Strojové vidění ve výrobě: kontrola kvality, bezpečnost a proč o výsledku rozhoduje integrace s MES

Strojové vidění se v chytré továrně předvádí nejsnáze a do provozu se dostává nejhůř. Model, který najde vadu na slidu, je vyřešený problém. Model, který obstojí ve tři ráno v listopadu, kdy slunce už nesvítí střešním oknem jako během pilota, je jiné cvičení.

Tohle ty dva případy odděluje a tohle se má ptát dodavatele před ověřením konceptu, ne po něm.

V čem je vidění skutečně lepší než člověk

Stálost při rychlosti, na definované vadě, trvale. Člověk si všimne něčeho nového a divného lépe než jakýkoli model. Člověk se dívá na osmisetý kus směny se stejnou pozorností jako na první hůř než jakýkoli model.

Proto případy, které se vyplatí, sdílejí stejný tvar: velký objem, popsatelná třída vady a reálná cena, když vada projde. Povrchové vady na pohybujícím se pásu. Přítomnost a orientace komponent před uzavřením krabice. Čitelnost etikety, kódu šarže a data — nudná práce a jedna z nejčastějších příčin reklamací v potravinářství a farmacii. Úroveň naplnění a těsnost svaru. Rozměrové kontroly, které někdo dělá měřidlem a papírem.

I zklamání sdílejí tvar: vzácné vady bez historie snímků, definice vady měnící se s náladou zákazníka a všechno, kde poctivá odpověď zní, že se dva zkušení kontroloři neshodnou.

Monitoring bezpečnosti v reálném čase je jiný produkt

Monitoring bezpečnosti se prodává spolu s viděním pro kvalitu a chová se úplně jinak. Kontrola kvality se dívá na kus v řízeném záběru. Monitoring bezpečnosti sleduje prostor a hledá osoby, používání ochranných pomůcek, blízkost vozíku a chodce a vstup do zóny, která má být prázdná, dokud stroj pracuje.

Technický rozdíl je v tom, že bezpečnost běží nepřetržitě nad neřízenou scénou, takže falešné poplachy jsou celý problém. Model kvality, který příliš křičí, plodí opravy. Model bezpečnosti, který příliš křičí, je do čtrnácti dnů umlčen — a v tu chvíli je systém horší než žádný, protože se mu věří a mýlí se.

Organizační rozdíl je větší. Snímat lidi při práci je ve velké části Evropy nejprve otázkou zástupců zaměstnanců a ochrany osobních údajů a teprve potom technickou. Nasazení, která přežijí, jsou ta, kde se doba uchování, anonymizace a právo nahlížet dohodly dřív, než se pověsila kamera.

Proč integrace rozhoduje mezi systémem a demonstrací

Kontrolní buňka, která rozsvítí červenou kontrolku, to řekla operátorovi stojícímu vedle. Nic víc. Závodu to neřekla.

Co dělá z kontroly něco, co se sčítá, je zápis zpět. Verdikt dosedne na zakázku, šarži, pracoviště a časové razítko, ve stejném systému, který drží zbytek výroby. Jakmile se to stane, stane se možným několik věcí, které samostatná kamera nedokáže při žádné přesnosti.

Vada automaticky zablokuje další operaci, takže kus na cestě do zmetků nenabírá další hodnotu. Zmetkovitost se stane veličinou, kterou rozvrhování vidí, takže stroj ujíždějící z tolerance změní plán místo aby ho překvapil. Genealogie odpoví na otázku o stažení za minuty, protože každý snímek a verdikt visí na šarži, která visí na šarži dodavatele. A model se zlepšuje, protože opravy operátora se ze své podstaty stávají označenými trénovacími daty, ne něčím, co závisí na tom, zda si někdo vzpomene exportovat složku.

Proto otázka integrace předchází otázce přesnosti. Zeptejte se, který systém drží zakázku, proti níž se verdikt zapisuje. Vede-li si platforma vidění vlastní výrobní evidenci, někdo bude sesouhlasovat dvě pravdy.

Co nasazení skutečně vyžaduje

Osvětlení, jako první a nejméně efektně. Většina projektů vidění, které padnou na přesnosti, padla na osvětlení a opakovatelnosti polohy dílu, ne na modelu. Řízené, stálé světlo a pevná poloha dílu porazí lepší algoritmus téměř vždy.

Snímky vady, jako druhé. Několik set označených příkladů na třídu vady je realistickým začátkem pro většinu povrchových úloh a kontrol přítomnosti. Vyskytne-li se vada dvakrát ročně, vidění není nástroj — to je problém řízení procesu.

Za třetí rozhodnutí, co se stane při pozitivním nálezu, přijaté před spuštěním: vyřadit, zablokovat, alarmovat nebo označit k posouzení. Týmy, které to odloží, skončí s kontrolním systémem, na který nikdo není oprávněn reagovat.

A za čtvrté cesta pro přebití rozhodnutí operátorem. Ne jako ústupek — jako mechanismus, který model zlepšuje, a jako to, co udrží důvěru, když se model poprvé splete.

Edge nebo cloud

Inference patří na okraj, k lince. Latence a závislost na síti nejsou přijatelná rizika pro rozhodnutí, které musí padnout mezi dvěma pracovišti, a závod nemá přestat kontrolovat, protože zakolísala WAN linka.

Trénink, správa a verzování modelů a srovnání mezi závody patří do centra. Skupina vyrábějící stejný výrobek ve čtyřech zemích chce jednu linii modelu, ne čtyři lokálně doladěné modely, které se tiše rozcházejí, dokud jejich zmetkovitosti přestanou být srovnatelné.

Jak vést ověření konceptu, aby něco dokázalo

Jedna třída vady, jedna linka, s přiřazenou cenou. Pusťte ho souběžně se stávající kontrolou místo místo ní a počítejte neshody v obou směrech — propuštěné vady váží víc než falešné poplachy a odhalí je jen souběžný běh.

Pusťte ho přes cyklus směn a pokud možno přes změnu počasí. Kritérium úspěchu stanovte před začátkem a jazykem závodu: propuštěné vady na tisíc, nebo uvolněné hodiny kontroly. Ověření konceptu bez předem dohodnutého prahu vždy skončí diskusí, zda je devadesát čtyři procent dobré.