יסודות עיבוד אותות דיגיטליים במערכות בקרת איכות אוטומטית

הרחבת בקרת איכות באמצעות עיבוד אותות דיגיטליים

עיבוד אותות דיגיטלי (DSP) הפך אבן הפינה של מערכות בקרת איכות מתקדמות, המאפשרים ליצרנים לבדוק, למדוד, לאמת מוצרים עם דיוק חסר תקדים ומהירות. מקווי הרכב לאריזות תרופות, DSP הופך נתונים חיישן גולמי לתובנות ניתנות להפעלה הגורמות איכות עקבית, להפחית את הפסולת, ואת עלויות התפעוליות הנמוכות יותר.

המונחים: Digital Signal Processing

אנליסטים לדיגיטל: הקרן

בלבו, DSP מתחיל עם המרה של אותות אנלוגיים מתמשכים - כגון מתח ממיקרופון, עוצמת אור מ חיישן מצלמה, או האצה מ transducer - כדי לטשטש ערכים דיגיטליים.תהליך זה, המכונה אנלוגי-to-דיגיטלי (ADC), דגימות האות בקצב סופי (תדירות הדגימה) ומדמת את הגוון שלה לתוך מספר דיגיטלי של מסננים נמוכים בדרך כלל.

תפעול: סינון, טרנספורמציה, ומיצוי תכונות

לאחר דיגיטציה, אותות מעובדים באמצעות אלגוריתמים מתמטיים שניתן ליישם בזמן אמת ב- FPGAs, שבבי DSP או GPUs.

(FLT:0)Fitering: FLT:1 פילטרים דיגיטליים (תגובה אימפולסית פיננסית, FIR, או תגובה אימפולס אינסופית, IIR) להסיר רעש, להקות תדרים ספציפיים, או לפצות על חיישן שאינם לינאריות. לדוגמה, מסנן נמוך יכול לחסל רעש רטט גבוה ממטר קריאה תוך שמירה על החתמת נמוך של פגם מבני.
(FLT:0) Transformation:FLT:1 Transforms כמו Fast Fourier Transform (FFT) להמיר אותות זמן-דומיין לייצוגים של תדירות-דומיין, חושף דפוסים תקופתיים, הרמוניות, ו resonances כי הם בלתי נראים בנתונים גולמיים.ניתוח ספקטרלי הוא חיוני לזיהוי ללבוש בממריצים או לזהות חומר הומוגניות.
(FLT:0) מיצוי: ⁇ (FLT:1 algorithms) תמציתיים משמעותיים - ⁇ s חדשניים בתמונות, עלייה במספרים בטטראטציה, משככי אבטיחים נטולי רחם בסימנים אקוסטיים - שמשמשים כקלטים לכיתות או כללי החלטה.

מערכות בקרת איכות מבוססות DSP

חיישן ורכישות נתונים

האיכות של כל מערכת DSP מתחילה עם שרשרת החיישן. יישומים תעשייתיים משתמשים במגוון רחב של חיישנים: CMOS או CCD מצלמות לבדיקה חזותית, חיישני עקירת לייזר עבור גינון ממדי, מיקרופון לניתוח אקוסטי, thermopiles עבור מיפוי תרמי, ו accelerometers עבור ניטור רטט. רכישת נתונים חייב לטפל בערוצים מרובים, סינכרוני סימולציה, ולספק 24 סיביות ל-ק נתונים לעתים קרובות יותר.

סטיות אנליסטים-to-Digital Conversion (ADC)

ביצועים ADC משפיעים ישירות על דיוק מדידה. פרמטרים מרכזיים כוללים החלטה (מספר סיביות), שיעור הדגימה, טווח דינמי ויחס אות-לכאורה (SNR) בשליטה איכותית, 12 סיביות ADC נפוץ עבור יישומים רבים, בעוד מטרופולין גבוה של חיזוי עשוי לדרוש 16 או 24 סיביות. Oversampling ו averaging יכול לשפר את ההחלטה היעילה עלות רוחב הפס מופחתת.

