Rozwiązanie wizyjne z AI

Systemy wizyjne kontroli jakości: każdy produkt sprawdzony

Ręczna kontrola wizualna to próba wyrywkowa: część produktów, oceniana przez ludzi, którzy się męczą. W systemie wizyjnym z AI kamera z wytrenowanym modelem ocenia całą produkcję, przy pełnej prędkości linii. Każdy produkt jest sprawdzany pod kątem rys, wgnieceń, zabrudzeń i błędów montażu, zanim opuści zakład, a każda kontrola trafia do rejestru.

System wizyjny z AI wykrywa odchylenia na produkcie na linii produkcyjnej

Ręczna kontrola wizualna dochodzi do granic

W wielu zakładach kontrola jakości to nadal robota ludzi: operator albo kontroler ocenia produkty wzrokowo, często wyrywkowo. To działa, dopóki nie rośnie liczba produktów, wariantów albo wymagań jakościowych. Wtedy wracają wciąż te same problemy, a automatyzacja kontroli wizualnej staje się logicznym kolejnym krokiem.

Koncentracja spada po kilku godzinach kontrolowania.
Każdy kontroler ocenia troszkę inaczej.
Próba wyrywkowa przepuszcza błędy między dwoma momentami kontroli.
Odchylenia wychodzą na jaw dopiero wtedy, gdy dzwoni klient.
Kontrole nie są zapisywane albo prawie nie są.
Ludzi do powtarzalnej pracy kontrolnej brakuje.

Badania nad kontrolą wizualną pokazują ponadto, że nawet wprawni kontrolerzy przy powtarzalnej pracy wychwytują około 80% odchyleń. Nie dlatego, że nie znają się na swoim fachu, tylko dlatego, że ta praca nie pasuje do ludzi.

Zastosowania

Co wykrywa system wizyjny z AI

Przy kontroli jakości z AI model uczy się z przykładów produktów dobrych i wadliwych, co jest normą, a co nie. Dzięki temu rozpoznaje także odchylenia, których trudno ująć w sztywne reguły, od wad powierzchni po brakujące elementy.

Wady powierzchni
Rysy, wgniecenia, wżery, zadziory i przebarwienia na metalu, tworzywie albo powierzchniach lakierowanych, od zapadnięć przy wtrysku po uszkodzenia powstałe przy obróbce.
Kontrola montażu i kompletności
Brakujące albo źle założone elementy, klipsy, śruby i uszczelki: model sprawdza, czy złożenie jest kompletne i poprawne.
Zabrudzenia i ciała obce
Włókna, resztki, plamy albo ciała obce na produkcie lub opakowaniu: klasyczna kategoria, której sztywnymi regułami prawie nie da się złapać.
Kontrola etykiet, nadruku i kodów
Obecność i czytelność etykiet, dat przydatności, kodów partii i oznaczeń, sprawdzane, zanim produkt zejdzie z linii.
Odchylenia kształtu i wymiaru
Nieprawidłowe kształty, odkształcenia i brakujące cechy, takie jak otwory czy krawędzie, w razie potrzeby w połączeniu z klasyczną wizją pomiarową.
Odchylenia, których jeszcze nie znasz
Przy wykrywaniu anomalii model uczy się wyłącznie z produktów dobrych i zgłasza odstępstwa od tego obrazu normy, także rodzaje wad, które nigdy wcześniej nie wystąpiły.

Od opakowań spożywczych i wyprasek po obróbkę metali i elektronikę: podejście jest zawsze takie samo. Model jest trenowany na twoim produkcie i twoich wadach.

Tak system wizyjny pracuje na twojej linii

Stanowisko kontroli wizyjnej składa się z kamery przemysłowej, dobranego oświetlenia i komputera edge obok linii. Model AI ocenia każdy produkt w kilkudziesięciu milisekundach, więc linia nie musi z tego powodu zwalniać.

Wynik nie zostaje na ekranie. Stanowisko przekazuje sygnał do linii, a rezultat trafia do rejestru:

Dzięki temu kontrola jakości zmienia się z próby wyrywkowej po fakcie w stały krok procesu: każdy produkt sprawdzony, każda kontrola zapisana.

