EN
Začnem niečo uprimne. Pridanie novej výrobnej linky je pekný milník, ale môže priniesť aj neprijemné problémy. Váš systém vizuálnej kontroly nepozná nové diely. Nepozná ani to, čo sa považuje za dobrý alebo zlý výrobok. Musíte ho naučiť. Ak to urobíte nesprávnym spôsobom, skončíte s falošnými odmietnutiami, prehliadnutými chybami a veľkým množstvom frustrovaných operátorov. Dobrá správa je, že natrénovanie systému vizuálnej kontroly môže byť rýchle a bezproblémové, ak postupujete podľa správnych krokov.
Príprava začína zhromažďovaním vzoriek
Skôr ako sa vôbec dotknete systému, musíte zhromaždiť svoje vzorky. Toto je najdôležitejší krok, a pritom ten, ktorý ľudia najviac späšujú. Nezostávajte takým človekom.
Potrebujete viacero typov vzoriek. Najprv zhromaždite bezchybné výrobky. Nebudú stačiť len niekoľko obrázkov výrobkov, ktoré spĺňajú vaše požiadavky na kvalitu. Možno budete potrebovať desiatky alebo dokonca stovky obrázkov. Čím viac obrázkov budete mať, tým lepšie bude systém rozumieť tomu, ako vyzerá prijateľný výrobok. Tieto bezchybné výrobky by mali zahŕňať aj bežné odchýlky, ktoré očakávate, napríklad jemné rozdiely v farbe, malé posuny v polohe alebo drobné zmeny textúry. Ak vaše trénovanie bude obsahovať iba dokonalé výrobky, systém vizuálnej kontroly odmietne všetko, čo vyzerá trochu inak, aj keď je výrobok stále úplne v poriadku.
Po druhé, zhromaždite chybné diely. Vytvorte komplexný zoznam pre každý typ chyby, ktorý je pre vás dôležitý. Tento zoznam môže obsahovať škrabance, praskliny, chýbajúce súčiastky, nesprávne farby alebo nesprávne umiestnené štítky. Čím väčšia bude rôznorodosť príkladov chýb, ktoré máte k dispozícii, tým lepšie sa systém naučí, čo má hľadať. Jedna štúdia ukázala, že predtrénovaný model na detekciu chýb dokáže adaptovať sa na nové výrobky po prijatí stredného počtu nových vzoriek a malého množstva jemnej optimalizácie. Avšak „stredné“ neznamená „minimálne“. Zlá sada údajov stále povedie k zlým výsledkom, preto sa uistite, že pripravíte dobre definované vzorky.
Použite funkciu Rýchle učenie pre rýchly štart
Keď už máte svoju vzorovú sadu údajov pripravenú, je čas systém naučiť. Máte šťastie, pretože takmer všetky moderné systémy vizuálnej kontroly majú zabudovanú funkciu nazývanú Rýchle učenie (Quick Teach) alebo Učenie jedným tlačidlom. Táto funkcia vám výrazne uľahčí prácu pri pridávaní novej výrobnej linky.
Funkcia Rýchle učenie funguje tak, že poberie referenčný obraz bezchybného dielu a automaticky nastaví systémové parametre na základe tohto obrazu. Systém analyzuje referenčný obraz, meria kľúčové vlastnosti a aplikuje tolerancie. Nemusíte manuálne zadávať číselné hodnoty ani hádať, kde by mali byť prahové hodnoty. Systém za vás vykoná náročnú prácu.
Táto metóda je vhodná na rýchlu kontrolu dávky dielov, ktoré vyzerajú rovnako. Napríklad pri kontrole identických vyrazených kovových dielov alebo vstrekovaných plastových komponentov môže funkcia Rýchle učenie úlohu dokončiť za niekoľko minút namiesto niekoľkých hodín. Niektoré moderné kamery skracujú dobu nastavenia z hodín na len niekoľko minút tým, že sa automaticky učia z niekoľkých vzorových obrázkov. Kľúčové je, aby bol váš referenčný obraz dobrým zastúpením vzhľadu dielov, ktoré očakávate v danej dávke.
Prejdite na štandardné učenie, keď sa diely líšia
Rýchle učenie má nevýhodu. Ak sa vzhľad vašich súčiastok výrazne líši, rýchle učenie bude mať tendenciu odmietnuť väčší počet dobrých súčiastok. V takom prípade systém potrebuje naučiť sa z niekoľkých opakovaní súčiastok.
Štandardné učenie funguje inak. Namiesto použitia jediného referenčného obrazu prejdete cez systém celú dávku dobrých súčiastok. Systém vizuálnej kontroly ich všetky preskúma, zmeria prirodzenú variabilitu a nastaví svoje tolerancie tak, aby zahŕňali celý rozsah prijateľných výsledkov. Týmto spôsobom sa systém naučí, ako vyzerajú dobré súčiastky za vašich skutočných výrobných podmienok, nie len v ideálnom laboratórnom prostredí.
Počet vzoriek, ktoré môžete použiť počas procesu učenia, nie je obmedzený. Čím viac dobrých dielov systému ukážete, tým lepšie pochopí, čo je prijateľné. A tu je profesionálna rada: pri štandardnom učení používajte výlučne dobré diely. Ak omylom zahrnete chybný diel, systém sa naučí, že táto chyba je prijateľná, a vytvoríte si veľký problém.
Ručne upravujte podľa potreby
Niektoríkrát automatické učenie nestačí. Vaše diely môžu mať zložité prvky, s ktorými systém má problémy. V takých prípadoch je potrebné ručne upraviť parametre.