ניכוי מסנן ו- Noise Reduction

אותות חיישן Raw מזוהמים תמיד על ידי רעש מהתערבות אלקטרומגנטית, רטטים מכניים, חיישן עצמי-noise שגיאות קוונטיות. DSP מספק ערכת כלים של אסטרטגיות סינון:

(ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(ב) [15] ,0 פילטרים של פאס ופס'ר 1 (ב) מבדילים בין טווחי הריבית, כגון שיא ההתחדשות של רכיב העובר מבחן ברז.
(FLT:0) מסננים מועדים (FLT:1) להתאים את האפקטיביות בזמן אמת כדי לבטל רעש המשתנה עם תנאי הפעלה, כגון לחות רקע במערכת בדיקת אודיו.

עיצוב מסנן נכון הוא קריטי: סינון יתר יכול להסיר חתימות פגומות אמיתיות, בעוד תחת סינון רעש הגורם אזעקה.

טכניקות ייצור

הפקת תכונות מפחיתה את המימד של האות ומדגישה את המידע הרלוונטי ביותר להחלטות איכות. במערכות מבוססות תמונה, תכונות נפוצות כוללות:

אדג'ס וקומפלטים (באמצעות Sobel, Canny, או Laplacian מפעילים).
טקסט תיאורי (GLCM, Gaor filters)
רגעים סטטיסטיים (mean, variance, skewness) של נחיתות פיקסל.

עבור אותות חד-ממדיים (vibration, קול, זרם), תכונות כוללות גודל שיא, ערכי RMS, גורם crest, kurtosis, ו-spectral Centroids. בשנים האחרונות, ייצוגים של זמן כמו קצר-זמן Fourier Turn ו- Wavelet הפכו פופולריים עבור לכידת אירועים טרנספורמטיביים כגון לחיצה של חלק סדקים.

החלטות אלגוריתמים: מ Thresholdsholds to Machine Learning

לאחר שתכונות מופקות, חוק החלטה קובע אם המוצר עובר או נכשל.מערכות פשוטות משתמשות בסף קבוע (למשל, "זריק אם פסגות הרטט עולה על 0.5 גרם"), בעוד שמערכות מתוחכמות יותר משתמשות בשליטה בתהליך סטטיסטי (SPC) מגבילות יותר ויותר, מערכי למידת מכונה - תמיכה במכונות וקטורות אקראיות, או רשתות עצביות מגובשות - מאומנותרות על תכונות מתוייגות כדי להבדיל טוב מנקודות לוואי של חומרים מאפקטיביים עם חומרים מדויקים ופרטים חיוניים.

יישומים מרכזיים בתעשיות

ראייה וחזון מכונה

ראיית מכונות היא היישום הנרחב ביותר של DSP בשליטה איכותית.מצלמות ללכוד תמונות של מוצרים בתפוקה גבוהה, ואלגוריתמי DSP מבצעים משימות כגון:

גילוי פגם:0 (Surfaceפגום: FLT:1 , זיהוי שריטות, משחות, בורות או צבע על לוחות רכב, לוחות אלקטרוניקה, או אריזה מזון.
(ב) ,0) נוכחות וכיוון: FLT:1 , לבדוק כי רכיבים הם כראוי להציב ומוכוון לפני ההרכבה.
[01:0] ברקוד ו- OCR קוראים: FLT:1 [ה] צוהים קודים מודפסים במהירות קו.
ניתוח:0 (Color Analysis: FLT:1) מבטיח כי תוויות מודפסות תואמות פרופיל צבע ההתייחסות בסובלנות.

מערכות ראייה מודרניות לעתים קרובות להשתמש במצלמות שטח או קו-סרק עם החלטות מ 2 עד 50 מגה פיקסל. FPGA מבוסס עיבוד מאפשר סינון בזמן אמת ומיצוי תכונה אלפי חלקים לדקה.לדוגמה, מערכת בדיקה אלקטרוניקה טיפוסית משתמשת בשילוב של מסנן אלקטרוניקה גבוה כדי להדגיש את הקצוות המשותפים הנמכרים, ניתוח נפיחות לאתר רכיבים, תבנית והתאמה לאמת את ההרכבה הנכונה.

