La numérisation laser 3D avancée détecte les défauts de peinture sur les surfaces métalliques

20
Février

Utiliser la numérisation laser 3D pour analyser les défauts de peinture sur des surfaces métalliques

• Par :Brian McMorris
• Finition Cobot
• Commentaire :0

Par Brian McMorris

Président chez Futura Automation, LLC

Abonnez-vous sur LinkedIn

Un fabricant du Midwest américain produit des portes à enroulement et achète des bandes métalliques préextrudées, ou lattes, qui sont préparées et peintes avant l'assemblage. Le fabricant a contacté Don Nedved de Futura Automation, LLC pour rechercher une solution à ses problèmes de qualité. Le processus de peinture consiste en des couches de peinture et se termine par une couche transparente. Après le processus de peinture/couche transparente, les lattes sont assemblées pour former une porte complète et inspectées visuellement par des humains pour déceler les défauts de peinture et les bosses dans le métal. #Les défauts de peinture sont généralement des particules de poussière dans la couche transparente et sont observables à l'œil humain. Mais bien souvent, de tels défauts, sur un profil aussi faible, peuvent à peine être ressentis par le toucher humain.

Ces légers défauts sont désormais identifiés après assemblage donc afin de préserver les ressources déjà dépensées sur l'assemblage fini, les défauts sont poncés humides et polis manuellement. Il n’est pas surprenant que ce processus constitue le goulot d’étranglement du débit quotidien des produits finis. Le client recherche une solution pour inspecter la surface peinte et soit A) retirer les lattes défectueuses du processus d'assemblage pour un resurfaçage automatisé, soit B) utiliser un robot ou un cobot pour localiser et refaire surface les zones défectueuses par ponçage ou polissage.

Futura Automation, en partenariat avec l'expert en inspection laser Jake Haefner, a conçu une solution qui permet de trouver et d'identifier facilement les anomalies dans la surface peinte, qu'il s'agisse de particules dans la couche transparente ou de bosses. (Il a été proposé de rechercher des bosses avant tout processus de finition.) Tout d’abord, voici des images en niveaux de gris et en hauteur de l’une des pièces peintes. Nous utiliserons le #LJX8080 et le contrôleur 3D pour cette application. Ce modèle est précis à 12,5 microns, soit environ 1/8ème d'un cheveu humain. Tous les outils et la puissance de traitement nécessaires à cette application sont contenus dans le contrôleur. Le système n'aura besoin que d'un moniteur pour visualiser les images et les données.

Vous trouverez ci-dessous une vue agrandie d'un défaut ainsi qu'un profil 2D à travers le défaut qui montre la mesure de la largeur et de la hauteur sur une échelle de couleurs couvrant une étendue de 300 microns (-14,7 mm à -14,4 mm).

Notre outil de défauts capture les données de hauteur, puis les convertit en nuances de gris (généralement illustrées sous forme de couleurs pour une meilleure compréhension humaine) afin que nous puissions identifier le contraste. C'est une technologie complexe, mais essentiellement l'outil prend une plage de hauteur, disons par exemple 0 mm à 1 mm, et attribue la valeur la plus basse, dans cet exemple 0 mm, pour ombrer « 0 » ou entièrement noir et attribue la valeur la plus élevée, 1 mm, pour ombrer « 255 » ou entièrement blanc. Les données de hauteur comprises entre la hauteur la plus basse et la plus haute sont ensuite attribuées à des nuances de gris comprises entre la teinte « 0 » et la teinte « 255 ». Sur la base de ces données de hauteur converties en nuances de gris, le scanner laser peut identifier certains changements de contraste pour détecter des défauts tels que des rayures, des bosses, des renflements et des particules étrangères. Vous trouverez ci-dessous une image d'une pièce peinte avec un signe plus marquant le défaut que nous avons appris au système à identifier. Nous pouvons ajuster la taille du segment (taille du défaut) et le niveau de défaut (profondeur du défaut) pour détecter uniquement les défauts considérés comme inacceptables. Nous pouvons également fixer des limites sur la taille et la quantité de défauts sur la pièce.

Ci-dessous, une vue contrastée du défaut. Ceci est représentatif de ce que le profileur voit réellement lorsqu'il identifie le défaut et le juge.

Nous avons joint quelques images supplémentaires de divers défauts que nous avons numérisés et leur vue de profil. Si vous souhaitez que Futura Automation scanne vos pièces pour détecter des défauts, nous serons heureux de réaliser une preuve de concept avant de développer votre système de production.