为对粘合剂覆盖区域进行量化和标准化,以分别限定第二位置(B)和第三位置(C)处的最大允许的粘合剂冲洗的阈值。
最终目标将是零冲洗。第一图像20、第二图像22和第三图像24的编译允许本公开的系统10跟踪问题发生的位置以及量化改进。与现有技术装置或方法相比,使用本公开的系统10将“深入研究”原因并采取措施来补救问题,在现有技术的装置或方法中,操作员在电泳漆烘烤结束时知道结果,但对这些问题如何或何时发生的了解很少。使用现有技术装置或方法,操作员仅可以看到电泳漆线末端的粘合剂相关问题,然后爬过车身以指出他们看到粘合剂的位置并认为这是根本原因。实验室测试表明,即使在喷头的直接冲击下,从完全支撑的接头挤出的粘合剂珠也不太可能被洗掉。无支撑、滴落或悬垂的挤出的粘合剂将容易被去除,从而增加重新沉积的风险。随着使用更多的混合金属(即,钢制主体内的铝铸件),需要在金属之间进行电流隔离以降低腐蚀风险。实现这一点的一种方法是故意用粘合剂过度填充接缝,使得粘合剂挤出以形成密封。这就需要以支撑方式进行受控挤出而不是无支撑珠粒,从而导致冲洗增加。
根本原因分析模块34包括机器学习模块,以在OOS挤出或粘合剂冲洗的发生次数超过阈值时分析与OOS挤出或粘合剂冲洗相关的因素。根本原因分析模块34可以通过分析与OOS粘合剂挤出或粘合剂冲洗相关的因素来通过人工智能(AI)和机器学习(ML)算法“回溯”并确定OOS粘合剂挤出的根本原因。
根本原因分析模块34分析影响粘合剂分配质量和粘合剂冲洗性能的关键因素/参数的时间序列数据,并确定是否存在与统计过程控制(SPC)图表的任何偏差。SPC是一种通过采用统计方法来监测和控制过程而控制生产的产品的质量的方法。粘合剂分配线44、预处理线48和电泳漆线50中的每一个可以具有其自己的SPC图表来控制其过程。
例如,粘合剂分配线44的SPC图表可以包括关于粘合剂分配数据/参数的统计数据,例如再填充时间和/或喷射计背压。用于预处理过程的SPC图表可以包括关于预处理过程数据/参数的统计数据,例如喷涂压力、水温等。用于电泳漆过程的SPC图表可以包括关于电泳漆数据/参数的统计数据,例如浸渍温度和浸渍压力等。
当用于粘合剂分配过程、清洁和预处理过程,或电泳漆和烘箱烘烤过程的操作参数偏离如在SPC图表上所示的其相应统计数据时,根本原因分析模块34可以基于这种偏差确定OOS挤出或粘合剂冲洗的根本原因。
与OOS挤出有关的因素可以包括但不限于不适当的粘合剂粘度、不适当的珠粒尺寸和珠粒错位。粘合剂粘度可以从粘合剂供应商提供的质量控制数据中获得。另外,例如再填充时间和/或喷射计背压的分配数据可以与每次分配的喷射的粘合剂粘度相关。如果没有报告在同一零件ID上分配的粘合剂的显著粘度变化,则可以通过将在第一位置处的粘合剂挤出量与先前车辆的粘合剂挤出量进行比较来检测粘合剂珠的错位。
通过在清洁和预处理过程之前识别第一位置(A)处的OOS粘合剂挤出,可以检测随后的电泳漆过程中可能的粘合剂冲洗的位置,并且可以尽可能早地解决可能的冲洗问题。
几个因素在粘合剂冲洗中起作用,包括在分配期间粘合剂珠的错位、过大的粘合剂珠、粘合剂粘度、清洁阶段内的喷涂冲击压力和水温、生产线速度和停机时间。通过识别在清洁和预处理过程之后以及在电泳漆和烤箱烘烤过程之前的第二位置(B)处,以及在电泳漆和烤箱烘烤过程之后的第三位置(C)处的粘合剂冲洗,可以检测并解决粘合剂冲洗问题。
将自动地执行所有过程,并且数据处理模块14可以向例如服务器的外部装置36发送警报,以报告冲洗性能的任何变化。根本原因分析模块34可以对照SPC图表检查粘合剂分配线44中的各种参数,以基于SPC图表确定任何操作参数是否在上限和下限之外,从而确定OOS挤出的根本原因。类似地,根本原因分析模块34可以对照其相应的SPC检查预处理线48和电泳漆线50中的各种参数,以基于其相应SPC图表确定任何操作参数是否在上限和下限之外,从而确定分别在预处理线48和电泳漆线50中的粘合剂冲洗的根本原因。
总之,本公开的系统和方法可以自动地监测和检测BIW结构的表面,以识别紧接在组装BIW结构之后以及在清洁和预处理线之前的任何OOS粘合剂挤出,以及在清洁和预处理线以及电泳漆和烘箱烘烤线中的任何粘合剂冲洗。数据处理模块14被配置为在沿着车辆生产线的不同位置处从视觉系统12接收第一图像20、第二图像22和第三图像24,并且基于第一图像20、第二图像22和第三图像24自动地识别OOS粘合剂挤出和粘合剂冲洗的发生、其位置以及移位。数据处理模块14可以集成在计算装置中,例如膝上型计算机、台式计算机、服务器、网络计算机、个人数字助理(PDA)、智能电话和平板计算机。
所述系统和方法具有在没有人类交互的情况下执行自动冲洗检测和根本原因分析的优点,从而节省工时并避免长时间的手动根本原因分析。通过高级检测算法自动地执行OOS粘合剂挤出的检测、粘合剂冲洗的检测和根本原因分析,所述高级检测算法可以将冲洗性能编号与对应的零件ID、车辆VIN编号和防滑编号相关联,以便使检测和根本原因分析过程更简单。
