如果您一直想知道如何使用机器视觉或其他类型的自动化来提高车间或工厂的性能、生产力和效率，那么现在正是探索这种可能的理想时机。面向市场的部门对自动化技术的需求已回升至新冠大流行前的水平，机器视觉和其他创新正处于几个行业的前沿。
到2030年，商用机器视觉预计将成为一个价值近260亿美元的全球产业。以下是如何在制造业中使用机器视觉以提高效率、竞争力和面向未来的方法。
在探索应用之前，建立机器视觉的基本定义会很有帮助。MV使用成像技术(例如相机、激光、镜头和分光镜)来提供分析、检查和自动化功能。其最终目标是增强工业过程控制、产品自动化检测、设备预测性维护和其他增值功能。
制造业中的机器视觉正在推动整个工业界的大量投资，无论是在哪个市场定位。以下是一些使用机器视觉来提高制造性能的方法。
自动化设备的检查是机器视觉最有价值的工业能力之一。传统检查需要经过培训的人员目视检查关键性机器的多个点以确定其健康状况，并检测新出现的维护问题。这种方法有赖于一种前瞻性的方法，但有时只会提供避免机器操作者停机所需的预警。
借助机器视觉，可以在关键点嵌入或放置摄像头，来捕获详细、实时、持续的视觉数据以用于分析机器的运行。在油漆、溶剂、粘合剂和类似产品的制造过程中，这可以极大地提高产量和性能，尤其是在检查储罐内部、管道系统、混合和储存容器以及类似结构等难以检查的资产时。甚至机器人也可以使用机器视觉来检测和分析其运行中的故障。
我们再怎么强调这种对可能有危险的基础设施进行自动化在线检查的价值都不为过。长期来看“run-to-failure”模型不实用，同时在每天触及无数生命的制造业中并不可取。不可预见的生产延迟(制造商现在可以通过主动的机器管理系统和遥测分析避免延迟)可能会造成重复性损害，甚至在某些重要行业中造成生命损失。
计划外停机也是盈利能力的大敌，这对任何人来说都不是新鲜事，但实际成本是多少？工业制造每年因意外的机器不可用和未使用的制造能力而损失约500亿美元。机器视觉检查可以将这个数字降低到接近于零，这使它们成为许多注重成本的公司寻求更好股东回报的诱人投资对象。
当制造商为其生产环境配备3D相机、图像传感器和进行摄影分析的手段时，他们还创建了一个用实时过程数据构建和维持的生产环境的数字孪生。这种网络和物理系统的巧妙结合改变了各种制造业的游戏规则。
JohnDeere提供了一个机器视觉提高制造性能的例子。使用机器视觉系统收集的遥测数据，工程师和维护专家可以看到单个机器甚至整个工厂环境的虚拟表现。然后，他们可以参加针对性强、效率极高的设备维护、产品组装、工厂优化任务等。
让处理溶剂、粘合剂、油漆和涂料的制造工厂保持最佳状态至关重要。例如，如果机器的性能下降会影响涂层产品的完整性，终端用户甚至可能直到涂层在现场失效都不知道这个问题。
创建数字孪生来模拟喷涂、涂层和其他精加工过程(尤其是在涉及极端温度的情况下)是一个相对较新的研究领域。多方正在积极从投资组织请求新的研究和数据集。
并非每个机器视觉应用都需要复杂化才能提供有形价值。很难确定一个数字，但制造商和分销商每个班次和每个季度花费几乎无数个小时来分拣进出货物、处理原材料以及保留或丢弃装配线中的基本组件。
如果制造商可以在将材料用于药品、食品或工业溶剂等产品之前使用成像技术来研究材料的分子结构会怎样？得益于近红外光谱、X射线和专用的激光器驱动的机器视觉系统，这已经成为现实。
从根除不合格的前体和添加剂到查看成品部件的物理结构，机器视觉可以大大减少分拣和材料处理所花费的时间。据食品行业专家称，机器视觉能够去除99%的异物和不良产品，这一成功案例已经在其他行业重演。
检查工件和涂层的过程(在应用之前、之中和之后)是一个极其耗时的过程。但是机器视觉可以大大提高质量控制(QC)过程中的速度和缺陷检测。运行先进人工神经网络的机器视觉系统已经证明了它们的价值。
在一次试验中，工程师能够将涂层检测系统自动化到可以检测和分类15种不同类型缺陷的程度。肉眼可以很好地做出通过/未通过的判断，但这并不一定有助于根据类型、缺陷的严重性和减少错误所需的流程对错误进行分类和优先级排序。这一点上，机器视觉提供的服务比人类QC专家提供的类似服务更加细致、准确和高效。
人眼是一台聪明而有能力的有机机器，但它终归会出错并且容易疲惫不堪。相比之下，机器视觉系统永不疲倦，工作更稳定，没有错误，同时如果没有技术帮助提供材料成分和物理结构的概况是不可能的。实际上，制造业中的机器视觉可以：
使这些机会成为可能的技术变得越来越容易为公司所接受。你会用它做什么？
(原文刊登于EDN姊妹网站Embedded，参考链接：Using machine vision to enhance manufacturing performance，由Ricardo Xie编译。)
最前沿的电子设计资讯
