다이 캐스팅의 AI 결함 감지: 품질 관리를 위한 스마트 비전 시스템

다이캐스트 알루미늄 기어박스 하우징 컨테이너가 닝보에서 선적을 기다리고 있을 때 고객의 검사 결과 동일한 샷 시퀀스에서 세 부품에 다공성이 발견되었습니다. 다공성이 표면 아래에 있었기 때문에 주물은 라인 측면 육안 검사를 통과했습니다. CNC 가공으로 구멍이 열린 후에야 눈에 띄게 되었습니다. 누락된 결함, 다운스트림 발견, 논쟁의 여지가 있는 청구와 같은 패턴은 다이캐스팅 품질에서 가장 비용이 많이 드는 루틴입니다. 이제 AI 결함 감지가 이를 방해하고 있으며 이는 구매자가 다이캐스팅 공급업체를 평가하는 방식을 변화시킵니다.

AI 결함 탐지가 다이캐스팅 공장으로 옮겨가는 이유

AI 기반 비전 시스템은 훈련된 눈으로 놓치는 결함을 라인 속도로 포착합니다. 주조 검사에 대한 연구는 이미지 데이터 세트 실험에서 결함 위치를 파악하고 유형을 분류하는 계층적 컨볼루션 신경망과 표준 산업용 컴퓨터에서 실행되는 실시간 YOLO 기반 감지기를 포함하는 생산 지향 아키텍처로 이동했습니다. 실제 결과는 사례 연구 전반에 걸쳐 일관됩니다. 특히 조기 납땜, 콜드 셧, 흐름 표시와 같은 미묘한 기능에 대한 감지율은 수동 검사보다 확실히 높습니다.

경제적 방아쇠는 현실입니다. 산업용 카메라, 내장형 GPU 및 오픈 소스 교육 도구는 5년 전보다 훨씬 저렴해졌습니다. 따라서 여러 기계를 갖춘 공장에서는 트림 프레스에 카메라 스테이션을 설치하고 자체 생산에서 데이터 세트를 구축할 수 있습니다. 공장 자체 주조로 훈련된 모델은 모든 다이에 고유한 열 및 충전 특성이 있기 때문에 일반 분류기보다 성능이 뛰어납니다.

AI가 하지 않는 것은 프로세스 지식을 대체하는 것입니다. 검사 단계에서는 증상을 보고합니다. 결함 예방은 샷 매개변수, 다이 온도 균형 및 첫 번째 방어선으로 남아 있는 금형 설계 납땜 및 가스 다공성과 같은 반복되는 문제에 대비합니다.

AI 비전이 수동 검사에서 놓친 것을 감지하는 것

알루미늄 다이캐스팅 결함은 검사 시 다르게 나타납니다. 일부는 눈에 보이고 분류하기 쉽습니다. 다른 것들은 내부적이어서 엑스레이나 절편이 필요합니다. AI 시스템은 두 수준 모두에서 가치를 더합니다.

표 1. 알루미늄 다이캐스팅의 1차 결함 유형과 각 결함을 파악하는 검사 방법
결함	형성	최상의 탐지 방법	수동 검사가 어려운 이유
가스 다공성	빠른 사격 중 포획된 가스	엑스레이 또는 CT; AI 보조 방사선 촬영 판독	지하, 작고 무작위로 분포됨
수축공	응고 중 국부적인 수축	엑스레이; 파괴적인 단면	두꺼운 벽 내부에 집중되는 경우가 많음
콜드 셧	두 개의 금속 흐름 전면이 융합되지 않음	표면 시각적; 염료 침투 테스트	플로우 마크와 유사한 가는 선으로 나타남
플로우 마크	불균일한 충전 패턴	지향성 표면 조명	일관된 조명과 운영자의 주의에 따라 달라집니다.
납땜	다이강에 알루미늄 용접	초기 촬영에 대한 시각적 확인 표면 카메라	긴 생산 교대 시간 동안 주의가 흐려집니다.
플래시	다이 클램핑 불균형	간단한 비전 기하학 확인	엣지 기능은 판단하기가 반복적이고 단조롭습니다.

AI를 단계별 시스템으로 생각하는 실용적인 방법은 트림 라인의 2D 표면 비전이 상단 표면 결함을 포착하는 것입니다. 구조화된 조명은 기하학적 편차를 포착합니다. 컨벌루션 분류기가 포함된 X선은 내부 검사를 지원합니다. 프로세스 센서는 금속이 굳기 전에 위험한 샷을 표시하는 예측 레이어를 제공합니다.

다공성 38%
콜드 셧s 22%
수축률 18%
플로우 마크s 12%
기타 10%

알루미늄 다이캐스팅 품질 데이터에 보고된 결함 유형의 일반적인 분포 실제 비율은 합금, 다이 설계 및 공정 창에 따라 다릅니다.

