Perinteinen asfääristen linssien tarkastustekniikka syntyi ja kehittyi alun perin huippuluokan aloilla, kuten puolustus-, ilmailu- ja huippuluokan puolijohdelitografiajärjestelmissä. Näissä perinteisissä sovelluksissa teollisuudella ei ollut erittäin tiukkoja vaatimuksia tarkastusten tehokkuudelle. Syy on yksinkertainen: tuotantologiikka oli "yksi kappale" tai "useita kappaleita".
Äärimmäisen korkean absoluuttisen tarkkuuden saavuttamiseksi insinöörit olivat valmiita istumaan penkeillä tuntikausia tai jopa päiviä ja hienostamaan, kalibroimaan ja hiomaan yksittäisen linssin pintamuotoa huolellisesti. Tämä perinteinen "hidas ja huolellinen" tarkastusmenetelmä ei kuitenkaan ole enää käytettävissä laajamittaisen asfääristen linssien tuotannossa.
Kaupallisten ilmailu- ja avaruuskonstellaatioiden räjähdysmäisen kasvun (kuten asfääristen linssien massakysynnän satelliittilaserviestinnässä) ja miljoonien tarkasti muovattujen lasilinssien laajamittaisen massatuotannon myötä älykkään ajamisen, matkapuhelinlinssien ja kädessä pidettävien laitteiden kaltaisilla aloilla perinteisestä "hidasteellisesta ja huolellisesta" tarkastusmenetelmästä on tulossa koko teollisuuden "tukahduttava energiatehokkuuden estävä lukko".
Suuret valmistajat käyvät äärimmäistä kamppailua tehokkuudesta lähtevissä tarkastuksissa, saapuvissa tarkastuksissa ja koekokoonpanokeskusteluissa. I. "Alkuperäinen nopeuden synti" perinteisessä tarkastuksessa ja miljoonan tason massatuotannon selviytymiskriisi Tällä hetkellä kaksi yleisintä kotimaisten optisten valmistajien prosessitutkimukseen ja kehitykseen sekä massatuotannon asfääristen ja vapaamuotoisten pintojen täydelliseen tarkastukseen tuomaa vertailulaitetta ovat UA3P (kontaktityyppinen 3D-suunnittelun PHOS-profiilimittari) profilometri). Vaikka linssit ovat todella monipuolisia ja tarkkoja, niiden etanavauhtiinen nopeus on suuri este tuotantojohtajille ja talousjohtajille, kun he käsittelevät miljoonia kuljetettuja lasimuovattuja linssejä:
● UA3P: Käyttäen anturipohjaista kontaktiskannausta, jopa optimoidun skannauspolun kanssa, se voi testata enintään noin 20 kappaletta tunnissa. Mikä kriittisin, se saa olennaisesti 2D-pinnan muodon (poikkileikkausviivadata), joka ei pysty rekonstruoimaan täysin koko asfääristä pintaa koko näkökentässä. 3D-pinnan muodon mittaaminen lisää tehokkuutta jyrkästi. On syytä korostaa, että optiset insinöörit vaativat aina 3D-pinnan muotoja analysointiin, koska 2D-pintamuodot kärsivät merkittävästä tiedon menetyksestä analyysin aikana, erityisesti ei-rotaatiopoikkeamien häviämisestä, mikä johtaa valtaviin eroihin analyysitulosten ja todellisten tulosten välillä.
● LUPHOScan: Vaikka se saavuttaa 3D-pinnan muodon mittauksen moniaallonpituisen interferometrisen skannauksen avulla, se voi testata piste-pisteeltä/ympyrältä ympyrältä skannauksen fyysisen mekanisminsa ansiosta vain noin 10 kappaletta tunnissa. Huippuluokan kulutuselektroniikan ja älyautoteollisuuden aloilla tämä tehoton testaus aiheuttaa yrityskatastrofien ketjureaktion. On hyvin tunnettua, että lasin muovausprosesseilla, jotka johtuvat sellaisista tekijöistä kuin lämpötilan säätely, muotin kuluminen ja lämpöjännityksen vapautuminen, on luonnostaan alhaisempi myötöstabiilisuus kuin perinteisellä muovin ruiskuvalulla. Lisäksi lasilinssien äärimmäisen korkea hinta merkitsee sitä, että komponenttien (yksittäisten linssien) tuotto kasvaa eksponentiaalisesti, mikä määrittää suoraan lopullisen linssin tuoton ja vaikuttaa valtavasti yrityksen lopullisiin kustannuksiin ja nettotulokseen. Jos tarkastusnopeus ei pysy perässä, suuret valmistajat valitsevat joko "uhkapelityylisen näytteenoton", joka kantaa riskin suurista tuottotappioista, tai "lisäävät näytteenottotiheyttä", mutta käyttöomaisuusinvestoinnit ja tarkastuslaitteiden poistot ovat pelottavia yritysten omistajille.
