← Tüm Yazılar
AI

Üretimde Görüntü İşleme: Kalite Kontrol, İş Güvenliği ve MES Entegrasyonunun Sonucu Belirlemesi

📅 · 4 dk okuma · Meta Smart Factory Ekibi

Yapay zekâ destekli görüntü işleme insan muayenesini gerçekten nerede geçer, nerede geçmez, gerçek bir kurulum aydınlatma ve etiketli görüntü olarak ne ister — ve MES'e geri yazamayan bir kameranın neden demo olarak kaldığı.

Görüntü işleme, akıllı fabrikada gösterilmesi en kolay, üretime alınması en zor şeylerden biridir. Sunumda hatayı yakalayan bir model çözülmüş bir problemdir. Kasım ayında, gece üçte, güneş artık pilot çalışmadaki gibi çatı penceresinden girmezken hattı ayakta tutan bir model başka bir iştir.

Aşağıdakiler ikisini ayıran şeyler — ve bunlar bir tedarikçiye kavram kanıtından sonra değil, önce sorulacak sorulardır.

Görüntü işleme insandan gerçekte neyde üstün

Tanımlı bir hata üzerinde, hızda, kalıcı tutarlılık. Bir insan, yeni ve tuhaf bir şeyi fark etmekte her modelden iyidir. Bir insan, vardiyanın sekiz yüzüncü parçasına ilkiyle aynı dikkatle bakmakta her modelden kötüdür.

Bu yüzden geri dönen vakaların hepsi aynı şekle sahiptir: yüksek adet, tarif edilebilir bir hata sınıfı ve kaçağın gerçek bir maliyeti. Hareketli bantta yüzey hataları. Koli kapatılmadan önce bileşen varlığı ve yönü. Etiket, lot kodu ve tarih okunabilirliği — sıkıcı bir iş, ve gıda ile ilaçta en yaygın müşteri şikâyeti sebeplerinden biri. Dolum seviyesi ve sızdırmazlık. Birinin mastar ve pano kâğıdıyla yaptığı ölçüsel kontroller.

Hayal kırıklığı yaratan vakaların da ortak şekli vardır: görüntü geçmişi olmayan nadir hatalar, müşterinin keyfine göre değişen hata tanımları ve dürüst cevabın "iki deneyimli kişi bunun hata olup olmadığında anlaşamıyor" olduğu her şey.

Gerçek zamanlı iş güvenliği izleme farklı bir üründür

Güvenlik izleme kalite görüntü işlemeyle birlikte paketlenir ve hiç de öyle davranmaz. Kalite muayenesi kontrollü bir çerçevede bir parçaya bakar. Güvenlik izleme ise bir alanı insan, KKD uyumu, forklift–yaya yakınlığı ve makine çalışırken boş olması gereken bir bölgeye giriş için izler.

Teknik fark, güvenliğin kontrolsüz bir sahnede sürekli çalışmasıdır; dolayısıyla yanlış alarmlar problemin tamamıdır. Çok bağıran bir kalite modeli yeniden işleme üretir. Çok bağıran bir güvenlik modeli iki hafta içinde susturulur — ve o noktada sistem hiç yoktan kötüdür, çünkü artık güvenilen ve yanılan bir şeydir.

Kurumsal fark daha büyüktür. İnsanları çalışırken kaydetmek Avrupa'nın büyük bölümünde teknik bir soru olmadan önce bir işçi temsilciliği ve veri koruma sorusudur. Ayakta kalan kurulumlar, kamera monte edilmeden önce saklama süresini, anonimleştirmeyi ve kimin izleyebileceğini karara bağlamış olanlardır.

Entegrasyon neden sistem ile demoyu ayırır

Kırmızı lambayı yakan bir muayene hücresi, yanında duran operatöre söylemiştir. Hepsi bu. Tesise söylememiştir.

Muayeneyi biriktiren şey geri yazmadır. Karar; iş emrine, partiye, istasyona ve zaman damgasına, üretimin geri kalanını tutan aynı sistemde iner. Bu olduğu anda, tek başına bir kameranın hiçbir doğrulukta yapamayacağı birkaç şey mümkün hâle gelir.

Bir hata bir sonraki operasyonu otomatik bloke eder; böylece parça, fire olma yolunda üzerine değer eklemeye devam etmez. Hata oranı çizelgelemenin gördüğü bir değişkene dönüşür; böylece toleranstan kayan bir makine planı şaşırtmak yerine değiştirir. Soy ağacı bir geri çağırma sorusunu dakikalar içinde cevaplar, çünkü her görüntü ve karar bir partiye, o parti de bir tedarikçi lotuna bağlıdır. Ve model iyileşir, çünkü operatör müdahaleleri birinin dışa aktarmayı hatırlamasına değil, tasarım gereği etiketli eğitim verisine dönüşür.

Bu yüzden entegrasyon sorusu doğruluk sorusundan önce gelir. Kararın hangi sistemin tuttuğu iş emrine yazılacağını sorun. Görüntü işleme platformu kendi ayrı üretim kaydını tutuyorsa, birileri iki gerçeği mutabakatlaştıracaktır.

Bir kurulumun gerçekte ihtiyaç duyduğu şeyler

Önce ve en az cazip olanı: aydınlatma. Doğrulukta başarısız olan görüntü işleme projelerinin çoğu modelde değil, aydınlatmada ve parçanın tekrarlanabilir konumlandırılmasında başarısız olmuştur. Kontrollü, tutarlı ışık ve sabit parça konumu neredeyse her zaman daha iyi algoritmayı yener.

