Kokybės kontrolės sistemos, paremtos giluminiais neuroniniais tinklais
Šiuolaikinė kokybės kontrolė turi vis sudėtingesnius įrankius, tokius kaip vaizdo sistemos, pagrįstos vadinamaisiais giluminiais neuroniniais tinklais. Šios sistemos užtikrina daug didesnį automatizuotos gamybos kontrolės tikslumą ir patikimumą bei palengvina sistemos pritaikymą naujiems formatams ar produktams. Kuo vaizdo pagrindu veikiančios kokybės kontrolės sistemos yra pranašesnės už tradicines?
Kuo tikslesnė analizė ir greitesnė reakcija į defektinės pakuotės atsiradimą bei aptikimą, tuo mažesni galimi gamybos nuostoliai.
Paprasčiau tariant, mašininis matymas, kuris yra automatizuotos kokybės kontrolės pagrindas greitaeigėse gamybos linijose, yra vaizdo sistema (kamerų sistema), apdorojanti duomenis apie objektą ir pašalinanti defektinius produktus, neatitinkančius nustatyto modelio.
Šiuolaikinė kokybės kontrolė turi vis pažangesnių įrankių, tokių kaip vaizdo sistemos, pagrįstos vadinamaisiais giluminiais neuroniniais tinklais. Jos užtikrina daug didesnį automatizuotos gamybos kontrolės tikslumą ir patikimumą bei palengvina sistemos pritaikymą naujiems formatams ar produktams.
Kaip tai veikia?
Trumpai tariant, sistema pagrįsta „mašininio mokymosi“ principu: gamybos operatorius „mokina“ sistemą, kaip atpažinti galimus defektus, prireikus pridėdamas naujas atskaitos nuotraukas. Tačiau tai nebūtinai turi būti tiksliai apibrėžtas defektas: analizuodama ir apdorodama duomenis, sistema atpažįsta galimą nukrypimą nuo normos.
Kuo KSM Vision sistemos skiriasi nuo tradicinių sprendimų?
Norint palyginti šiuolaikinių, intelektualių vaizdo sistemų galimybes, pateiksime pakuočių ir uždarymo kontrolės sistemos pavyzdį tipiniame gamybos procese.
Tradiciniai sprendimai pagrįsti kelių kamerų rinkiniu, fiksuojančiu produkto vaizdus iš įvairių pusių.
Tuo tarpu mūsų sukurta sistema remiasi specialiai sukurta optine sistema. Ji leidžia atlikti visapusišką viso tiriamo objekto kontrolę naudojant tik vieną kamerą. KSM Vision patentuotas veidrodžių rinkinys leidžia atlikti 360° apžvalgą ant pakuočių (patentas PL Nr. 229618).
Lyginant su tradicinėmis sistemomis, mūsų vaizdo sistema turi gerokai mažiau elektroninių komponentų, užima mažiau vietos, yra tikslesnė ir lengvai integruojama į mūsų klientų esamas gamybos linijas.
Kaip minėta anksčiau, mūsų optinės sistemos (pagrįstos neuroniniais tinklais) taip pat pasižymi daug didesniu tikslumu ir daugiau galimybių nei tradiciniai sprendimai: nereikia rankiniu būdu nustatyti parametrų ar įkelti tiksliai apibrėžto modelio.
Mūsų sistema nuolat „mokosi“ naudodama kintamus duomenis, kurie atsiranda gamybos proceso metu. Ji yra labiau „reaktyvi“ pokyčiams ir nukrypimams nuo iš anksto nustatyto modelio.
Automatizuotų kokybės kontrolės sistemų naudojima
Vaizdo sistemos, pagrįstos neuroniniais tinklais ir vadinamuoju mašininio mokymosi principu, yra puikus sprendimas maisto, farmacijos, statybų, tekstilės pramonėse ir kt. – ten, kur defektas/nukrypimas nuo normos negali būti tiksliai apibrėžtas.
Tikslumas ir greitas defektinio produkto aptikimas yra itin svarbūs – kalbame apie greitas, didelio našumo gamybos linijas. Laiku nepastebėtas galimas gamybos defektas gali lemti visos serijos defektinių prekių pagaminimą ir didžiulius gamybos nuostolius. Nereikia pamiršti ir grąžinimo rizikos, o kartais ir būtinybės atšaukti visą seriją produktų.
Žinoma, mūsų vaizdo sistemų taikymas nėra ribojamas tik minėtoms pramonės šakoms. KSM Vision sukūrė naują skanerio versiją, kuri naudoja spalvotą kamerą ir optimizavo defektų aptikimo algoritmą, kad padidintų sistemos našumą. Tai sudaro sistemos, skirtos baldų gamybai naudojamų plokščių remontui, pagrindą. Dėl šios priežasties mūsų sprendimus galima sėkmingai naudoti gamybos kokybės kontrolėje statybų pramonėje arba medienos pramonėje, pavyzdžiui, medienos defektų (įtrūkimų, dervos kišenių, negyvų ar laisvų mazgų) aptikimui ir pašalinimui. Neuroniniai tinklai leidžia aptikti hibridinių produktų defektus, t. y. produktų, kurie žymiai skiriasi vienas nuo kito, tokių kaip betonas ar medis. Sistemos, naudojančios tradicinius vaizdų apdorojimo metodus, reikštų net keliasdešimt parametrų (rankinis parametrų optimizavimas daugiamačiame erdvėje yra praktiškai neįmanomas).
Kodėl turėtumėte pasirinkti intelektualias šiuolaikines kokybės kontrolės sistemas?
- lankstumas ir nuolatinis sistemos „mokymasis“: papildomas naujų defektų aptikimas, kurie negalėjo būti numatyti sistemos įdiegimo metu,
- aukštas jautrumas gamybos poreikiams: kaip minėta – operatorius gali lengvai pridėti naujas atskaitos nuotraukas ir „permokyti“ sistemą,
- didelis našumas: sistemos gali būti naudojamos greitaeigėse gamybos linijose, dirbančiose iki 70 000 vnt./h greičiu,
- lengvas valdymas, lydimas trumpesnio operatoriaus mokymo laikotarpio (tai ypač svarbu, kai darbuotojų kaita yra greita),
- galimybė aptikti ir klasifikuoti defektus,
- defektų klasifikacija per ilgesnį laiką gali padėti optimizuoti technologinį procesą – pavyzdžiui, daug tam tikro tipo defektų gali būti susiję su vieno iš gamybos įrenginių gedimu arba suboptimaliomis parametrais (sužinokite daugiau apie Inspectweb analizės ir ataskaitų programą Inspectweb),
- lengvas sistemos integravimas su esamomis kliento gamybos linijomis,
- sistemos gali būti įdiegtos beveik bet kurioje pramonėje.