  • Kamera i oświetlenie są dobierane pod wadę, którą chcesz wychwycić.
  • Ocena odbywa się lokalnie na komputerze edge, niezależnie od internetu.
  • Odrzucone produkty są wyrzucane albo zgłaszane sygnałem do sterownika: tak, jak pasuje do twojego procesu.
  • Każdy wynik jest zapisywany przy produkcie, zleceniu albo partii.
  • Stanowisko wpina się w twoją istniejącą linię, bez dużej przebudowy.
  • Wyzwalanie i ocena są dostrajane do prędkości linii, żeby także przy dużej prędkości każdy produkt został oceniony.

Klasyczna wizja maszynowa i AI uzupełniają się

AI nie zastępuje sprawdzonej techniki wizyjnej, tylko ją rozszerza. To, która technika pasuje, zależy od tego, co chcesz kontrolować.

Klasyczna wizja
Pomiar, zliczanie, wyznaczanie pozycji i odczyt kodów według sztywnych reguł i tolerancji. Szybka, przewidywalna i wytłumaczalna: idealna do wymiarów i kontroli obecności.
Wizja z AI
Uczy się z przykładów, co jest normalną zmiennością, a co prawdziwą wadą. Mocna tam, gdzie oceny nie da się ująć w reguły: rysy, zabrudzenia, naturalna zmienność produktu.
Razem na jednym stanowisku
W praktyce łączymy oba: reguły do pomiaru, AI do oceny. Dzięki temu każda kontrola dostaje technikę, która najlepiej do niej pasuje.

Nie wiesz, której techniki wymaga twoja kontrola? Ustalamy to na rozmowie wstępnej, na podstawie twojego produktu i przykładów wad.

Sama kamera to jeszcze nie system jakości

Wiele systemów wizyjnych pracuje jak wyspa: odrzucają przy linii i na tym koniec. Lampka robi się czerwona, produkt trafia do kosza z brakami, a informacja znika. Co wtedy zostaje niewykorzystane:

Dlatego Meshnex podpina wyniki kontroli do MeshOS: tej samej platformy, w której schodzą się też twoje dane maszynowe, przestoje i OEE.

  • Wyniki nie wychodzą poza ekran przy linii.
  • Braki nie są powiązane ze zleceniem, partią ani maszyną.
  • Trendy w brakach zostają niewidoczne.
  • Szukanie przyczyny wady nadal jest pracą ręczną.
  • Przy audytach i reklamacjach dochodzenie zaczyna się od nowa.
  • Nikt nie zauważa, gdy system powoli zaczyna pracować gorzej.

Od wyniku kontroli do wiedzy o jakości

Każda kontrola daje zapis: obraz, ocenę, klasę wady i czas, powiązane z maszyną, zleceniem albo partią. W MeshOS te wyniki stoją obok twoich danych produkcyjnych i wtedy jakość nagle staje się czymś, czym da się sterować.

Zobaczysz na przykład:

Dzięki temu kontrola jakości staje się sygnałem procesowym zamiast oceną końcową po fakcie. Tej różnicy nie zrobi żadna pojedyncza kamera.

  • Które wady występują najczęściej, dla linii, zmiany albo partii.
  • Kiedy braki rosną, w czasie gdy produkcja jeszcze trwa.
  • Ile produktów dobrych i odrzuconych liczy każde zlecenie albo seria.
  • Dowód dla produktu albo partii, dostępny od ręki przy reklamacjach i audytach.
  • Trendy przesuwające się powoli, widoczne, zanim normy zostaną przekroczone.
  • Jakość obok OEE i przestojów: jeden obraz tego, jak pracuje linia.

Tu robi się naprawdę ciekawie: znaleźć przyczynę braków

Odrzucony produkt mówi, że coś poszło nie tak, ale jeszcze nie dlaczego. Ponieważ MeshOS stawia wyniki kontroli obok danych maszynowych, warunków procesu i informacji o partii, odchylenia jakościowe da się sprowadzić do przyczyny i tę przyczynę usunąć zamiast dalej odrzucać.

