بررسی کاربرد هوش مصنوعی در کنترل کیفیت قطعات ریخته گری

این مقاله بر موضوع بازرسی دستی محصولات ریخته گری در صنعت ریخته گری تمرکز دارد که فرآیندیزمانبر و مستعد خطا است. سوال تحقیق این است که آیا یک مدل طبقه بندی کننده برای رشد یک واحداقتصادی میتواند برای خودکار کردن فرآیند بهبود دقت ایجاد شود؟ به طور خاص، هدف این مطالعهبررسی مقالاتی در این حوزه و نشان دادن پتانسیل استفاده از ابزارهای هوش مصنوعی در کنترل کیفیتفرآیند ریخته گری و پیاده سازی این پتانسیل بر روی دادگان قطعات ریخته گری پروانه پمپ شناور است .برای دستیابی به این هدف، این مطالعه از دید یادگیری نظارت شده با پرسپترون های چند لایه و شبکههای کانولوشن برای تجزیه و تحلیل داده های عکس و دسته بندی دقیق آنها در طول آزمایش استفادهشده است. مجموعه داده شامل ۷۳۴۸ داده تصویری از نمای بالایی پروانه پمپ شناور است که به دو دستهمعیوب و سالم تقسیم می شود. مجموعه داده با تقسیم آن به دو پوشه برای آموزش و آزمایش تهیه شده ومدلی بر پایه شبکه های کانولوشنی و پرسپترونی با مجموعه دادگان پوشه آموزشی ، آموزش دیده و بهدقت ۹۷ درصد در تشخیص قطعات معیوب و سالم در پوشه دادگان تست دست یافته است . باسفارشی سازی و استفاده از این ابزار، ریخته گری ها می توانند محصولاتی که از فرآیندهای ریخته گری خودبه دست آمده را از نظر مطلوبیت کیفیت سطح بررسی کرده و در عین حال کاهش ریسک ارسال قطعاتبی کیفیت به مشتری و مصرف کننده را پایین بی آورند . به طور خلاصه، این مطالعه استفاده از فناوریهای پیشرفته را برای هدایت نوآوری و بهبود فرآیندهای تولید در عصر مدرن برجسته می کند. این یافتهها بینش هایی در مورد پتانسیل استفاده از ابزارهای هوش مصنوعی برای خودکارسازی کنترل کیفیت وبهبود فرآیند ریخته گری در صنعت ریخته گری ارائه می دهد.

کلیدواژه ها:

کنترل کیفیت ، قطعات ریخته گری ، یادگیری عمیق