Find out more about current projects:
Machine learning for PCD cutting edges
When special surface quality is needed, tools with diamond cutting edges are usually used, as they also meet the highest demands in terms of cutting parameters and longevity. Polycrystalline diamond (PCD) cutting edges are extremely wear-resistant. Nevertheless, they have to be replaced or reground again and again in order to maintain the full performance of the respective tool. Since such components are subject to 100% inspections at MAPAL, it is naturally a very time-consuming work step. Each cutting edge must be examined individually for possible production defects in the microscopic range. At MAPAL, this was done exclusively by hand and with a trained eye via the eyepiece – until recently. "One of many traditional processes in which deep learning technologies can provide decisive support," Joshua Roth proudly reports on his co-development.
"One of many traditional processes in which deep learning technologies can provide decisive support."
Targeted feedback for users
«O colaborador já não tem de colocar cada peça sob um microscópio. Em vez disso, tem um tabuleiro que pode carregar com um certo número de lâminas. As lâminas são então automaticamente capturadas e carregadas para a Microsoft Azure Cloud. Aí há um modelo de deteção de objetos que está treinado para detetar defeitos microscópicos de material e fornecer feedback direcionado ao utilizador», diz Joshua Roth, explicando como funciona a conduta implementada. O processo de imagem foi concebido para apoiar a deteção de quebras e acrescenta um valor significativo ao processo de produção através da pré-seleção. Mesmo um computador nem sempre deteta tudo. Portanto, no final do processo de controlo de qualidade, o ser humano é que decide sempre.
Be an important driver of digitisation and discover the exciting opportunities awaiting you in our IT department.
