Prečo manuálna vizuálna kontrola nestačí
V mnohých výrobných firmách je finálna kontrola kvality stále postavená na človeku. Operátor sleduje produkt, hľadá poškodenie, kontroluje štítok, prítomnosť komponentu alebo správne osadenie dielu.
Pri menších objemoch to môže fungovať. Pri vysokom takte výroby však vzniká problém: človek nie je kamera. Oko sa unaví, pozornosť klesá a monotónna práca prirodzene znižuje schopnosť zachytiť drobné alebo opakujúce sa chyby.
Výsledkom môže byť:
- chybný diel odoslaný zákazníkovi,
- reklamácia,
- náklady na logistiku a výmenu,
- zastavenie dodávok,
- poškodenie reputácie dodávateľa,
- v regulovaných odvetviach aj auditné alebo právne riziko.
Každý chybný kus, ktorý odíde z výroby, predstavuje náklad. A často nejde len o cenu samotného dielu.
Čo je AI kontrola kvality?
AI kontrola kvality je automatizovaná vizuálna inšpekcia pomocou kamier, osvetlenia a neurónových sietí.
Systém nasníma kontrolovaný objekt, vyhodnotí obraz a rozhodne, či je výsledok v poriadku. Môže kontrolovať napríklad:
- prítomnosť dielu,
- správnu polohu komponentu,
- poškodenie povrchu,
- škrabance,
- deformácie,
- chyby montáže,
- zvary,
- lepené spoje,
- čitateľnosť a správnosť štítkov,
- QR kódy,
- sériové čísla,
- výrobné označenia
Na rozdiel od klasických pravidlových systémov sa AI model učí z reálnych dát. Nehľadá iba presne naprogramovanú chybu. Učí sa rozpoznávať vzory, odchýlky a anomálie.
Klasický vision systém vs. AI inšpekcia
Klasický vision systém funguje dobre tam, kde je chyba presne definovaná, prostredie stabilné a výrobok má malú variabilitu. Ak sa však zmení povrch, svetelné podmienky, dodávateľ materiálu alebo typ chyby, systém môže začať hlásiť falošné poplachy alebo chyby prehliadať.
AI inšpekcia je vhodná tam, kde sú chyby komplexnejšie, variabilnejšie alebo ťažko programovateľné pevnými pravidlami.
|
Oblasť |
Klasický vision systém |
AI inšpekcia Sentinel |
|
Flexibilita |
Nízka – pevné pravidlá |
Vysoká – učí sa z dát |
|
Nové typy chýb |
Vyžadujú preprogramovanie |
Model sa dá dotrénovať |
|
Komplexné chyby |
Obmedzená detekcia |
Detekuje aj neštandardné anomálie |
|
Falošné poplachy |
Časté pri variabilite výroby |
Možno ich minimalizovať tréningom |
|
Implementácia |
Rýchla, ale rigidná |
Trvá dlhšie, ale je robustnejšia |
|
Typické použitie |
Jednoduchá kontrola rozmeru alebo polohy |
Povrchové chyby, montážne chyby, štítky, anomálie |
Čo dokáže Sentinel kontrolovať?
ANS Consultancy vyvíja riešenie Sentinel pre AI vizuálnu kontrolu kvality vo výrobe. Sentinel kombinuje kamery, vhodné osvetlenie, neurónové siete a integráciu do výrobných alebo kvalitatívnych systémov.
Povrchové defekty
Systém vie kontrolovať škrabance, preliačiny, nerovnomerné nástreky, poškodenie povrchovej úpravy, stopy korózie alebo iné viditeľné defekty.
Pri kvalitnej optike a správnom osvetlení vie AI zachytiť aj veľmi jemné chyby, ktoré môžu byť pre človeka pri vysokom tempe ťažko viditeľné.
Montážne chyby
Sentinel dokáže kontrolovať, či je diel správne osadený, či nechýba skrutka, tesnenie alebo iný komponent. To je dôležité hlavne pri sériovej výrobe, kde sa jedna drobná chyba môže opakovať stovky alebo tisíce krát.
Kvalita spojov
V niektorých prevádzkach môže systém kontrolovať vizuálne znaky zvarov, lepených spojov alebo iných spojovacích prvkov. Cieľom je zachytiť odchýlky predtým, než sa produkt dostane k zákazníkovi.
Štítky a označenia
Veľmi silné využitie je kontrola štítkov: prítomnosť, poloha, čitateľnosť a správnosť označenia. Sentinel môže kontrolovať produktové štítky, QR kódy, sériové čísla alebo iné identifikačné prvky.
Príklad z praxe: kontrola štítkov vozidla
V automotive výrobe môže byť kontrola štítkov kritická. Každé vozidlo má presne definované označenia, ktoré musia byť prítomné, čitateľné a správne umiestnené.
ANS Consultancy realizovala automatizovaný systém na kontrolu štítkov vozidla. Systém deteguje, rozpoznáva a vyhodnocuje:
- prítomnosť štítkov,
- ich polohu,
- čitateľnosť,
- správnosť údajov,
- výsledok OK / NOK pre systém kvality.
V testovacej fáze dosiahol systém úspešnosť 99,9 % a v produkcii 99,95 %. Súčasťou riešenia boli integrácie na CarRFID, TechRepo, SQS a reporting cez DAP / Power BI.
Takýto výsledok je dôležitý nielen kvôli kvalite, ale aj kvôli auditovateľnosti. Každý kontrolovaný kus môže mať uložený obrazový záznam, ktorý je použiteľný pri reklamácii alebo spätnej analýze.
Príklad vychádza z realizácie ANS Consultancy. Identita klienta nie je z dôvodu NDA zverejnená.
Koľko stojí prehliadnutá chyba?
Cena chyby nie je iba cena nepodarku. Pri prehliadnutej chybe treba počítať s:
- internou opravou,
- opakovanou kontrolou,
- logistikou,
- výmenou dielu,
- reklamačným procesom,
- možným zastavením dodávok,
- poškodením reputácie,
- auditnými rizikami.
Pri automotive, strojárstve, elektrotechnike alebo regulovaných odvetviach môžu byť náklady na jednu vážnejšiu reklamáciu vyššie než náklady na preventívnu kontrolu.
AI inšpekcia preto nie je iba technologický upgrade. Je to poistka proti opakujúcim sa chybám, ktoré ľudské oko pri monotónnej práci prirodzene prehliadne.
Ako prebieha nasadenie AI kontroly kvality?
1. Proof of Concept
Najprv sa vyberú vzorky bezchybných a chybných produktov. ANS ich nasníma, vyhodnotí a pripraví prvotný výstup detekcie. Cieľom je ukázať, či je daný typ kontroly vhodný pre AI.
2. Návrh hardvéru
Následne sa navrhne kamera, optika, priemyselné osvetlenie a spôsob umiestnenia vo výrobnej linke. Kvalita obrazu je pri AI kontrole kľúčová. Model vie vyhodnotiť len to, čo kamera kvalitne vidí.
3. Tréning AI modelu
AI model sa trénuje na reálnych dieloch a reálnych chybách. Čím kvalitnejšie sú vzorky a čím lepšie sú označené chyby, tým lepší je výsledok.
4. Integrácia do výroby
Sentinel sa môže napojiť na MES, ERP, QMS alebo ďalšie výrobné a kvalitatívne systémy. Výsledok kontroly sa potom neukladá bokom, ale stáva sa súčasťou dátového toku firmy.
5. Dotrénovanie a zlepšovanie
Po nasadení sa model môže ďalej upravovať podľa nových typov chýb, výrobkov alebo výrobných podmienok.
Čo vidí operátor?
Operátor nemusí rozumieť neurónovým sieťam. Rozhranie má byť jednoduché:
- zelená: OK,
- červená: NOK,
- oranžová: neistý prípad, odporúčaná manuálna kontrola.
Práve jednoduchosť je dôležitá. Komplexný systém nemá vytvárať komplexnú prácu pre operátora. Má mu zobraziť jasné rozhodnutie.
Kedy sa AI kontrola kvality oplatí?
AI kontrola kvality dáva najväčší zmysel tam, kde:
- sa vyrába vo vyšších objemoch,
- kontrola je monotónna,
- chyba má vysoký dopad,
- vznikajú reklamácie,
- treba obrazový dôkaz ku každému kusu,
- klasický vision systém nestačí,
- výrobky majú variabilitu,
- kvalita musí byť stabilná počas každej zmeny.
Nie každý proces potrebuje AI. Ale tam, kde jedna prehliadnutá chyba stojí stovky alebo tisíce eur, sa AI kontrola kvality môže vrátiť veľmi rýchlo.
Často kladené otázky o AI kontrole kvality vo výrobe
Funguje AI kontrola kvality aj v prašnom alebo zlom osvetlení?
Áno, ale podmienkou je správne navrhnutý hardvér. Kamera, optika a osvetlenie musia byť prispôsobené reálnemu prostrediu.
Nahradí Sentinel pracovníkov kontroly kvality?
Nie nevyhnutne. Cieľom je odstrániť monotónnu a opakovanú vizuálnu kontrolu, znížiť chybovosť a dať ľuďom priestor na riešenie výnimiek a zlepšovanie procesu.
Dá sa systém napojiť na naše MES, ERP alebo QMS?
Áno. Výsledky kontroly je možné integrovať do výrobných a kvalitatívnych systémov.
Čo v prípade, ak AI sa nevie rozhodnúť?
Systém môže produkt označiť ako neistý prípad a poslať ho na manuálnu kontrolu. Bezpečnejšie je zastaviť jeden sporný kus než pustiť chybu k zákazníkovi.
Ako začať?
Najlepšie cez Proof of Concept. Pošlete vzorky dobrých a chybných produktov a ANS ukáže, čo vie Sentinel zachytiť.
Napíšte nám a znížte počet nepodarkov
Chcete otestovať AI kontrolu kvality na vašich produktoch?
Pošlite vzorky a ANS Consultancy vám ukáže, ktoré chyby vie Sentinel zachytiť ešte predtým, než sa dostanú k zákazníkovi.