此外,所述系统和所述方法可以由于粘合剂冲洗的早期检测而节省制造和维护成本。由于早期检测和根本原因分析,可以减少浴槽中粘合剂冲洗的发生,并且可以避免浴槽中和过滤器上的大量粘合剂沉积,同时通过早期检测和根本原因分析减少涂层质量问题。与由于减少的维护和质量问题而导致的累积节省相比,不需要大量投资(例如,最少三个相机和一个数据处理模块)。
虽然已经结合包括清洁和预处理线以及电泳漆和烘箱烘烤线的车辆生产线描述本公开的系统和方法,但是应当理解,用于检测粘合剂冲洗的系统和方法可以在任何制造厂的任何涂覆线中实施,以改善视觉外观和腐蚀性能。
应当注意,本公开并不局限于作为示例描述并示出的实施例。已经描述了各种各样的修改,并且更多内容是所属领域技术人员已知内容的一部分。在不背离本公开和本专利的保护范围的情况下,可以将这些和另外的修改以及通过技术等同物进行的任何替代物添加到说明书和附图。
根据本发明,一种检测粘合剂冲洗的方法包括:在某一过程之前通过视觉系统捕获由粘合剂粘合的总成上的粘合剂覆盖区域的前像;在所述过程之后由所述视觉系统捕获所述总成上的所述粘合剂覆盖区域的后像;以及由数据处理模块基于所述前像与所述后像之间的比较来确定所述粘合剂冲洗的发生。
根据实施例,数据处理模块基于所述前像和所述后像中的所述粘合剂覆盖区域的大小、位置和位移中的至少一个的变化来确定所述粘合剂冲洗的发生。
根据实施例,当粘合剂覆盖区域的大小、位置和位移中的至少一个的变化超过第一阈值时,数据处理模块确定所述粘合剂冲洗的发生。
根据实施例,上述发明的特征还在于,由所述数据处理模块记录所述粘合剂冲洗的发生次数。
根据实施例,上述发明的特征还在于,当所述粘合剂冲洗的所述发生次数超过第二阈值时,确定所述粘合剂冲洗的根本原因。
根据实施例,上述发明的特征还在于基于统计过程控制(SPC)图表来确定粘合剂冲洗的根本原因。
根据实施例,根本原因选自由以下项组成的组:在分配期间粘合剂珠的错位、过大的粘合剂珠、粘合剂粘度、喷涂冲击压力、水温、生产线速度和停机时间。
根据实施例,所述过程是预处理过程或电泳漆过程。
根据实施例,上述发明的特征还在于:在所述预处理过程之前,由所述视觉系统捕获所述粘合剂覆盖区域的第一图像;在所述预处理过程之后且在所述电泳漆过程之前,由所述视觉系统捕获所述粘合剂覆盖区域的第二图像;以及在所述电泳漆过程之后,由所述视觉系统捕获所述粘合剂覆盖区域的第三图像。
根据实施例,在组装所述总成之后并且在清洁过程之前捕获所述第一图像。
根据实施例,上述发明的特征还在于,基于所述第一图像与存储在所述数据处理模块中的数据之间的比较来确定粘合剂挤出的发生。
根据实施例,上述发明的特征还在于,由所述数据处理模块对粘合剂覆盖区域进行量化和标准化,以限定可接受的粘合剂冲洗的阈值次数。
根据实施例,上述发明的特征还在于,当超过可接受的粘合剂冲洗的阈值次数和/或超过面积、位置或位移变化的阈值时,由所述数据处理模块向外部装置自动地发送警报以报告冲洗性能的变化。
根据实施例,警报包括粘合剂冲洗的根本原因。
根据实施例,在组装所述总成之后并且在清洁和预处理过程之前拍摄前像,所述方法还包括将所述前像与预先存储的数据进行比较以确定不合规格粘合剂挤出;在所述前像上标记所述不合规格挤出的位置;以及向外部装置发送警报。
根据实施例,上述发明的特征还在于,由所述视觉系统捕获总成的左侧、右侧、顶侧、下侧和预定区域中的至少一个的前像和后像。
根据本发明,一种检测白车身总成上的粘合剂冲洗的方法包括:在组装BIW总成之后以及在清洁和预处理过程之前,由视觉系统捕获BIW总成上的粘合剂覆盖区域的第一图像;在所述清洁和预处理过程之后以及在电泳漆过程之前,由所述视觉系统捕获的所述粘合剂覆盖区域的第二图像;在所述电泳漆过程之后,由所述视觉系统捕获所述粘合剂覆盖区域的第三图像;以及由数据处理模块比较第二图像与第一图像,以及第三图像与第一图像,以确定粘合剂冲洗的发生。
根据实施例,上述发明的特征还在于:视觉系统,所述视觉系统被配置为捕获粘合剂覆盖区域的前像和后像;以及数据处理模块,所述数据处理模块被配置为比较所述前像和所述后像,以确定粘合剂冲洗的发生。
根据实施例,所述数据处理模块包括机器学习模块,所述机器学习模块被配置为追踪所述粘合剂冲洗的根本原因。
根据实施例,所述机器学习模块被配置为对所述粘合剂覆盖区域进行量化和标准化,以确定可接受的粘合剂冲洗的阈值次数。
Claims (15)
1.一种检测粘合剂冲洗的方法,其包括:
在某一过程之前由视觉系统捕获由粘合剂粘合的总成上的粘合剂覆盖区域的前像;
在所述过程之后由所述视觉系统捕获所述总成上的所述粘合剂覆盖区域的后像;以及
由数据处理模块基于所述前像与所述后像之间的比较来确定所述粘合剂冲洗的发生。
2.根据权利要求1所述的方法,其中所述数据处理模块基于所述前像和所述后像中的所述粘合剂覆盖区域的大小、位置和位移中的至少一个的变化来确定所述粘合剂冲洗的所述发生。
3.根据权利要求2所述的方法,其中当所述粘合剂覆盖区域的所述大小、所述位置和所述位移中的所述至少一个的所述变化超过第一阈值时,所述数据处理模块确定所述粘合剂冲洗的所述发生。