İkinci olarak hatanın görüntüleri. Çoğu yüzey ve varlık görevi için hata sınıfı başına birkaç yüz etiketli örnek gerçekçi bir başlangıçtır. Bir hata yılda iki kez oluyorsa görüntü işleme doğru araç değildir — o bir proses kontrol problemidir.

Üçüncü olarak, devreye almadan önce verilmiş bir karar: pozitif bulguda ne olacak — ayır, blokla, alarm ver, yoksa incelemeye işaretle. Bunu sonraya bırakan ekipler, kimsenin üzerine aksiyon almaya yetkili olmadığı bir muayene sistemiyle kalır.

Dördüncü olarak operatörler için bir müdahale yolu. Bir taviz olarak değil — modeli iyileştiren mekanizma olarak, ve model ilk kez yanıldığında güveni ayakta tutan şey olarak.

Kenar mı, bulut mu

Çıkarım hattın yanına, kenara aittir. Gecikme ve ağa bağımlılık, iki istasyon arasında verilmesi gereken bir karar için kabul edilebilir riskler değildir ve bir tesis WAN hattı titredi diye muayeneyi bırakmamalıdır.

Eğitim, model yönetimi, sürümleme ve tesisler arası karşılaştırma merkezî olmalıdır. Aynı ürünü dört ülkede üreten bir grup, tek bir model soy hattı ister; fire oranları karşılaştırılamaz hâle gelene kadar sessizce ayrışan dört yerel model değil.

Kavram kanıtını bir şey kanıtlayacak şekilde yürütmek

Tek bir hata sınıfı, tek bir hat, maliyeti belirlenmiş. Mevcut muayenenin yerine değil, yanında çalıştırın ve uyuşmazlıkları iki yönde de sayın — kaçaklar yanlış alarmlardan daha ağır basar ve onları yalnızca paralel çalışma görünür kılar.

Bir vardiya deseni boyunca ve mümkünse bir hava değişimi boyunca çalıştırın. Geçme kriterini başlamadan önce ve tesisin kendi diliyle belirleyin: binde kaçak sayısı veya serbest kalan muayene saati. Önceden belirlenmiş eşiği olmayan bir kavram kanıtı, her zaman yüzde doksan dördün iyi olup olmadığı tartışmasıyla biter.

Uzmanlarımızla Görüşün

Sıkça Sorulan Sorular

Üretim hattında görüntü işleme ile kalite kontrol nasıl çalışır?

Kontrollü aydınlatmalı bir kamera her parçayı sabit konumda yakalar, hata sınıflarının etiketli örnekleriyle eğitilmiş bir model kenarda milisaniyeler içinde karar verir ve bu karar MES'te iş emri, parti ve istasyona yazılır. Bir hatanın son kontrolde bulunmak yerine sonraki operasyonu bloke etmesini sağlayan şey bu geri yazmadır.

Görüntü işleme platformları MES veya ERP sistemleriyle entegre olabilir mi?

Olabilir ve sistem ile demo arasındaki fark budur. Karar, üretimin geri kalanının kullandığı aynı iş emrine ve partiye inmelidir. MSF'te görüntü işleme modülü icra ve kalite ile aynı veri modeline yazar; böylece hata oranı çizelgelemeye akar, soy ağacı geri çağırma sorularını cevaplar ve operatör müdahaleleri otomatik olarak eğitim verisine dönüşür.

Yapay zekâ ile görsel muayene hangi doğruluğa ulaşır?

İyi tanımlanmış bir hata sınıfında, kontrollü aydınlatma ve tekrarlanabilir parça sunumuyla görüntü işleme insan muayenesinden sürekli olarak üstündür, çünkü yorulmaz. Doğruluğu modelden çok aydınlatma ve sunum belirler. Görüntü geçmişi az olan nadir hatalar ve iki deneyimli muayenecinin anlaşamayacağı hatalar, iddia edilen doğruluk ne olursa olsun zayıf adaylardır.

Yapay zekâ ile iş güvenliği izleme, kalite muayenesinden farklı mı?

Belirgin şekilde. Güvenlik izleme kontrolsüz bir alanı sürekli olarak insan, KKD ve yakınlık için izler; bu yüzden asıl risk yanlış alarmlardır — çok bağıran bir alarm susturulur ve o noktada sistem hem güvenilir hem yanlıştır. Avrupa'nın çoğunda ayrıca bir işçi temsilciliği ve veri koruma meselesidir: saklama, anonimleştirme ve izleme hakları kamera monte edilmeden önce karara bağlanmalıdır.

Endüstriyel bir görüntü işleme modelini eğitmek için kaç görüntü gerekir?

Çoğu yüzey, varlık ve yön görevi için hata sınıfı başına birkaç yüz etiketli örnek gerçekçi bir başlangıçtır. Bir hata yılda yalnızca birkaç kez oluyorsa yeterli örnek hiçbir zaman birikmez ve bunun yerine bir proses kontrol problemi olarak ele alınmalıdır.

Çıkarım kenarda mı yoksa bulutta mı çalışmalı?

Çıkarım hattın yanında, kenarda; çünkü iki istasyon arası bir karar WAN hattına bağlı olamaz. Eğitim, model sürümleme ve tesisler arası karşılaştırma merkezî olmalıdır; böylece aynı ürünü birden çok ülkede üreten bir grup sessizce ayrışan dört model yerine tek bir model soy hattını korur.