Väčšina systémov vizuálnej kontroly umožňuje vstúpiť do nástrojov a ručne upraviť nastavenia. Môžete upraviť oblasť záujmu, zmeniť prahy tolerancií a jemne doladiť logiku pre schválenie alebo odmietnutie. Toto vyžaduje viac času a určitú skúsenosť, no poskytuje vám najväčšiu kontrolu. Pre aplikácie vysokej presnosti, kde aj najmenšie chyby majú význam, je ručná úprava dodatočným úsilím hodná.
Ak pracujete s novým výrobkom, ktorý je podobný staršiemu, niekedy môžete ušetriť veľa času tým, že ako východiskový bod použijete existujúcu kontrolu. Štúdia o prenosovom učení ukázala, že model natrénovaný na starších výrobkoch sa dá prispôsobiť novým výrobkom len s umiernym množstvom nových trénovacích údajov a pri tom zachová presnosť vyššiu ako 98 percent. To znamená, že nemusíte vždy začínať od nuly. Namiesto toho môžete stavať na existujúcich modeloch.
Využite umelej inteligencie pre zložité kontroly
Tradičné systémy vizuálnej kontroly sa opierajú o pevné pravidlá. Je škrabina dlhšia ako X milimetrov? Je farba mimo rozsahu Y? To funguje dobre pri jednoduchých kontrolách. Avšak keď sú chyby nepravidelné, nekonzistentné alebo ťažko popísateľné pomocou pevných pravidiel, konvenčné systémy sa zvyčajne potrápia.
AI-ová vizuálna kontrola mení pravidlá hry. Namiesto dodržiavania predpisového súboru pravidiel sa systém učí na základe príkladov. Ukážete mu stovky alebo tisíce dobrých a zlých obrázkov a on sám zistí vzory. AI-ová vizuálna kontrola je obzvlášť výhodná pre výrobcov, ktorí sa snažia zachovať kvalitu výrobkov a minimalizovať odpad. Je tiež veľmi prispôsobivá zmenám výrobkov. Niektoré platformy kombinujú dohliadané a nedohliadané AI-učenie s nástrojmi založenými na pravidlách, aby sa znížil počet falošne pozitívnych výsledkov a zabránilo sa tomu, aby chybné výrobky dosiahli zákazníkov.
Skvelou vecou dnešných systémov je ich priateľský používateľský rozhraní. Niektoré kamery teraz obsahujú zabudovanú umelej inteligenciu, ktorá sa automaticky učí len z niekoľkých vzorových obrázkov, čím sa eliminuje potreba dlhodobého manuálneho nastavovania. Priateľské používateľské rozhrania vedia operátorov cez každú fázu procesu nastavovania – od úpravy osvetlenia až po registráciu referenčných obrázkov. Dokonca aj operátori s obmedzenými skúsenosťami v oblasti vizuálnej kontroly dokážu vytvoriť spoľahlivé kontrolné postupy.
Testovanie a overenie sú nevyhnutné
Práve tu robia väčšina ľudí kritické chyby. Systém natrénujú, vykonajú rýchly test a potom ho okamžite uvádzajú do výroby. To je veľká chyba.
Predtým, ako necháte svoj systém vizuálnej kontroly bežať bez dozoru, je potrebné ho správne overiť. Preveďte cez systém dávku známych dobrých a známych chybných súčiastok. Skontrolujte, či systém zistí všetky chyby. Skontrolujte, či systém odmietne niektoré dobré súčiastky. Ak je miera falošných odmietnutí príliš vysoká, vráťte sa späť a upravte svoje tolerancie. Ak je miera nezistených chýb príliš vysoká, pridajte do trénovacej sady viac ukážok chýb.
Tu sa dobre osvedčí prístup dôkazu konceptu. Namiesto pokusu o automatizáciu všetkého naraz začnite s jedným kritickým bodom kontroly na vašej novej výrobnej linke. Zozbierajte si referenčnú množinu údajov so známymi dobrými a chybnými vzorkami, otestujte uskutočniteľnosť a až potom postupujte k rozšíreniu. Správne vykonanie tohto kroku vám v konečnom dôsledku ušetrí veľa peňazí.
Plánujte neustálu optimalizáciu
Tréning systému vizuálnej kontroly nie je jednorazovou udalosťou. Vaše výrobky sa budú meniť. Budú sa meniť vaši dodávatelia. Budú sa meniť podmienky výroby. Váš kontrolný systém musí týmto zmenám stále prispôsobiť.
Vytvorte proces pre nepretržité školenie. Vždy, keď nájdete nový typ chyby, ktorú váš systém vynechal, pridajte tieto obrázky do svojho tréningového súboru a znovu ho natrénujte. Vždy, keď zmeníte dizajn výrobku, aktualizujte svoje referenčné obrázky. Niektoré pokročilé systémy ponúkajú možnosti nepretržitého učenia sa, ktoré sa postupne prispôsobujú zmene výrobkov. Čím viac systém školíte, tým inteligentnejší sa stáva.
Výrobcovia, ktorí to spravia správne, dosahujú skutočné výsledky. AI vizuálna kontrola umožňuje skoršie zisťovanie chýb, rýchlejšiu analýzu korenných príčin a okamžité využiteľné poznatky v reálnom čase, čo zvyšuje efektivitu a znižuje odpad. YIHUI navrhuje vybavenie pre vizuálnu kontrolu s týmito zásadami školenia na pamäti a pomáha výrobcom v odvetviach strojárstva, elektroniky, leteckej a vesmírnej techniky a automobilového priemyslu rýchlejšie uviesť do prevádzky nové výrobné linky. V konečnom dôsledku je systém vizuálnej kontroly tak dobrý, ako je školenie, ktoré mu poskytnete. Ak ho spravíte správne, bude chrániť vašu značku roky.