4.根据权利要求2所述的方法,还包括由所述数据处理模块记录所述粘合剂冲洗的发生次数,以及当所述粘合剂冲洗的所述发生次数超过第二阈值时,确定所述粘合剂冲洗的根本原因。
5.根据权利要求4所述的方法,还包括基于统计过程控制(SPC)图表来确定所述粘合剂冲洗的所述根本原因。
6.根据权利要求5所述的方法,其中所述根本原因选自由以下项组成的组:在分配期间粘合剂珠的错位、过大的粘合剂珠、粘合剂粘度、喷涂冲击压力、水温、生产线速度和停机时间。
7.根据权利要求1所述的方法,其中所述过程是预处理过程或电泳漆过程。
8.根据权利要求7所述的方法,其还包括:
在所述预处理过程之前,由所述视觉系统捕获所述粘合剂覆盖区域的第一图像;
在所述预处理过程之后以及在所述电泳漆过程之前,由所述视觉系统捕获所述粘合剂覆盖区域的第二图像;以及
在所述电泳漆过程之后,由所述视觉系统捕获所述粘合剂覆盖区域的第三图像。
9.根据权利要求8所述的方法,其中在组装所述总成之后并且在清洁过程之前捕获所述第一图像。
10.根据权利要求9所述的方法,还包括基于所述第一图像与存储在所述数据处理模块中的数据之间的比较来确定粘合剂挤出的发生。
11.根据权利要求1所述的方法,还包括由所述数据处理模块对所述粘合剂覆盖区域进行量化和标准化,以限定可接受的粘合剂冲洗的阈值次数。
12.根据权利要求11所述的方法,还包括当超过可接受的粘合剂冲洗的所述阈值次数和/或超过面积、位置或位移变化的阈值时,由所述数据处理模块向外部装置自动地发送警报以报告冲洗性能的变化,优选地所述警报包括所述粘合剂冲洗的根本原因。
13.根据权利要求1所述的方法,其中在组装所述总成之后并且在清洁和预处理过程之前拍摄所述前像,所述方法还包括将所述前像与预先存储的数据进行比较以确定不合规格粘合剂挤出;在所述前像上标记所述不合规格挤出的位置;以及向外部装置发送警报。
14.一种用于根据权利要求1所述的方法自动地检测粘合剂冲洗的系统,其包括:
视觉系统,所述视觉系统被配置为捕获粘合剂覆盖区域的所述前像和所述后像;以及
数据处理模块,所述数据处理模块被配置为比较所述前像与所述后像以确定所述粘合剂冲洗的所述发生。
15.根据权利要求14所述的系统,其中所述数据处理模块包括机器学习模块,所述机器学习模块被配置为通过对所述粘合剂覆盖区域进行量化和标准化以确定可接受的粘合剂冲洗的阈值次数来追踪所述粘合剂冲洗的根本原因。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/061,463 | 2020-10-01 | ||
US17/061,463 US11842478B2 (en) | 2020-10-01 | 2020-10-01 | Method and apparatus for automated adhesive wash-off quality control and root-cause analysis using artificial intelligence |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114264650A true CN114264650A (zh) | 2022-04-01 |
Family
ID=80738527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111173776.XA Pending CN114264650A (zh) | 2020-10-01 | 2021-10-08 | 用于自动粘合剂冲洗质量控制的方法和设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11842478B2 (zh) |
CN (1) | CN114264650A (zh) |
DE (1) | DE102021125460A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220108432A1 (en) * | 2020-10-01 | 2022-04-07 | Ford Global Technologies, Llc | Method and apparatus for automated adhesive wash-off quality control and root-cause analysis using artificial intelligence |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6687402B1 (en) * | 1998-12-18 | 2004-02-03 | Cognex Corporation | Machine vision methods and systems for boundary feature comparison of patterns and images |