Braki skaczą po zmianie
Braki rosną po partii surowca, przezbrojeniu albo zmianie receptury? Ponieważ każdy wynik jest powiązany ze zleceniem i partią, związek staje się widoczny od razu.
Jedna maszyna albo zmiana odstaje
Ta sama kontrola, inny wynik: porównaj klasy wad dla maszyny, linii, formy albo zmiany i zobacz, gdzie powstaje różnica.
Jakość przesuwa się razem z procesem
Zestaw wady z temperaturą, prędkością, czasem cyklu albo zużyciem i zobacz, które warunki procesu poprzedzają braki.

Dzięki temu analiza przyczyn źródłowych staje się kwestią zestawienia danych obok siebie, a nie zgadywania. Nie kończysz na wyłapywaniu braków: usuwasz przyczynę, a braki spadają trwale.

Dla każdej roli

Jeden obraz jakości, dla każdej roli

System wizyjny z AI dotyczy większej liczby osób niż tylko działu jakości. MeshOS pokazuje te same wyniki kontroli w sposób pasujący do każdej roli.

Dla kierowników jakości
Śledź braki i klasy wad dla linii i partii, z dowodem w postaci obrazu dla każdej kontroli. Dokumentacja pod audyty i reklamacje czeka gotowa.
Dla kierowników produkcji
Zobacz braki obok OEE i przestojów i reaguj, kiedy zmiana jeszcze trwa, zamiast dopiero przy raporcie tygodniowym.
Dla operatorów
Natychmiastowy sygnał przy odrzuconym produkcie, bez sporów o przypadki wątpliwe: system ocenia każdy produkt tak samo.
Dla zarządu i właścicieli
Zobacz, ile naprawdę jest braków, poprawek i reklamacji i co dają działania naprawcze, poparte danymi z własnego zakładu.
Dla kierowników IT
Ocena odbywa się lokalnie na komputerze edge, obrazy i wyniki zostają w wybranym środowisku, a integracja mieści się w twojej polityce IT.

System wizyjny pasujący do twojej linii i twojego IT

Kamera, oświetlenie i komputer edge wpinają się w linię, która już stoi: bez nowych maszyn i bez dużej przebudowy. Ocena odbywa się lokalnie przy linii. Gdzie lądują obrazy i wyniki, decydujesz ty:

Chmura
Rozwiązanie chmurowe na serwerach europejskich, bez własnej administracji serwerami.
Hybryda
Rozwiązanie hybrydowe z lokalnym buforem danych, dzięki czemu nic nie przepada.
Własna infrastruktura
W całości na twojej infrastrukturze, w ramach twojej polityki IT.

Dzięki temu wrażliwe dane o produkcie zostają w twoim środowisku, gdy tak trzeba, a rozwiązanie spełnia twoje wymagania IT i RODO.

Uczciwie o systemach wizyjnych z AI: czego trzeba, żeby zadziałały

Wizja z AI to sprawdzona technika, ale nie czarodziejskie pudełko. O powodzeniu projektu wizyjnego decydują trzy rzeczy i dlatego układamy je razem z twoim zespołem.

Ostra definicja wady
Dobre i wadliwe musi być jednoznaczne: jakość i produkcja wspólnie ustalają wzorce graniczne. Im ostrzejsza definicja, tym lepszy model.
Obrazy z prawdziwej linii
Model jest trenowany na obrazach z twojej linii, twoją kamerą i twoim oświetleniem. Często wystarczą dziesiątki do setek przykładów na rodzaj wady, a przy wadach rzadkich model uczy się wyłącznie z produktów dobrych.
Właściwa równowaga w odrzutach
Każda kontrola to wybór między przepuszczeniem wady a niesłusznym odrzuceniem dobrego produktu. Progi dobiera się osobno dla każdej klasy wady, pod twoje ryzyko jakościowe, a potem koryguje w praktyce.

Dlatego nowe stanowisko kontroli najpierw pracuje bez odrzucania. Dopiero gdy wyniki się zgadzają, system dostaje ostatnie słowo w sprawie produktu.

Zacznij od jednego stanowiska kontroli

Nie musisz od razu instalować kamer w całym zakładzie. Zacznij od jednej kontroli, która teraz naprawdę ma znaczenie: wady dającej reklamacje albo kontroli pochłaniającej najwięcej czasu.

Krok 1: wspólnie ustalamy, co jest dobre, a co wadliwe
Na rozmowie wstępnej ustalamy kontrolę, zbieramy przykłady i wyznaczamy wzorce graniczne razem z jakością i produkcją.

Krok 2: kamera i komputer edge na linii
Dobieramy kamerę i oświetlenie, wpinamy stanowisko w istniejącą linię i zbieramy obrazy z prawdziwej produkcji.

Krok 3: model uczy się i pracuje równolegle
Model zostaje wytrenowany i najpierw ocenia bez odrzucania. Porównujemy wyniki z twoją własną kontrolą i korygujemy progi.

Krok 4: kontrola na żywo i rozbudowa
Stanowisko kontroluje samodzielnie, wyniki schodzą się w MeshOS, a przy powodzeniu rozszerzasz na kolejne kontrole, linie albo lokalizacje.

Dowody z praktyki

Systemy wizyjne z AI w terenie

Prawdziwe projekty wizyjne na prawdziwych halach produkcyjnych.

Etykieta z datą przydatności i kodem kreskowym na zapakowanym produkcie spożywczym Kontrola etykiet AI
Producent żywności

Każda etykieta i data przydatności sprawdzona przez AI

System wizyjny sprawdza każde opakowanie na linii: czy ta etykieta należy do tego zlecenia i czy data przydatności jest obecna, poprawna i czytelna. Odchylenia są wyłapywane, zanim produkt zejdzie z linii, a każda kontrola trafia do rejestru partii.

Klasyfikacja wizyjna AI produktów mięsnych na linii produkcyjnej Klasyfikacja wizyjna AI
Skiba

Produkty mięsne klasyfikowane przez AI

Model wizyjny AI klasyfikuje każdy produkt mięsny na linii według rodzaju i wyglądu. Produkty niewłaściwe lub odbiegające od normy są sygnalizowane w chwili, gdy mijają kamerę, jeszcze przed pakowaniem, a każda klasyfikacja trafia do rejestru.

System wizyjny wykrywający część samochodową za pomocą chmury punktów 3D Nadzór nad jakością
Poddostawca motoryzacji

Braki przewidziane, zanim zejdą z linii

Parametry procesu, czyli temperatury, ciśnienia i czasy cyklu, zasilają model, który sygnalizuje dryf w stronę braków, kiedy detale są jeszcze w maszynie. Operatorzy korygują na bieżąco, zamiast sortować odpad po fakcie, a każda interwencja trafia do rejestru partii.

Najczęstsze pytania o systemy wizyjne kontroli jakości

Czym jest system wizyjny kontroli jakości z AI?

To automatyczna kontrola jakości z użyciem kamer i wytrenowanego modelu AI. Każdy produkt na linii zostaje zarejestrowany i oceniony, przy pełnej prędkości produkcji. Model rozpoznaje odchylenia takie jak rysy, wgniecenia, zabrudzenia, błędy montażu i błędy etykiet, a każdy wynik jest zapisywany przy produkcie albo partii.

Czym różni się klasyczna wizja maszynowa od wizji z AI?

Klasyczna wizja maszynowa pracuje na sztywnych regułach i tolerancjach i jest mocna w pomiarze, zliczaniu i odczycie kodów. Wizja z AI uczy się z przykładowych obrazów i dzięki temu rozpoznaje także odchylenia, których trudno ująć w reguły, takie jak rysy, zabrudzenia albo naturalna zmienność. W praktyce obie techniki często łączy się na jednym stanowisku kontroli.

Jakie wady potrafi wykryć wizja z AI?

Wady powierzchni takie jak rysy, wgniecenia i przebarwienia, brakujące albo źle założone elementy, zabrudzenia i ciała obce, błędy etykiet i kodów oraz odchylenia kształtu. Przy wykrywaniu anomalii model może dodatkowo zgłaszać odstępstwa od obrazu normy, także rodzaje wad, które nigdy wcześniej nie wystąpiły. To, co jest osiągalne, zależy od produktu, kamery i oświetlenia, a oceniamy to na rozmowie wstępnej.

Jak dokładna jest wizja z AI w porównaniu z kontrolą ludzką?

Badania nad kontrolą wizualną pokazują, że nawet wprawni kontrolerzy przy powtarzalnej pracy wychwytują około 80% odchyleń i że ten odsetek spada, im dłużej trwa praca. System wizyjny ocenia każdy produkt tak samo, przez cały dzień. Jaką dokładność osiągnie na twoim produkcie, zależy od zastosowania, dlatego najpierw pracuje równolegle z twoją dotychczasową kontrolą, żebyś sam mógł porównać wyniki.

Ile obrazów potrzeba, żeby wytrenować model?

Mniej, niż wiele firm zakłada. Do wielu zastosowań wystarczą dziesiątki do setek przykładów na rodzaj wady, a przy wykrywaniu anomalii model może uczyć się wyłącznie z produktów dobrych, gdy przykładów wad jest niewiele. Ważniejsze od liczby jest pochodzenie: model trenuje się na obrazach z twojej linii, twojej kamery i twojego oświetlenia.

Czy wizja z AI zadziała na naszej istniejącej linii produkcyjnej?

Tak. Kamerę, oświetlenie i komputer edge da się praktycznie zawsze wpiąć w istniejącą linię, a połączenie ze sterownikiem odbywa się przez standardowe sygnały i protokoły. Nie trzeba wymieniać linii ani zatrzymywać jej na długo.

Czy możemy wykorzystać istniejące kamery?

Czasem. To, czy istniejąca kamera się nada, zależy od rozdzielczości, pozycji, a przede wszystkim od oświetlenia: to ono w dużej mierze decyduje, czy model potrafi pewnie ocenić. Na rozmowie wstępnej oceniamy, co już jest zamontowane i co jest potrzebne.

Czy system nadąży za prędkością naszej linii?

Praktycznie zawsze. Ocena odbywa się lokalnie na komputerze edge, w kilkudziesięciu milisekundach na produkt i niezależnie od internetu. Przy montażu czasy wyzwalania i wyrzutu są dostrajane do prędkości twojej linii, żeby każdy produkt został oceniony bez spowalniania produkcji.

Co dzieje się z odrzuconym produktem?

To ty decydujesz. Stanowisko przekazuje sygnał do sterownika: produkt zostaje wyrzucony, operator dostaje powiadomienie albo linia się zatrzymuje. Przypadki wątpliwe można odkładać do oceny człowieka, a każde odrzucenie jest zapisywane wraz z obrazem.

Czy wizja z AI zastąpi naszych pracowników jakości?

Nie. System przejmuje powtarzalne patrzenie: każdy produkt, przez cały dzień, tak samo. Ludzie dalej ustalają, co jest dobre, a co wadliwe, oceniają przypadki wątpliwe i wykorzystują dane do poprawy procesu. Tam ich wiedza daje najwięcej.

Ile kosztuje system wizyjny kontroli jakości?

To zależy od zastosowania: liczby stanowisk kontroli, potrzebnych kamer i oświetlenia oraz złożoności samej kontroli. Dlatego zaczynamy od rozmowy wstępnej i jednego stanowiska, żeby inwestycja i spodziewany wynik były jasne, zanim rozszerzysz to dalej.

Jak szybko pierwsze stanowisko kontroli może zacząć pracę?

W wielu przypadkach pierwsze stanowisko stoi na linii w ciągu 6 do 8 tygodni, razem z montażem, wytrenowaniem modelu i okresem pracy równoległej obok dotychczasowej kontroli. Dokładny czas zależy od zastosowania i dostępności przykładów.

Sprawdź, co system wizyjny wyłapie na twojej linii

Każda wada, która opuszcza zakład, kosztuje więcej niż wada wyłapana przy linii. Zacznij od jednego stanowiska kontroli dla tej kontroli, która teraz ma największe znaczenie, i zobacz sam, jak system wypada obok twojej obecnej kontroli.