AI 검사가 다이캐스팅 작업흐름에 적합한 곳

AI 결함 감지 배포는 카메라를 설치하고 결과를 기대하는 것이 아닙니다. 가치는 부가가치 작업과 관련하여 검사 지점이 어디에 있는지에 따라 달라집니다. 자동차 및 산업용 부품을 위한 일반적인 알루미늄 다이캐스팅 라인의 논리는 다음과 같습니다.

샷 모니터링. 사출 속도, 압력 및 다이 온도에 대한 센서는 부품이 취출되기 전에 각 샷의 다공성 위험을 예측하는 모델을 제공합니다.
트림라인 표면 검사. 비전 스테이션은 부품이 가공으로 이동하기 전에 콜드 셧, 흐름 자국 및 플래시를 포착합니다.
가공 후 점검. CNC 작업으로 내부 기공이 드러난 후 카메라는 중요한 보어와 밀봉 표면을 확인합니다.
누출 및 압력 테스트. 유체 운반 하우징의 경우 최종 밀봉 테스트는 이전 검사 데이터와 결합됩니다.
피드백 루프. 결함 기록은 금형 유지 관리 및 공정 엔지니어링에 반환되므로 동일한 결함이 반복되지 않습니다.

순서가 중요합니다. 가공 전에 결함을 발견하면 가공 불량을 방지할 수 있습니다. 조립하기 전에 잡아서 재작업을 방지합니다. 배송 전에 이를 포착하면 관계가 보호됩니다. 기능적 요구 사항이 엄격한 부품은 이를 가장 명확하게 보여줍니다.

Aluminum Die-Cast Battery Housing and Cover for Electric Vehicles

전기 자동차용 알루미늄 다이캐스트 배터리 하우징 및 커버 이 보호 하우징은 강도, 밀봉 및 방열 기능을 결합하여 신에너지 차량의 배터리 팩을 보호하므로 조립 전에 누출 및 치수 검사가 중요합니다. 제품보기 →

신에너지 차량용 배터리 하우징은 고전압과 지속적인 열을 전달하므로 단일 다공성 주조로 인해 수개월간 사용 후 절연 결함이 발생할 수 있습니다. 이것이 바로 최종 검사뿐만 아니라 모든 단계에서 누출 무결성과 치수 안정성이 검증되는 이유입니다. 모터 하우징, 기어박스 하우징, 밸브 본체 및 기타 구조용 주조물에도 동일한 원칙이 적용됩니다.

비용 현실: AI 검사로 절약되는 것과 절약되지 않는 것

결함이 고객에게 넘어가지 않는 한, 올바른 검사 지점이 저렴하게 잡아냅니다. 세 가지 참조 번호가 경제성을 구성합니다.

다이캐스팅 라인에 대한 수동 육안 검사는 일반적으로 교대 길이 및 작업자 피로에 크게 의존하여 눈에 보이는 표면 결함의 70~85%를 감지합니다.
규칙 기반 머신 비전은 이러한 격차를 대부분 해소하지만 허용 가능한 표면 변형처럼 보이는 결함으로 인해 어려움을 겪습니다.
공장 자체의 금형 및 주조물에 대해 훈련된 AI 분류자는 정기적으로 뚜렷한 결함 유형에 대해 90% 이상의 탐지율을 보고하고 모든 샷에서 동일한 패턴을 표시합니다.

공개된 다이캐스팅 품질 시험의 대표적인 범위; 결과는 결함 유형, 부품 형상 및 조명 조건에 따라 다릅니다.

비용 측면도 마찬가지로 구체적입니다. 고가의 기계 주조품에서 빠져나온 결함 하나가 전체 카메라 스테이션 가격과 맞먹을 수 있습니다. 실제 수익은 세 가지 변수, 즉 검사 지점 이후에 추가된 가치, 기준 결함률, 공급업체가 프로세스 매개변수를 조정하기 위해 결함 데이터를 사용하는지 여부에 따라 달라집니다.

Aluminum Die-Cast Electric Motor Housing and Stator Frame

알루미늄 다이캐스트 전기 모터 하우징 및 고정자 프레임 엄격한 내경 공차와 안정적인 열 방출을 위해 설계된 이 고정자 프레임은 산업 및 자동차 응용 분야의 모터를 지원하므로 조기 검사를 통해 비용이 많이 드는 가공 스크랩을 방지할 수 있습니다. 제품보기 →

전기 모터 하우징은 엄격한 보어 공차와 가공된 고정자 포켓에 그 가치를 집중합니다. 가공 후 기공이 나타나면 스크랩 손실에는 주조 비용뿐만 아니라 가공 시간도 포함됩니다. 해당 단계 전에 검사를 배치하면 구매자의 산술이 변경됩니다.

사례 연구 패턴을 기반으로 한 예시적인 개선 곡선 실제 절감액은 부품 혼합 및 기본 품질에 따라 달라집니다.

구매자를 위한 실용적인 지침: 모터 하우징의 고정자 포켓, 유압 밸브의 내부 채널 또는 EV 배터리 커버의 평탄도 등 부품에서 중요한 특정 기능을 검사하는 방법을 공급업체에 문의하세요.