המונחים: Dimensional Measurement

חיישני לייזר ו- interferometers למדוד מרחק, עובי ופרופיל עם דיוק ברמה מיקרון.DSP מעבד את קו לייזר משתקף כדי לחלץ עמדות שיא, לתקן עבור רפידות משטח משתנה, וממוצע סריקות מרובות כדי להפחית רעש.ב יישום שחיקה צינלית, אלגוריתמי DSP מצמידים את קוטר של פיר רוטינג בזמן אמת, ומאפשרים לשחיקה עבור טכניקות קירור סגורות, המשמשות של צינורות מתכת, הם להעריך את לוחות עגולים.

ניתוח וספורט

ניטור Vibration הוא שיטה מוכחת לזיהוי פגמים מכניים כגון misalignment, חוסר איזון, בעיות, ורכיבי ציוד. DSP טכניקות החלות בתחום זה כוללים:

(ב) ,0) ניתוח של Envelope: FLT:1 הדגמה של אותות מובילים גבוהים כדי לחשוף השפעות נמוכות של ספקולציה (למשל, מתוך נושא מעוקל).
ניתוח הזמנה:0 (תיקון:00) 1 (ראה: ⁇ ) מעקב אחר רכיבי רטט במספרים של מהירות פירוטאלית כדי להפריד סינכרוני בין אותות שאינם סינכרוניים.
פליטת פליטת:0 (Acoustic פליטת:FLT:1hil להאזין לגלי לחץ גבוהים שנוצרו על ידי צמיחה סדקים או תשואות חומריות.

בייצור רכב, תחנות בדיקה אקוסטיות אוטומטיות מקשיבות לקול תיבת הילוכים כפי שהוא פועל; DSP קובע חתימה ספקטרלית ומשווה אותו לתבנית "טובה" ידועה. Deviations מצביעה על רתיעה חריגה או נקה מוגזמת.

ניתוח ספציפי ל-Matual Verification

קרוב ל-infrared (NIR) spectroscopy, Raman spectroscopy, ו- hyperspectral הדמיה מסתמכת על DSP כדי לנתח את התוכן הספקטרום של אור שמשתקף או מועבר על ידי חומר. על ידי זיהוי שיאים במהירויות גל אופייני, מערכות אלה לאמת את הרכב הכימי, לחות, או זיהום.לדוגמה, מערכת בדיקת טבליות משתמשת DSP כדי לשתף פעולה עם חומר שני של ריכוז מקובל על מנת להשוות את הספקטרום של לוח הבקרה הפעילה.

המונחים:

מצלמות אינפראות ומערך thermocouple לייצר תמונות תרמיות או נתוני טמפרטורה של זמן.DSP סינון מסירים סחף טמפרטורה מסובך, ותכונות החילוץ לאתר נקודות חמות המציינות חיבורים חשמליים עניים, קירור לקוי או דלמנט בחומרים מורכבים. in thermography פעילה, הדופק חום transient הוא מיושם, ודפי מנתח את עקומת הקירור כדי לזהות פגמים תת-קרקעיים כגון מטושטשים או debons.

יתרונות על שיטות בדיקה מסורתיות

מעבר לבדיקה ידנית או פשוט ללכת / לא-גו מדלגים במערכות אוטומטיות מבוססות DSP מספק הטבות מדידה:

(FLT:0) אלגוריתמים מתוזמנות ויציבות: אלגוריתמים של DSP:1 מיישמים את אותם הקריטריונים באופן עקבי על פני מיליוני חלקים.בדיקה ידנית סובלת מעייפות מפעיל ושיפוט סובייקטיבי, בעוד שמערכת DSP בעלת ערך רב יכולה לזהות פגמים קטנים כמו כמה מיקרומטרים או כמה דציבלים עם כמעט ללא סחף.
(FLT:0) Real-Time Speedue: 1FLT 1 חומרה DSP ייעודית (FPGAs, Multicore DSPs) יכול לעבד אלפי ערוצי חיישן בו זמנית, המאפשרת 100% בדיקה מקוונת אפילו במהירויות קו גבוהות (למשל, 1000 בקבוקים לדקה) זה מבטל את הצורך ב-Sampling ולהפחית את הסיכון של מוצר פגומה.
(FLT:0) ניתוח רב-ממדי: FLT:1 מערכת DSP יחיד יכול לשלב נתונים מחיישנים מרובים - ויזואלית, רטט, טמפרטורה - ולהניא אותם לקבל החלטה חזקה יותר.לדוגמה, הרכבה מנוע יכול לעבור בדיקה חזותית אך נכשל בדיקות רטט; מערכת DSP המשולבת יכולה לדגל את היחידה לעבודה מחדש.
(FLT:0) יעילות: FLT:1 למרות ההשקעה הראשונית בחיישנים וחומרת עיבוד היא לא טריוויאלית, מופחתת, עלויות עבודה נמוכות יותר, ופחות לקוחות חוזרים במהירות על חשבון.
(FLT:0) Data Traceability:FLT:1 כל מדידה רשומה דיגיטלית, המאפשר ניתוח שורש-כיסוי, ניטור מגמה, וציות לסטנדרטים רגולטוריים (ISO 9001, ה- FDA 21 CFR חלק 11). תכונות DSP-derived ניתן לאחסן ב Histograms או בקרה עבור בקרת תהליכים סטטיסטיים.

מגמות מתפתחות ב DSP עבור בקרת איכות

AI-Enhanced DSP

למידת מכונה משולבת יותר ויותר עם צינורות DSP מסורתיים.במקום להסתמך על כללי הסף בעבודת יד, רשתות עצביות אבולוציה (CNN) יכולים ללמוד מסננים אופטימליים וספקים תכונה ישירות מהנתונים הכשרה.זה מאוד חזק עבור משימות כגון סיווג משטח, שבו גישות מסורתיות המבוססות על הכלל נאבקות עם וריאציות תאורה, מרקם, עם זאת, למידה טהורה יכולה להיות נתונים-Hungry ומערכות ⁇ פחות.

צוק עבור עיבוד בזמן אמת

Latency הוא קריטי בייצור מהיר: יש לקבל החלטה בתוך מילימטרים לפני החלק הבא מגיע. עיבוד מבוסס ענן מציג עיכובים בלתי אפשריים. Edge ממקמת DSP ישירות על רצפת הייצור - על בקרים משובצים, מצלמות חכמות, או לוחות DSP ייעודיים.זה מקטין תקשורת מעל פני ראש ומאפשר שליטה סגורה, שבו מערכת הביקורת יכולה מיד לגרום למנגנון או להתאים תהליך מתקדם ל-APTx.

שילוב עם IoT תעשייתי (IIoT)

מדדי איכות DSP-generated יותר ויותר נאספים לפלטפורמות IIoT עבור ניטור ברמה ארגונית ותחזוקה חיזויית.לדוגמה, ניתן לאסוף חתימות רטט ממאות מכונות, לנתח אותן באופן מרכזי, ומשמשים לחיזוי שבועות של כשלים מראש.ה-FLT:0 מכשירים לאומיים (NI) גישה לבדיקת איכות של ®FLT:1 מדגישה שילוב של DSP עם נתונים כדי ליצור תאומים דיגיטליים של שיטות ייצור אופטימות.

מערכות בקרת איכות עתידיות ימזגו נתונים מחזון, צליל, רטט, חיישני תרמי וספקטרלי לתוך מנוע החלטה יחיד. אלגוריתמי DSP חייב להתאים את שערי הדגימה ולתאם את מסגרות המרחב של ההתייחסות.לדוגמה, מצלמה עשויה לזהות שריטה פני השטח בעוד חיישן אקוסטי שומע את אותה פליטה אופיינית של פגם.

מסקנה

עיבוד אותות דיגיטלי הוא הרבה יותר מפורט טכני בשליטה איכותית אוטומטית - זה המנוע שהופך את הנתונים החיישן רועש, גולמי לתוך החלטות אמין, חוזר על עצמו. מן העקרונות הבסיסיים של דגימה וסינון להתפתחויות האחרונות בלמידה מכונה ומחשוב קצה, DSP מספק את הדיוק והמהירות הדרושים כדי לענות על הדרישות של ייצור מודרניני.