DE10102387C1 (de) * | 2001-01-19 | 2002-05-29 | Atlas Mat Testing Tech Gmbh | Verfahren zur Feststellung und Bewertung von Defekten einer Probenoberfläche |
DE102004008300A1 (de) | 2004-02-20 | 2005-09-01 | Daimlerchrysler Ag | Verfahren zur Reinigung einer Rohbaukarosserie und Vorrichtung zur Reinigung einer Rohbaukarosserie |
TWI372861B (en) * | 2008-04-23 | 2012-09-21 | Au Optronics Corp | A substrate including check marks and a method of monitoring conductive glue on the substrate thereof |
US8073239B1 (en) * | 2008-09-24 | 2011-12-06 | Valco Cincinnati, Inc. | Error detection system for verifying the construction of paper boxes |
US9269135B2 (en) * | 2012-03-01 | 2016-02-23 | Taiwan Semiconductor Manufacturing Company, Ltd. | Defect management systems and methods |
GB2515115A (en) | 2013-06-14 | 2014-12-17 | Warwick Analytical Software Ltd | Early Warning and Prevention System |
US9626754B2 (en) * | 2015-05-28 | 2017-04-18 | Jabil Circuit, Inc. | System, apparatus and method for dispensed adhesive material inspection |
US10817800B2 (en) | 2016-01-20 | 2020-10-27 | Robert Bosch Gmbh | Value addition dependent data mining techniques for assembly lines |
CN108267431A (zh) * | 2016-12-30 | 2018-07-10 | 鸿富锦精密电子(郑州)有限公司 | 电路板点胶检测装置及检测方法 |
US10870781B2 (en) * | 2018-03-30 | 2020-12-22 | The Boeing Company | Compositions and methods for probing adhesive interfaces |
US11455716B2 (en) * | 2018-11-13 | 2022-09-27 | Rivian Ip Holdings, Llc | Image analysis of applied adhesive with fluorescence enhancement |
US11842478B2 (en) * | 2020-10-01 | 2023-12-12 | Ford Global Technologies, Llc | Method and apparatus for automated adhesive wash-off quality control and root-cause analysis using artificial intelligence |
-
2020
- 2020-10-01 US US17/061,463 patent/US11842478B2/en active Active
-
2021
- 2021-09-30 DE DE102021125460.4A patent/DE102021125460A1/de active Pending
- 2021-10-08 CN CN202111173776.XA patent/CN114264650A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220108432A1 (en) * | 2020-10-01 | 2022-04-07 | Ford Global Technologies, Llc | Method and apparatus for automated adhesive wash-off quality control and root-cause analysis using artificial intelligence |
