Интеллектуальный контроль качества: ИИ «выявляет дефекты» в упаковке

I. Почему полагаться на человеческий глаз становится все труднее?

В предыдущей статье речь шла о локализации материала; это меняет тему — контроль качества на производстве и интеллектуальная трансформация, происходящая сейчас.

Проверка качества герметичной упаковки традиционно во многом зависела от людей: мелкие трещины в стекле должны быть обнаружены человеческими глазами под микроскопом, кривые детектора утечек должны оцениваться инженерами по одной, а изображения внутренних структур должны анализироваться одно за другим старшими экспертами.

Однако упаковочная промышленность измеряет качество в «частях на миллион». Если одна неисправная единица встречается в десятках тысяч продуктов, это может означать жалобу клиента или даже отзыв. Потолок старых методов явно виден.

Компания Xuri уже давно начала систематическую модернизацию своих производственных линий с помощью интеллектуальных технологий, и теперь результаты ясно видны: общий уровень промахов значительно снизился, а эффективность контроля возросла в несколько раз.

II. Что на самом деле может делать ИИ на производственной линии?

Первая задача – проверка внешнего вида. Модели распознавания, обученные на огромных наборах квалифицированных и дефектных образцов, могут в мгновение ока определить, есть ли на стекле трещины, есть ли дефекты в сварных швах или смещены ли штифты. Изделия с обнаруженными дефектами автоматически направляются на линию доработки и никогда не смешиваются с квалифицированными товарами, направляемыми покупателям.

Вторая задача — чтение кривых. Каждый тест течеискателя выдает длинный поток кривых данных; Ручной просмотр их сегмент за сегментом раньше был медленным и подверженным ошибкам. Теперь модель автоматически определяет успешность/неудачность, результаты появляются в течение нескольких секунд, и один сотрудник может контролировать объем работы, в несколько раз превышающий предыдущую.

Стоит отметить, что интеллектуальный контроль не означает «замену людей машинами» — он освобождает инженеров от повторяющейся работы, чтобы они могли сосредоточиться на более важных задачах, таких как улучшение процессов. Когда люди и машины делают то, что у них получается лучше всего, качество становится более стабильным, а не менее.

[Следующая статья] Далее: оптические модули в сетях 5G — три сетевых уровня, три варианта упаковки.

[Глоссарий]

1. AI Vision: технология, использующая глубокое обучение, позволяющая компьютерам автоматически выявлять дефекты на изображениях, широко используемая при промышленном контроле качества.

2. Испытание на утечку гелием: высокочувствительный метод обнаружения утечек с использованием гелия в качестве индикаторного газа — отраслевой золотой стандарт испытаний на герметичность.