← Összes cikk
AI

Gépi látás a gyártásban: minőségellenőrzés, munkavédelem és miért a MES-integráció dönti el az eredményt

📅 · 4 perc olvasás · Meta Smart Factory csapat

Hol előzi meg valóban a mesterséges intelligenciás látás az emberi ellenőrzést és hol nem, mit igényel egy valós bevezetés megvilágításban és címkézett képekben, és miért marad demó az a kamera, amely nem tud a MES-be írni.

A gépi látás a legkönnyebben bemutatható dolog egy okosgyárban, és az egyik legnehezebben üzembe helyezhető. Egy modell, amely diafelvételen megtalál egy hibát, megoldott probléma. Egy modell, amely megáll hajnali háromkor, novemberben, amikor a nap már nem úgy süt be a tetőablakon, mint a pilot idején, egészen más gyakorlat.

Ez választja el a két esetet, és ezt kell megkérdezni a szállítótól a koncepció igazolása előtt, nem utána.

Miben jobb a látás valóban az embernél

Állandóság sebesség mellett, meghatározott hibán, tartósan. Egy ember bármely modellnél jobban észrevesz valami újat és furcsát. Egy ember bármely modellnél rosszabbul nézi a műszak nyolcszázadik darabját ugyanolyan figyelemmel, mint az elsőt.

Ezért a megtérülő esetek ugyanazt az alakot mutatják: nagy darabszám, leírható hibaosztály és valós költség, ha a hiba átmegy. Felületi hibák mozgó szalagon. Alkatrészek megléte és iránya a doboz lezárása előtt. Címke, tételkód és dátum olvashatósága — unalmas munka, és az élelmiszer- és gyógyszeriparban a vevői reklamációk egyik leggyakoribb oka. Töltési szint és zárás épsége. Méretellenőrzések, amelyeket valaki idomszerrel és írótáblával végez.

A csalódást keltő esetek is közös alakot mutatnak: ritka hibák képtörténet nélkül, a vevő hangulatával változó hibadefiníciók, és minden olyan, ahol az őszinte válasz az, hogy két tapasztalt ellenőr nem ért egyet.

A valós idejű munkavédelmi felügyelet más termék

A munkavédelmi felügyeletet a minőségi látással együtt árulják, és teljesen másképp viselkedik. A minőségellenőrzés egy darabot néz szabályozott képkivágásban. A munkavédelmi felügyelet egy területet figyel emberek, védőfelszerelés-használat, targonca-gyalogos közelség és olyan zónába lépés szempontjából, amelynek üresnek kell lennie, amíg a gép jár.

A technikai különbség az, hogy a munkavédelem folyamatosan fut egy nem szabályozott jeleneten, így a téves riasztás maga a probléma. Egy túl sokat kiáltó minőségi modell utómunkát termel. Egy túl sokat kiáltó munkavédelmi modellt két héten belül elnémítanak — és akkor a rendszer rosszabb a semminél, mert hisznek neki és téved.

A szervezeti különbség nagyobb. Embereket munka közben felvenni Európa nagy részében először üzemi tanács- és adatvédelmi kérdés, és csak azután műszaki. Azok a bevezetések maradnak fenn, ahol a megőrzési idő, az anonimizálás és a betekintési jog még a kamera felszerelése előtt tisztázódott.

Miért az integráció dönt rendszer és demó között

Egy ellenőrző cella, amely piros lámpát gyújt, ezt megmondta a mellette álló kezelőnek. Semmi többet. Az üzemnek nem mondta meg.

Ami az ellenőrzést halmozódóvá teszi, az a visszaírás. Az ítélet rendelésre, tételre, munkaállomásra és időbélyegre száll le, ugyanabban a rendszerben, amely a gyártás többi részét tartja. Amint ez megtörténik, több olyan dolog válik lehetségessé, amit egy önálló kamera semmilyen pontosság mellett nem tud.

Egy hiba automatikusan blokkolja a következő műveletet, így a darab a selejt felé vezető úton nem gyűjt további értéket. A hibaarány olyan változóvá válik, amit az ütemezés lát, így egy tűrésből kifutó gép megváltoztatja a tervet ahelyett, hogy meglepné. A genealógia percek alatt válaszol egy visszahívási kérdésre, mert minden kép és ítélet egy tételen függ, amely egy beszállítói tételen. És a modell javul, mert a kezelői felülbírálások eleve címkézett tanítóadattá válnak, nem pedig attól függenek, hogy valakinek eszébe jut-e exportálni egy mappát.

Ezért az integráció kérdése megelőzi a pontosságét. Kérdezze meg, melyik rendszer tartja azt a rendelést, amelyre az ítélet íródik. Ha a látásplatform saját gyártási nyilvántartást vezet, valaki két igazságot fog egyeztetni.

Mire van valóban szüksége egy bevezetésnek

Megvilágítás, elsőként és a legkevésbé látványosan. A pontosságon elbukó látásprojektek többsége a megvilágításon és a darab bemutatásának ismételhetőségén bukott el, nem a modellen. Szabályozott, állandó fény és rögzített darabpozíció szinte mindig legyőzi a jobb algoritmust.

