בקרת איכות קו ייצור: איתור פגמים חזותיים

רווחים:

• הבנת זרימת העבודה של זיהוי פגמי משטח, ריתוך והרכבה בקו הייצור של הרכב עם ראיית מכונה
• יכולת להשתמש בבינה מלאכותית בצורה מובנית בהקמת מערך תמונות, תיוג, הכשרת מודלים וקביעת סף
• יכולת לאמת החלטת איכות על ידי התחשבות בשיעור בריחה ודחייה כוזבת, מהירות קו ואמון המפעיל

מכונית מורכבת מאלפי חלקים, וכל אחד מהם עובר את הקו תוך שניות. זה גם מעייף וגם לא עקבי לבדוק כל ריתוך, כל משטח צבע, כל הרכבה ללא שגיאות בעין האנושית; העיניים מתעייפות, תשומת הלב מוסחת. כאן נכנסות לתמונה ראיית המכונה והבינה המלאכותית: מצלמות מצלמים את החלקים, דגם בינה מלאכותית מסמן את הפגם תוך פחות משנייה. ביחידה זו, נדון כיצד נוצרת בקרת איכות תמונה בייצור רכב, תפקידה של AI והנושא הקריטי ביותר, איזון השגיאות.

פגמים חזותיים אופייניים ברכב

הסוגים העיקריים של פגמים שנבדקו ויזואלית:

• פגמי משטח/צבע: קליפת תפוז (צבע מחוספס), בועות אבק, דימום, שריטות, הבדל צבע.
• פגמים בריתך: ריתוך לא שלם, ניתזים, נקבוביות, ריתוך נקודתי במיקום שגוי.
• פגמים בהרכבה: בורג חסר, תפס מותקן לא נכון, אטם הפוך, מחבר רופף.
• תווית/סימן: VIN לא קריא, תווית שגויה, חותמת חסרה.

חלק מהליקויים הללו הם אסתטיים בלבד (שריטות קלות), בעוד שאחרים הם קריטיים לבטיחות (ריתוך לא שלם עלול להוביל לסדק עייפות במפרק הגוף). הבחנה זו קובעת את כל ההחלטות הבאות.

טיפ: אל תתייחסו לכל פגם באותה רצינות. הוספת התג "אסתטי/פונקציונלי/קריטי לבטיחות" בעת סיווג ליקוי היא המפתח לקבלת הסף והלוגיקת ההחלטה נכונה.

שתי גישות בסיסיות: סיווג בפיקוח וגילוי אנומליות

ישנן שתי אסטרטגיות עיקריות לזיהוי ליקויים חזותיים:

1. סיווג/זיהוי מפוקח: אתה מלמד את המודל על ידי הצגתו תמונות רבות עם תווית האומר "הנה דוגמאות לקויות, הנה דוגמאות מושלמות". זה חזק אם אתה מכיר את סוגי הפגמים ויש לך מספיק דוגמאות. אתגר: קשה לאסוף מספיק דוגמאות של פגמים נדירים (קו מייצר כמעט תמיד חלקים מוצקים).
2. זיהוי אנומליה: אתה מציג רק תמונות "רגילות/חזקות" לדגם; המודל לומד איך נראה נורמלי ומסמן כל דבר החורג מהנורמלי כ"אנומליה". זה יכול לתפוס פגמים חדשים/בלתי צפויים גם אם אתה לא יודע את סוג הפגם מראש. קושי: עלול לטעות בכל סטייה כתקלה (כגון שינוי בתאורה).

בפועל משתמשים בשניהם ביחד: זיהוי חריגות אומר "יש כאן משהו מוזר", הסיווג אומר "זוהי הקפצת משאבים".

שלב אחר שלב: הקמת מערכת בדיקה ויזואלית

1. קטלוג ליקויים וקריטריוני קבלה: הגדירו עם מהנדסי איכות איזה פגם יתקבל/נדחה. זו "האמת" של המודל.
2. רכישת תמונה: תאורה קבועה ועקבית ומיקום המצלמה הם קריטיים. תאורה לקויה/לא יציבה היא הסיבה השכיחה ביותר לכשל.
3. תיוג: מומחים מסמנים פגמים; הנחיית תיוג חיונית לעקביות.
4. הכשרת מודל: מיומן מודל מפוקח ו/או אנומלי.
5. סף: המודל נותן "הסתברות לפגם"; זהו הסף שמעליו תחשב בהסתברות כ"דחייה". זוהי ההחלטה העסקית הקריטית ביותר (להלן).
6. שילוב קו: הדגם מקבל את ההחלטה, חלקים חשודים מופנים למפעיל/תחנה.
7. ניטור והכשרה מחדש: הדגם מתעדכן ככל שסוגי פגמים חדשים, שינוי עונתי, חלקים חדשים הופכים זמינים.

הנושא הקריטי ביותר: איזון דליפה ודחייה כוזבת

ישנן שתי שגיאות בזיהוי פגמים והעלויות שלהן שונות מאוד ברכב:

• דליפה (בריחה / שלילית כוזבת): החלק הפגום נחשב "טוב" ועובר דרך הקו. בקטע הבטיחות, זה אומר רכב פגום שנכנס לשטח, תלונת לקוח או אפילו ריקול. הטעות היקרה ביותר.
• דחייה כוזבת (דחייה כוזבת / חיובי כוזב): החלק השלם נחשב "פגום" ונדחה. זה אומר בזבוז, עבודה מחדש מיותרת, האטה בקו; זה כואב, אבל זה לא מהווה סיכון בטיחותי.

