Kontrola jakości kamerą AI to proces, który można uporządkować w jednym systemie JOFRA AI. Kluczowy jest dostęp do rzeczywistych danych: obrazy produktów z ustalonej pozycji kamery, definicje wad, zdjęcia dobrych i wadliwych sztuk oraz numer partii. Zamiast ręcznego przepisywania i przeliczania informacji aplikacja ma przygotować konkretny wynik do wykorzystania przez pracowników.
Co dokładnie zrobi system?
System zaznacza podejrzane obszary obrazu i klasyfikuje zdefiniowane niezgodności do weryfikacji lub ustalonego procesu odrzutu. Dane powinny być powiązane z rzeczywistymi identyfikatorami partii, zamówienia albo urządzenia. Takie powiązanie umożliwia odtworzenie źródła obliczeń i poprawienie niejednoznaczności bez zgadywania.
Jakie dane i integracje są potrzebne?
Podstawowy zestaw danych obejmuje: obrazy produktów z ustalonej pozycji kamery, definicje wad, zdjęcia dobrych i wadliwych sztuk oraz numer partii. W zależności od rozwiązania potrzebne będą integracje z kamer przemysłowych, sterownika linii, stanowiska kontroli jakości i bazy partii. Możliwy jest też pilotaż oparty na bezpiecznym imporcie CSV lub XLSX, jeżeli firmowy system nie oferuje API.
Przed budową integracji trzeba sprawdzić właściciela danych, zakres dostępu i moment aktualizacji. Inaczej system może wyświetlać poprawne obliczenia na nieaktualnych stanach magazynowych albo zamkniętych zleceniach.
Etapy wdrożenia w zakładzie
- Zdefiniuj konkretną wadę i poziom dopuszczalnego ryzyka przeoczenia.
- Zapewnij stabilne oświetlenie, ostrość, pozycję i oznaczenie produktu.
- Zbuduj zbiór testowy zawierający różne serie, zmiany i przypadki graniczne.
- Weryfikuj wskaźniki przeoczeń i fałszywych odrzuceń przed połączeniem z automatyką.
Przykład zastosowania
Na linii opakowań kamera sprawdza obecność etykiety i poprawność jej położenia. Oświetlenie, prędkość taśmy i obrót produktu są ustalone, aby wynik był porównywalny.
To przykład procesu do przeprowadzenia w pilotażu, a nie opis zrealizowanego wdrożenia lub deklaracja uzyskanej oszczędności. Wyniki zależą od danych i rzeczywistych ograniczeń produkcji.
Co mierzyć po uruchomieniu?
Warto kontrolować: false reject rate, false negative rate, skuteczność wykrywania wad i czas kontroli. Odczyty powinny pochodzić z jednakowo zdefiniowanych okresów i mieć widoczną datę aktualizacji. Wynik modelu nie jest sam w sobie dowodem poprawy procesu: potrzebny jest porównywalny punkt odniesienia.
Najważniejsze ryzyko
zmiana oświetlenia lub wzoru opakowania może znacząco pogorszyć jakość modelu
Jaki zakres wybrać na początek?
Praktyczny pilotaż to: jeden typ wady i jedno stanowisko ze stałą kamerą. W pierwszej wersji należy pozostawić możliwość ręcznej korekty, historię zmian i czytelne oznaczenie danych niepewnych.
Najczęściej zadawane pytania
Czy trzeba wymienić dotychczasowy program ERP lub MES?
Nie zawsze. Jeśli aktualne oprogramowanie pozwala na bezpieczną wymianę danych, moduł automatyzacji można uruchomić obok niego. Gdy brakuje API, sprawdzamy dopuszczone eksporty plików i częstotliwość ich aktualizacji.
Czy AI musi samodzielnie zatwierdzać decyzje?
Nie. Dla działań o wysokiej wartości, skutkach finansowych lub wpływie na bezpieczeństwo pracowników należy wyznaczyć ścieżkę autoryzacji. AI może przygotowywać obliczenie lub rekomendację, a wykonanie pozostawić uprawnionej osobie.
Chcesz przeanalizować ten proces w swoim zakładzie? JOFRA AI projektuje systemy dopasowane do sposobu pracy firmy, danych i dostępnych integracji. Opisz proces i skalę operacji: contact@jofraai.eu.
Opis pokazuje możliwy zakres wdrożenia. Ostateczne działanie, skuteczność i koszt zależą od danych, integracji oraz testów w konkretnym zakładzie.
Przeczytaj również: Dlaczego sama kamera i model AI nie gwarantują jakości?, Sztuczna inteligencja w przemyśle: 16 praktycznych zastosowań.