Képek a hibáról, másodikként. Néhány száz címkézett példa hibaosztályonként reális kiindulás a legtöbb felületi és meglétvizsgálati feladathoz. Ha egy hiba évente kétszer fordul elő, a látás nem a megfelelő eszköz — az folyamatszabályozási probléma.

Harmadszor egy indulás előtt meghozott döntés arról, mi történik pozitív találatnál: kidobás, blokkolás, riasztás vagy megjelölés felülvizsgálatra. Azok a csapatok, amelyek ezt halasztják, olyan ellenőrző rendszerrel maradnak, amelyre senkinek nincs felhatalmazása reagálni.

És negyedszer egy felülbírálási út a kezelőknek. Nem engedményként — hanem mechanizmusként, amely javítja a modellt, és mint az, ami fenntartja a bizalmat, amikor a modell először téved.

Edge vagy felhő

A következtetés a peremre tartozik, a sor mellé. A késleltetés és a hálózati függőség nem elfogadható kockázat egy olyan döntésnél, amelynek két munkaállomás között kell megszületnie, és egy üzemnek nem szabad abbahagynia az ellenőrzést azért, mert egy WAN-kapcsolat megbicsaklott.

A tanítás, a modellkezelés, a verziózás és az üzemek közötti összehasonlítás a központba tartozik. Egy csoport, amely ugyanazt a terméket négy országban gyártja, egy modellvonalat akar, nem négy helyben hangolt modellt, amelyek csendben szétválnak, míg selejtarányaik összehasonlíthatatlanná nem válnak.

Hogyan vezessük a koncepció igazolását, hogy bizonyítson is valamit

Egy hibaosztály, egy sor, hozzárendelt költséggel. Futtassa a meglévő ellenőrzés mellett, ne helyette, és számolja az eltéréseket mindkét irányban — az átcsúszások többet nyomnak a téves riasztásoknál, és csak a párhuzamos futás mutatja meg őket.

Futtassa végig egy műszakcikluson, és ha lehet, egy időjárásváltáson. A megfelelési kritériumot indulás előtt rögzítse, az üzem nyelvén: átcsúszás ezrenként, vagy felszabaduló ellenőrzési órák. Egy előre megállapított küszöb nélküli koncepcióigazolás mindig azzal a vitával végződik, hogy a kilencvennégy százalék jó-e.

Beszélje meg szakértőinkkel

Gyakran ismételt kérdések

Hogyan működik a gépi látásos minőségellenőrzés egy gyártósoron?

Egy szabályozott megvilágítású kamera rögzített pozícióban rögzít minden darabot, a hibaosztályok címkézett példáin tanított modell ezredmásodpercek alatt ítéletet hoz a peremen, és ez az ítélet a MES-be íródik a rendeléshez, tételhez és munkaállomáshoz. Éppen ez a visszaírás teszi lehetővé, hogy egy hiba blokkolja a következő műveletet ahelyett, hogy a végellenőrzésen bukkanna fel.

Integrálhatók a gépi látás platformok MES- vagy ERP-rendszerekkel?

Igen, és ez a különbség rendszer és demó között. Az ítéletnek ugyanarra a rendelésre és tételre kell leszállnia, amelyet a gyártás többi része használ. Az MSF-ben a látásmodul ugyanabba az adatmodellbe ír, mint a végrehajtás és a minőség, így a hibaarány táplálja az ütemezést, a genealógia válaszol a visszahívási kérdésekre, a kezelői javítások pedig automatikusan tanítóadattá válnak.

Milyen pontosságot ér el a mesterséges intelligenciás vizuális ellenőrzés?

Jól meghatározott hibaosztályon, szabályozott megvilágítás és ismételhető darabbemutatás mellett a látás következetesen jobb az emberi ellenőrzésnél, mert nem fárad el. A pontosságot a megvilágítás és a bemutatás uralja, nem a modell. A képtörténet nélküli ritka hibák és azok, amelyeken két tapasztalt ellenőr vitatkozna, bármilyen hirdetett pontosság mellett rossz jelöltek.

Különbözik a mesterséges intelligenciás munkavédelmi felügyelet a minőségellenőrzéstől?

Lényegesen. A munkavédelmi felügyelet folyamatosan figyel egy nem szabályozott területet emberek, védőfelszerelés és közelség szempontjából, így a fő kockázat a téves riasztás — a túl sokat szóló riasztást elnémítják, és akkor a rendszer hiteles és téves. Európa nagy részében ez üzemi tanács- és adatvédelmi ügy is: a megőrzést, az anonimizálást és a betekintési jogot a kamera felszerelése előtt kell tisztázni.

Hány kép kell egy ipari látásmodell tanításához?

Néhány száz címkézett példa hibaosztályonként reális kiindulás a legtöbb felületi, meglét- és irányvizsgálati feladathoz. Ha egy hiba évente csak néhányszor fordul elő, soha nem lesz elég példa, és folyamatszabályozási problémaként kell kezelni.

A peremen vagy a felhőben fusson a következtetés?

A következtetés a peremen, a sor mellett, mert két munkaállomás közötti döntés nem függhet egy WAN-kapcsolattól. A tanítás, a modellverziózás és az üzemek közötti összehasonlítás a központba tartozik, hogy egy több országban ugyanazt a terméket gyártó csoport egy modellvonalat tartson meg négy csendben szétváló helyett.