US11842478B2 (en) * | 2020-10-01 | 2023-12-12 | Ford Global Technologies, Llc | Method and apparatus for automated adhesive wash-off quality control and root-cause analysis using artificial intelligence |
Also Published As
Publication number | Publication date |
---|---|
US11842478B2 (en) | 2023-12-12 |
US20220108432A1 (en) | 2022-04-07 |
DE102021125460A1 (de) | 2022-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103738308B (zh) | 自动识别车型的智能洗车系统及智能洗车方法 | |
CN114264650A (zh) | 用于自动粘合剂冲洗质量控制的方法和设备 | |
CN112604841B (zh) | 车辆喷涂检测方法、装置、设备及存储介质 | |
CN115709701A (zh) | 自动洗车台的智能控制系统 | |
FI3966646T3 (fi) | Menetelmä laatuvirheiden analysoimiseksi | |
JP4600113B2 (ja) | 車両組付け精度管理方法 | |
CN117032151B (zh) | 基于姿态控制的点胶路径规划方法及系统 | |
DE102019206833A1 (de) | Verfahren zur Analyse von Qualitätsmängeln | |
CN112373601A (zh) | 一种节能型汽车总装工艺 | |
CN110060247B (zh) | 应对样本标注错误的鲁棒深度神经网络学习方法 | |
KR101693183B1 (ko) | 프라이머 도포 및 도포 상태 검사 시스템 | |
CN111822286A (zh) | 一种汽油发电机组喷涂工艺 | |
US20230038435A1 (en) | Method and apparatus for determining the size of defects during a surface modification process | |
CN114118198A (zh) | 在表面改性方法中确定缺陷的方法和装置 | |
CN115402265A (zh) | 一种轿车节水控制清洗系统、方法及存储介质 | |
CN115266161A (zh) | 车辆喷涂机器的污染检测方法及装置 | |
JPH06148090A (ja) | 塗装検査情報解析装置 | |
DE102019117398A1 (de) | Verfahren zum Überprüfen einer Reinigungsvorrichtung zum Reinigen zumindest eines Umfeldsensors einer Sensorvorrichtung eines Fahrzeugs, Recheneinrichtung sowie System | |
CN116128878B (zh) | 一种基于汽车钣金的智能喷涂轨迹生成方法及系统 | |
DE10326604A1 (de) | Verfahren und Vorrichtung zur Funktionskontrolle eines Zerstäubers | |
US20240124079A1 (en) | Method and system of automated vehicle body routing system employing predicted vehicle body imperfections and vision detection system | |
JP7411622B2 (ja) | 塗装診断システム、塗装診断方法 | |
CN114174157A (zh) | 用于制造组装件的方法 | |
DE102022124889A1 (de) | Verfahren und Vorrichtung zur Überprüfung der Fügeverbindungen eines Bauteils | |
CN115908359A (zh) | 车辆雨刮喷水状态检测方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |