← Svi članci
AI

Strojni vid u proizvodnji: kontrola kvalitete, sigurnost i zašto integracija s MES-om odlučuje o ishodu

📅 · 4 min čitanja · Tim Meta Smart Factory

Gdje strojni vid s umjetnom inteligencijom uistinu nadmašuje ljudsku kontrolu a gdje ne, što stvarna primjena traži u osvjetljenju i označenim slikama, i zašto kamera koja ne može upisati u MES ostaje demonstracija.

Strojni vid najlakše je demonstrirati u pametnoj tvornici i među težim je stvarima za puštanje u proizvodnju. Model koji uoči pogrešku na slajdu riješen je problem. Model koji izdrži u tri ujutro, u studenom, kada sunce više ne ulazi kroz krovni prozor kao tijekom pilota, sasvim je druga vježba.

Ovo razdvaja ta dva slučaja i ovo treba pitati dobavljača prije dokaza koncepta, a ne poslije.

U čemu je strojni vid uistinu bolji od čovjeka

Dosljednost pri brzini, na definiranoj pogrešci, trajno. Čovjek bolje od bilo kojeg modela primijeti nešto novo i čudno. Čovjek gore od bilo kojeg modela gleda osamstoti komad u smjeni s istom pažnjom kao prvi.

Zato slučajevi koji se isplate dijele isti oblik: velik obujam, opisiva klasa pogreške i stvaran trošak ako pogreška prođe. Površinske pogreške na traci u pokretu. Prisutnost i orijentacija komponenti prije zatvaranja kutije. Čitljivost etikete, koda šarže i datuma — dosadan posao, i jedan od najčešćih uzroka reklamacija u prehrambenoj i farmaceutskoj industriji. Razina punjenja i nepropusnost. Dimenzionalne provjere koje netko radi mjerilom i papirom.

I razočaravajući slučajevi dijele oblik: rijetke pogreške bez povijesti slika, definicije pogreške koje se mijenjaju s raspoloženjem kupca, i sve ono gdje je pošten odgovor da se dva iskusna kontrolora ne slažu.

Nadzor sigurnosti u stvarnom vremenu drugi je proizvod

Nadzor sigurnosti prodaje se uz strojni vid za kvalitetu a ponaša se posve drukčije. Kontrola kvalitete gleda komad u kontroliranom kadru. Nadzor sigurnosti promatra prostor tražeći ljude, korištenje zaštitne opreme, blizinu viličara i pješaka i ulazak u zonu koja mora biti prazna dok stroj radi.

Tehnička je razlika u tome što sigurnost radi neprekidno nad nekontroliranom scenom, pa su lažne uzbune cijeli problem. Model kvalitete koji previše viče proizvodi doradu. Model sigurnosti koji previše viče biva utišan za dva tjedna — i tada je sustav gori nego nikakav, jer mu se vjeruje a griješi.

Organizacijska je razlika veća. Snimanje ljudi na radu u velikom je dijelu Europe najprije pitanje predstavnika zaposlenih i zaštite podataka, a tek onda tehničko. Primjene koje prežive one su gdje su rok čuvanja, anonimizacija i pravo uvida dogovoreni prije nego što je kamera postavljena.

Zašto integracija odlučuje između sustava i demonstracije

Kontrolna ćelija koja upali crveno svjetlo rekla je to operateru koji stoji pokraj. Ništa više. Tvornici nije rekla.

Ono što čini da se kontrola akumulira jest upis natrag. Ocjena slijeće na nalog, šaržu, radno mjesto i vremensku oznaku, u istom sustavu koji drži ostatak proizvodnje. Čim se to dogodi, postaje moguće nekoliko stvari koje samostalna kamera ne može ni pri kojoj točnosti.

Pogreška automatski blokira sljedeću operaciju, pa komad ne nastavlja skupljati vrijednost na putu prema škartu. Stopa pogrešaka postaje veličina koju terminiranje vidi, pa stroj koji izlazi iz tolerancije mijenja plan umjesto da ga iznenadi. Genealogija odgovara na pitanje o povlačenju u nekoliko minuta, jer svaka slika i ocjena vise o šarži koja visi o šarži dobavljača. I model postaje bolji, jer ispravci operatera po samoj konstrukciji postaju označeni podaci za obuku, a ne nešto što ovisi o tome je li se netko sjetio izvesti mapu.

Zato pitanje integracije dolazi prije pitanja točnosti. Pitajte koji sustav drži nalog uz koji se ocjena upisuje. Ako platforma za strojni vid vodi vlastitu evidenciju proizvodnje, netko će usklađivati dvije istine.

Što primjena zaista zahtijeva

Osvjetljenje, prvo i najmanje glamurozno. Većina projekata strojnog vida koji padnu na točnosti pali su na osvjetljenju i ponovljivosti postavljanja komada, a ne na modelu. Kontrolirano, stalno svjetlo i fiksna pozicija komada gotovo uvijek pobjeđuju bolji algoritam.

Slike pogreške, drugo. Nekoliko stotina označenih primjera po klasi pogreške realan je početak za većinu površinskih zadataka i provjera prisutnosti. Ako se pogreška javlja dvaput godišnje, strojni vid nije alat — to je problem upravljanja procesom.

Treće, odluka što se događa pri pozitivnom nalazu, donesena prije puštanja u rad: izbaciti, blokirati, alarmirati ili označiti za pregled. Timovi koji to odgode završe sa sustavom kontrole na koji nitko nije ovlašten reagirati.

I četvrto, put za nadglasavanje za operatere. Ne kao ustupak — kao mehanizam koji model čini boljim i kao ono što održava povjerenje kada model prvi put pogriješi.

Rub ili oblak

Zaključivanje pripada rubu, uz liniju. Kašnjenje i ovisnost o mreži nisu prihvatljivi rizici za odluku koja mora pasti između dva radna mjesta, i pogon ne treba prestati s kontrolom zato što je WAN veza zatreperila.

Obuka, upravljanje modelima, verzioniranje i usporedba između pogona pripadaju središtu. Grupa koja proizvodi isti proizvod u četiri zemlje želi jednu liniju modela, a ne četiri lokalno podešena modela koja se tiho razilaze dok im stope škarta ne prestanu biti usporedive.

Kako voditi dokaz koncepta da bi nešto dokazao

Jedna klasa pogreške, jedna linija, s pripisanim troškom. Pustite ga usporedno s postojećom kontrolom umjesto umjesto nje, i brojite neslaganja u oba smjera — propusti teže više od lažnih uzbuna, a otkriva ih samo usporedan rad.

Pustite ga kroz ciklus smjena i, ako je moguće, kroz promjenu vremena. Kriterij prolaza postavite prije početka i jezikom pogona: propusti na tisuću, ili oslobođeni sati kontrole. Dokaz koncepta bez unaprijed dogovorenog praga uvijek završi raspravom je li devedeset četiri posto dobro.

Razgovarajte s našim stručnjacima

Često postavljana pitanja

Kako radi kontrola kvalitete strojnim vidom na proizvodnoj liniji?

Kamera s kontroliranim osvjetljenjem snima svaki komad u fiksnoj poziciji, model obučen na označenim primjerima klasa pogrešaka daje ocjenu u milisekundama na rubu, a ta se ocjena upisuje u MES uz nalog, šaržu i radno mjesto. Upravo taj upis natrag omogućuje da pogreška blokira sljedeću operaciju umjesto da se nađe na završnoj kontroli.

Mogu li se platforme strojnog vida integrirati s MES ili ERP sustavima?

Mogu, i u tome je razlika između sustava i demonstracije. Ocjena mora sletjeti na isti nalog i istu šaržu koje koristi ostatak proizvodnje. U MSF-u modul strojnog vida upisuje u isti model podataka kao izvršenje i kvaliteta, pa stopa pogrešaka hrani terminiranje, genealogija odgovara na pitanja o povlačenju, a ispravci operatera automatski postaju podaci za obuku.

Kakvu točnost postiže vizualna kontrola s umjetnom inteligencijom?

Na dobro definiranoj klasi pogreške, uz kontrolirano osvjetljenje i ponovljivo postavljanje komada, strojni je vid dosljedno bolji od ljudske kontrole jer se ne umara. Točnošću dominiraju osvjetljenje i postavljanje, a ne model. Rijetke pogreške bez povijesti slika i pogreške oko kojih bi se dva iskusna kontrolora sporila loši su kandidati pri bilo kojoj oglašenoj točnosti.

Razlikuje li se nadzor sigurnosti s umjetnom inteligencijom od kontrole kvalitete?

Bitno. Nadzor sigurnosti neprekidno promatra nekontroliran prostor tražeći ljude, zaštitnu opremu i blizinu, pa su glavni rizik lažne uzbune — alarm koji prečesto zvoni biva utišan, i tada je sustav i vjerodostojan i pogrešan. U velikom dijelu Europe to je i pitanje predstavnika zaposlenih i zaštite podataka: čuvanje, anonimizacija i pravo uvida moraju se dogovoriti prije postavljanja kamere.

Koliko slika treba za obuku industrijskog modela strojnog vida?

Nekoliko stotina označenih primjera po klasi pogreške realan je početak za većinu zadataka površine, prisutnosti i orijentacije. Ako se pogreška javlja samo nekoliko puta godišnje, dovoljno primjera nikada neće biti i to treba rješavati kao problem upravljanja procesom.

Treba li zaključivanje raditi na rubu ili u oblaku?

Zaključivanje na rubu, uz liniju, jer odluka između dva radna mjesta ne smije ovisiti o WAN vezi. Obuka, verzioniranje modela i usporedba između pogona pripadaju središtu, kako bi grupa koja proizvodi isti proizvod u više zemalja zadržala jednu liniju modela umjesto četiri koje se tiho razilaze.