|
| Marka Adı: | WELLMAN |
| Model numarası: | IL-1000 |
| Ödeme şartları: | T/T |
1. Çalışma Prensibi
2. Avantajlarımız
2.1. 80kV X-ışını tüpü, daha uzun ömürlü, bakım gerektirmez.
2.2. Süper çözünürlüklü 17” dijital düz panel dedektör (FPD).
2.3. Ultra hızlı sayım, en yüksek hız sadece makara başına 12 saniyedir.
2.4. Destek maksimum 17” (430mm) nem bariyerli torbalı makara veya tepsis.
2.5. Sürekli güncellenen AI derin öğrenme algoritması ücretsiz, MES, ERP, WMS ve diğer yönetim sistemlerine bağlanmayı destekler.
2.6. Hmanuel mod, az miktarda makara, aşırı ağırlık & aşırı boyutlu makarave paketlenmiş makara.
2.7. AGV yerleşimini destekleyin, tüm sayım sürecini insansız gerçekleştirin.
2.8. İş emri numarası işlevini ve sayım kaydı sorgulama ve istatistiklerini destekler.
3. DonanımParametreleri
|
X-ışını kaynağı |
Bipi |
Mikro odak |
|
Maksimum tüp voltajı |
80kV |
|
|
Maksimum tüp akımı |
700μA |
|
|
Ddak spot boyutu |
30μm |
|
|
Düz panel dedektör |
Tipi |
Süper çözünürlüklü dijital FPD |
|
Etkili alan |
430mm*430mm |
|
|
Piksel boyutu |
139μm |
|
|
Çözünürlük |
3072*3072 |
|
|
Rakara/tepsi sayımı |
Maksimum boyut |
Otomatik mod 15” (380mm), manuel mod 17” (430mm) |
|
Maksimum kalınlık |
Otomatik mod 50mm, Manuel mod 80mm |
|
|
Min parça boyutu |
01005 |
|
|
Hız |
12-15s |
|
|
Doğruluk |
01005 ≥ %99,98, 0201 & üzeri ≥ %99,99 |
|
|
Medya türü |
Makara malzemeleri, nem geçirmez torbalı tepsi malzemeleri |
|
|
Ekipman |
Eoyutlar |
2700mm (U) * 1400mm (G) * 1900mm (Y) |
|
Ağırlık |
3000kg |
|
|
Güç kaynağı |
AC110-220V 50/60HZ |
|
|
Maksimum güç |
4800W |
|
|
Endüstriyel PC |
I7 CPU, 16G RAM, 256G SSD+4T HDD |
|
|
Ekran |
24” HDMI Ekran |
|
|
Yönetim sistemi bağlantısı |
MES, ERP, vb.. |
|
|
İş akışı |
Yükleme |
Makara aracı içeri itildikten sonra, manipülatör otomatik olarak yükler, 7 ila 15 inç makarayı destekler |
|
Maksimum yükleme miktarı |
200 makara (7" ve 8mm kalınlık) |
|
|
Barkod starama |
Barkod, QR kod tarayabilir |
|
|
Makara transferi |
Otomatik bant transferi |
|
|
Etiketleme |
Sayım sonrası otomatik olarak etiketleri yazdırır ve yapıştırır ve verileri otomatik olarak yükler |
|
|
boşaltma |
Manipülatör otomatik olarak makara aracına yerleştirir |
|
|
Hüvenlik |
Radyasyon sızıntısı |
Yok sızıntı, uluslararası standart: ≤1μSv/h |
|
Arka kapı emniyet kilidi |
Kullanıcılar arka kapıyı açtığında, X-ışını tüpü hemen kapanacaktır. Arka kapı açıkken, kullanıcılar X-ışınını açamaz |
|
|
Acil durdurma |
Çalışma pozisyonunun önünde, kapatmak için basın |
4. Hız ve Doğruluk
Bugüne kadar, çeşitli boyutlardaki makaraların sayım süresi ve doğruluğu aşağıdaki gibidir. Algoritmamız güncellendikçe daha hızlı ve daha doğru olacaktır.
|
Makara boyutu |
Parça boyutu |
Miktar |
Doğruluk |
Hız |
|
7” (180mm) |
01005 |
40000 |
%99,98 |
14-15s |
|
7” (180mm) |
0201 |
10000 |
%99,99 |
13-15s |
|
7” (180mm) |
0402 |
10000 |
%99,99 |
13-15s |
|
7” (180mm) |
0603 |
5000 |
%99,99 |
12-15s |
|
10” (254mm) |
1206 |
5000 |
%99,99 |
12-15s |
|
15” (380mm) |
1206 |
10000 |
%99,99 |
12-15s |
5. Yapay zeka derin öğrenme algoritması
Sayım yazılımımız güçlü bir yapay zeka derin öğrenme algoritması kullanır. Bileşenleri algoritmaya bağlamaya gerek yok, bileşenleri otomatik olarak tanımlamak ve algoritmayı otomatik olarak uygulamak için yapay zeka kullanıyoruz. Algoritma, sayılan bileşen verilerini öğrenebilir, örneğin:
1. En boy oranı
2. Bileşenin her köşesinin açısı;
3. Bileşenler arasındaki içten dışa eğim;
4. Bileşen görüntülerinin içten dışa deformasyonu, vb.
Bileşen sayımı sayısı arttıkça, sonuçlar daha da doğru hale gelir. Benzer bileşenleri veya daha büyük tepsileri saymamız gerektiğinde, bunu kolayca halledebiliriz.
6. Bulut veritabanı
Her Wellman X-ışını sayacı bulut veritabanımıza bağlanabilir. Makinenin verileri ve görüntüleri buluta yüklenecek ve makine otomatik olarak en son veritabanını indirecektir. Mühendislerimiz ayrıca, her makine tarafından toplanan görüntü ve verilere göre arka planda algoritmayı optimize eder ve düzenli olarak müşteriler için veritabanını günceller.
Zamanla, sayımın doğruluğu %100'e yaklaşacak ve bileşen türlerinin kapsamı daha da genişleyecektir. Bir makine yeni bir tür bileşeni saydığında, bu tür bir bileşenin verileri veritabanımızda saklanıyorsa, yazılımımız verileri doğrudan çağırabilir, bu da kullanıcılara daha yüksek verimlilik, doğruluk ve kapsam sağlar.
7. Örnek görüntüler
Video
Video
Video