II. Laadullinen tehokkuuden muutos, joka johtaa "kolmiportaiseen vallankumoukselliseen toiminnalliseen päivitykseen" Jos vallankumouksellinen, erittäin tehokas tarkastusmenetelmä voisi lisätä 3D-täyspinnan muodon tarkastusnopeutta 10-20-kertaiseksi, se toisi suurille valmistajille paljon muutakin kuin vain muutaman tuontikoneen ostokustannusten säästämisen. Se edustaisi vallankumouksellista päivitystä koko yritykselle tuotantomallin ja ydinkilpailukyvyn kannalta.
Erityisesti se voi auttaa suuria valmistajia saavuttamaan laadullisen harppauksen kolmella liiketoiminta- ja suunnittelutasolla:
1. Ensimmäinen taso: Ehdottomasti parantunut tarkastustehokkuus (Perusperuste kustannusten vähentämiselle ja tehokkuuden parantamiselle) Yhden tuotteen tarkastusaika, joka laskettiin alun perin "minuutteina" tai jopa "puolessa tunnissa", tiivistetään suoraan toiselle tasolle. Täysi mittakaavainen 3D-pinnan muototarkastus, valonnopeus sisään ja valonnopeus ulos. Tämä muuttaa testauspajan suoraan "kapasiteetin pullonkaulasta" "automatisoiduksi tuotantolinjaksi", vapauttaen täysin suurten tilausten toimituskapasiteetin.
2. Toinen taso: Big Data -ohjattu kokeilukokoonpanon optimointi ("Trial and Error":sta "Engineering Certainty" -tekniikkaan) Huippuluokan objektiivien kehityksessä aikaa vievin vaihe on "tekniikan koekokoonpano". Koska laajamittaista, täyden kategorian todellista 3D-pinnan muotodataa ei ole, perinteinen koekokoonpano voi luottaa vain hyvin pieneen näytteeseen (esim. muutaman kymmenen kappaleen näytteenotto) "kokeillakseen onneaan ja löytääkseen optimaalisen ratkaisun", ja virheenkorjaussyklit kestävät usein useita viikkoja. Jos testaus saavutetaan toisella tasolla, suuret valmistajat voivat saada hallussaan kymmeniä tuhansia sarjoja todellista, täysimittaista 3D-pinnan muotoista big dataa koekokoonpanoprosessin alkuvaiheessa. Insinöörit voivat käyttää tätä isoa dataa optimoidakseen koekokoonpanoyhdistelmiä, kohdistaakseen linssejä optimaalisesti väärin, joilla on erilaiset pintamuodon virhejakaumat, parantaen väkisin objektiivin kokoamista kokoonpano- ja säätövaiheessa.
3. Kolmas taso: Tekoälyn valmistusmallin ruokkiminen (The Ultimate Moat of Dimensional Reduction) Tällä hetkellä maailma seuraa Piilaakson jättiläisten rajua nousua tekoälyn alalla, ja näemme enimmäkseen muutoksia, joita tekoäly tuo kuluttajahakuun, tekstinkirjoittamisen sukupolveen tai koodaukseen. Odotuksia reilusti ylittävä trendi on kuitenkin se, että kun tekoäly kypsyy edelleen, valmistajien välinen kilpailu ei enää perustu perinteisiin kanaviin tai ensisijaisten etuihin, vaan T&K-valmiuksien ja organisaation johtamiskyvyn kattavaan päivitykseen. Ja ydinmoottori tässä on tekoälyn kattava voimaannuttaminen.
Tällä hetkellä, kun suuret optiset yritykset kommunikoivat loppukäyttäjäasiakkaiden kanssa, niiden ylpein omaisuus on edelleen suunnittelukyky, muottien valmistuskyky tai tuotantokapasiteetti.
Ennustamme kuitenkin rohkeasti, että kun suuri valmistaja saavuttaa läpimurron älykkäässä valmistuksessa, tulevaisuuden yritysviestinnän standardit kirjoitetaan kokonaan uudelleen. Kilpailu siirtyy sitten tekoälyn laskentatehoon, laajamittaisiin digitaalisiin ja älykkäisiin malliominaisuuksiin ja tuloksena olevaan "äärimmäiseen tehokkuuteen", "äärimmäiseen hintaan" ja "äärimmäiseen käyttökokemukseen".
Kaikkea tätä tukeva taustalla oleva logiikka on edelleen nopea, kattava ja tarkka data. Ilman valtavia määriä korkeataajuista, nanometritason tarkkaa 3D-pintadataa itseharjoitteluun, niin sanottu tekoälyn valmistuksen suurmalli on pelkkää vettä ilman lähdettä. Tehokkaan 3D-tarkastuksen ydinarvo on sen kyky syöttää jatkuvasti ja vakaasti suuria määriä realistista ja tarkkaa 3D-pintatietoa valmistajan tekoälymalliin.
Tämän valtavan tietomäärän perusteella tekoäly voi saada reaaliaikaisen käsityksen epälineaarisista kartoitussuhteista muotin muodonmuutosten, lämpötilan poikkeamien, materiaalierien ja lopullisen pinnan muodon korkealuokkaisten poikkeavuuksien välillä, mikä optimoi jatkuvasti kokonaiskokoonpanoa ja korjaa etupään prosessiparametreja. Tämä edustaa radikaalia parannusta tuotannon kilpailukyvyssä: yrityksen ydinkilpailuetu siirtyy luottamisesta "yritysten ja erehdyksen periaatteesta hyvin harvoilla näytteillä veteraaniinsinöörien kokemuksen perusteella" globaalisti älykkääseen suljettuun silmään, jota ohjaavat laskentateho ja big data.
Se, joka syöttää tekoälymallinsa ensimmäisenä, saavuttaa ensimmäisenä äärimmäiset kustannukset ja tehokkuuden, mikä varmistaa ainoan lipun optisen valmistuksen tulevaisuuteen.
III. Zhixing Optics: CGH yhdistettynä automaatioon, tavoitteena tehokkuusihme 200 kappaletta/tunti. Ningbo Zhixing Optics Co., Ltd., jolla on sekä tieteellisen tutkimuksen asiantuntemusta että alan kokemusta omaavista tohtoreista, on paljastanut valttikorttinsa auttaakseen suuria valmistajia ottamaan tämän alan maisemaa uudelleen muotoilevan pelin.
Asfääristen pintojen interferometrisessä mittausprosessissa aikaa vievin, eniten kokemusta vaativa ja tehottomin prosessi on asfäärinen nollapisteen säätö (Alignment). Jopa erittäin ammattitaitoiset insinöörit, kun he kohtaavat monimutkaisia asfäärisiä pintoja, tarvitsevat usein noin 2 minuuttia säätääkseen toistuvasti epäkeskisyyttä, kallistusta ja löytääkseen palautusvirheen. Zhixing Optics on hyödyntänyt itse kehittämää CGH-kohdistustekniikkaa (Computer-Generated Hologram) yhdistettynä erittäin tarkaan sähkömekaaniseen automaatiojärjestelmään tarjotakseen tehokkaan yhdistelmän laitteisto- ja ohjelmistoratkaisuja:
10 sekunnin rajan kohdistus: Olemme vähentäneet dramaattisesti aikaa vievää asfääristä nolla-asennon säätöprosessia noin 2 minuutista ammattitaitoisille työntekijöille alle 10 sekuntiin!
Tekoälyvirhemalli: Perinteiset kohdistusmenetelmät luottavat hankalia "herkkyysmatriiseja". Käsiteltäessä monimutkaisia moniulotteisia poikkeavuuksia suurikalteisissa, korkealuokkaisissa asfäärisissa pinnoissa, lineaarinen sovitus on altis vääristymille, mikä johtaa jatkuvan "laskennan-hienosäätö-uudelleenlaskennan" tehottomiin iteraatioihin. Zhixing Optics on mullistanut tämän lähestymistavan täysin. Käyttämällä syvällistä AI-koulutusta CGH-suunnittelutiedostojen kohdistusvirheistä olemme onnistuneesti rakentaneet korkeaulotteisen epälineaarisen kohdistusvirhemallin. Interferometrin yhdellä kuvalla AI-algoritmi lukittuu välittömästi ja tarkasti nykyiseen epäkeskisyys- ja kallistustietoihin globaalissa aberraatiotilassa, mikä saavuttaa erittäin nopean laskennan ja parantaa merkittävästi järjestelmän vastetehokkuutta ja kohdistustarkkuutta.
• Tavoite – 200 kappaletta/tunti: Tällä hetkellä järjestelmän odotetaan nostavan asfääristen pintojen 3D-täyden kentän tarkastuksen tehokkuuden pian 200 kappaleeseen tunnissa, kun siihen on lisätty yksinomaan Zhixingin räätälöimä mekaanisesti automatisoitu lastaus- ja purkumekanismi ja sitä seurannut tekoälypohjainen nopea häiriön reuna-analyysialgoritmi. Tämä on 10-20 kertaa nopeampi kuin perinteiset skannauslaitteet!
🤝 Etsitään kumppaneita: Yhteistyön nopea validointi ja strateginen win-win: Zhixing Opticsilla on tällä hetkellä ydinasiantuntijatiimi, jota johtaa 3 optiikan tohtoria ja 2 maakuntatason korkean tason kykyjä. Meillä on syvät juuret ultratarkkuusmetrologian alalla hyödyntäen vahvaa teknistä perustaamme huippuluokan optisten ja mekaanisten tutkimuslaitosten kanssa rakentaaksemme vankan teknologisen vallihauta ja korkean omavaraisuuden. Ymmärrämme, että tällaista häiritsevää teollisuuden tehokkuuden vallankumousta ei voida saavuttaa yksinään. sen on oltava syvästi juurtunut suurten valmistajien todellisiin, miljoonatason massatuotantolinjoihin. Suhtaudumme myönteisesti yhteistyöhön lasimuovattujen linssien, autolinssien ja kädessä pidettävien linssien valmistajien kanssa, jotka ovat samaa mieltä odotetuista kehitystrendeistämme ja odottavat yhteisiä kehitys- ja todentamistoimia.
Zhixing Optics mahdollistaa tarkkuuden mittauksen "tiedon ja toiminnan yhtenäisyyden" saavuttamiseksi.