AI 인식 다이캐스팅 공급업체에서 찾아야 할 사항

품질 관련 주장은 인쇄하기는 쉽지만 확인하기는 어렵습니다. 공급업체가 AI 또는 고급 검사를 언급하면 구매자는 다음 네 가지 영역에서 구체적인 증거를 찾을 수 있습니다.

품질 시스템 인증. IATF 16949는 통제된 문서, 내부 감사, 시정 조치 기록 등 프로세스 관리 백본을 제공합니다. 이는 검사 효율성을 보장하지는 않지만 공급업체가 배송하는 제품을 측정한다는 의미입니다.
문서화된 결함 분류. 이미지, 통계, 캐비티별 빈도 등 자체 라인에서 결함을 분류한 공급업체는 합격률만 인용하는 공급업체보다 정렬하기가 더 쉽습니다.
폐쇄 루프 데이터. 검사 피드백이 다이캐스팅 셀의 공정 매개변수를 변경합니까? 이는 프로세스 창을 지속적으로 좁히는 팀과 대응 검사 실험실을 구별합니다.
추적성. 다중 캐비티 다이에서는 결함 패턴을 올바른 도구에 할당할 수 있도록 각 캐비티를 추적할 수 있어야 합니다.

이러한 요소는 카메라 브랜드보다 더 중요합니다. 에 닝보지에다 , IATF 16949 인증, 28명의 기술 직원 및 최대 1600톤의 고압 다이 캐스팅 기계로 지원되는 사내 금형 설계를 갖춘 닝보 베이룬에 있는 직원 130명 시설의 품질 관리 앵커입니다. 금형을 설계하는 동일한 팀에서 주조, 가공 및 표면 처리도 수행하므로 최종 검사에서 발견된 결함을 동일한 시설의 금형 설계 또는 샷 매개변수에서 추적할 수 있습니다.

Machined and Powder-Coated Aluminum Die-Cast Control Valve

가공 및 분말 코팅된 알루미늄 다이캐스트 제어 밸브 내부 채널, 밀봉면 및 부식 방지 코팅을 갖춘 이 밸브는 산업 시스템의 흐름을 조절합니다. 금형부터 최종 코팅까지 완벽한 사내 관리로 추적 가능한 품질을 보장합니다. 제품보기 →

제어 밸브 본체가 그 이점을 보여줍니다. 내부 채널은 흐름에 영향을 주고, 밀봉면은 누출 방지에 영향을 미치며, 분말 코팅된 외부는 부식에 저항해야 합니다. 한 팀이 금형, 주조, 가공, 코팅을 처리할 때 검사 데이터는 첫 번째 샷부터 최종 보고서까지 연결된 상태로 유지됩니다. 일종의 추적성 AI 기반 품질 관리가 강화되도록 설계되었습니다.

다이캐스팅의 AI 결함 감지에 관해 자주 묻는 질문(FAQ)

AI 결함 탐지가 X-Ray 검사를 대체하나요?

아니요. X선은 내부 다공성과 수축 공동에 대한 참조 방법으로 남아 있습니다. AI는 검사관이 결함 패턴을 더 빠르고 일관되게 찾을 수 있도록 지원하여 X선 해석을 개선하지만 방사선 촬영이나 야금학적 판단의 필요성을 제거하지는 않습니다.

주조 결함을 감지하려면 얼마나 많은 훈련 데이터가 필요합니까?

생산 시험에는 일반적으로 새로운 형상에 대한 높은 정확도를 위해 결함 클래스당 수천 개의 레이블이 지정된 이미지가 필요합니다. 전이 학습, 합성 결함 생성 및 안정적인 프로세스 조건은 그 수를 줄일 수 있습니다.

단기간 생산에 AI 검사가 경제적인가요?

효과가 있을 수 있지만 공급업체가 통제된 프로세스를 통해 반복 부품을 생산하면 경제성이 향상됩니다. 단기 실행의 경우 유사한 형상 또는 규칙 기반 비전 시스템 전반에 걸친 공유 모델이 더 비용 효율적인 경우가 많습니다.

고객은 공급업체의 AI 검사가 실제로 작동하는지 어떻게 확인할 수 있나요?

위음성 비율을 포함하여 부품 번호별로 결함 데이터를 요청하고 알려진 결함이 있는 샘플 부품을 감사 중에 라인을 통해 실행하도록 요청합니다. 작동하는 시스템은 매번 시드 결함을 잡아야 합니다.

다이 캐스팅 구매자의 질문은 더 이상 AI가 인간 검사관을 대체할지 여부가 아닙니다. 이는 공급업체가 검사를 정적 게이트로 취급하는지, 아니면 모든 부품을 읽고 데이터를 기록하고 이를 다이와 기계에 다시 공급하는 연결된 시스템으로 취급하는지 여부입니다. 두 번째 모델은 좋은 부품을 일관되게 배송합니다. 첫 번째 모델은 불량 부품이 배송되는 날까지 보기 좋은 부품을 배송합니다.