סף החלטה

נמלט

דחייה שקרית

מתי?

רופף (סף גבוה)

עליות (מסוכן)

יורד

אף פעם לא על מסלול הביטחון

קפדני (סף נמוך)

יורד

עליות (יקר)

על חלקים קריטיים לבטיחות

מאוזנת

בינוני

בינוני

בפגמים אסתטיים

זהירות: בחלק קריטי לבטיחות (בלימה, היגוי, ריתוך גוף) הסף תמיד מוחזק על מנת למזער את הדליפה; היצירה החשודה מופנית אל האדם. הרפיית הסף כי "דחייה כוזבת היא יקרה" אינה מתקבלת על הדעת בקטע האבטחה.

חלוקת עבודה בין אדם למכונה

במערכת מבוססת, המודל אינו מקבל ההחלטות הסופי; זה "מסנן מראש". המודל קולט פגמים ברורים ושולח בחזרה לאדם את מה שהוא לא בטוח לגביו. זה מאפשר למפעיל להתמקד ב-30 חלקים חשודים במקום להסתכל על 1,000 חלקים. גם ביטחון המפעיל חשוב: אם הדגם מייצר יותר מדי אזעקות שווא, המפעיל מפסיק לקחת את ההתראות ברצינות ("עייפות אזעקה"). לכן גם מנוטר שיעור הדחייה הכוזבת.

מיני מקרי מבחן

מקרה 1 - מלכודת תאורה. בעוד שדגם בדיקת צבע מצליח במעבדה ב-98%, הוא אפילו יורד ל-80%. סקירה: תאורת התקרה על הקו משתנה במהלך היום, הדגם מחשיב את ההבדל בבהירות כ"פגם". כאשר מוסיפים תאורת מנהרה קבועה, ההצלחה עולה ל-97%. מסקנה: איכות התמונה יכולה להיות מכרעת יותר מהדגם.

מקרה 2 - עלות נזילה. בבדיקת ריתוך גוף הסף רגוע מעט "למען היעילות"; דחיית שווא יורדת מ-6% ל-3%, אך חודש לאחר מכן מדווחים על סדקים בריתוך בשני כלי רכב בשטח. ניתוח סיבת השורש מראה ששיעור הדליפה גדל. הסף מתהדק שוב וחלקים חשודים מובאים תחת 100% שליטה אנושית. מסקנה: צמצום הדליפה בחלק הבטיחותי תמיד מקבל עדיפות על פני דחייה כוזבת.

מקרה 3 - פגם נדיר. מדי פעם יוצא פגם כתמים קטן מאוד מתבנית הזרקה חדשה, אך אין כמעט דוגמאות לפגם זה בהכשרת הדגם המפוקח, ולכן הוא מפספס. כאשר מודל זיהוי החריגות מופעל, הוא מזהה זאת כ"סטייה מהרגיל". מסקנה: איתור חריגות עבור פגמים נדירים/חדשים משלים את המודל המפוקח.

תבניות בקשות

תבנית 1 - קטלוג פגמים וסיווג חומרה:

תפקיד: אתה מהנדס איכות רכב. משימה: מיין את רשימת הליקויים הבאה לפי דרגות חומרה. הקשר: קו ריתוך גוף; פגמים: נתזים, נקבוביות, נקודה חסרה, הבדל צבע קל, שריטה על פני השטח. אילוץ: תייג כל פגם כאסתטי/פונקציונלי/קריטי לבטיחות והצע החלטה (קבלה/בדיקה אנושית/דחייה). פלט: פגם | חשיבות | הצעת החלטה | טבלת הצדקה.

תבנית 2 - מדריך תיוג:

תפקיד: ליד איכות תיוג תמונה. משימה: כתוב כללי עקביות עבור תיוג פגמי צבע. הקשר: קליפת תפוז, ריצה, בועת אבק; יש תמונות שצולמו תחת תאורה שונה. פלט: כלל | דוגמה | מצב גבול | הערת תיוג.

תבנית 3 - פירוש החלטת סף/מדד:

תפקיד: מעריך ראיית מכונה. משימה: לפרש את טבלת סף ההחלטות הבאה. הקשר: משאב קריטי לאבטחה; בסף A, הדליפה היא 0.3%, דחייה כוזבת היא 5%; דליפה בסף B 1.2% דחייה כוזבת 2%. אילוץ: שמירה על עדיפות אבטחה; הסבירו על איזה סף אתם ממליצים ומדוע, והוסיפו את שלב השליטה האנושית. פלט: המלצה + הצדקה + סיכון שנותר.

תבנית 4 - ניתוח סיבת השורש:

תפקיד: אתה מהנדס איכותי. משימה: רשום את גורמי השורש האפשריים לפגמי התזה שגדלו במהלך 3 המשמרות האחרונות. הקשר: ריתוך נקודתי רובוטי; החלפת האלקטרודה בוצעה לפני יומיים; הגדרה נוכחית קבועה. פלט: סיבה אפשרית | בדיקת אימות | עֲדִיפוּת.

הנחיה חלשה / הנחיה חזקה

הנחיה חלשה:

הכינו דגם שמוצא חלקים פגומים.

לא ברור איזה פגם, איזו חשיבות, איזה סף, איזו החלטה; התוצאה חסרת תועלת.

הנחיה עוצמתית:

תפקיד: אתה מהנדס איכות רכב וראיית מכונה. משימה: יצירת רשימת תיוג עיצוב עבור מערכת ראיית ריתוך גוף. הקשר: ריתוך נקודתי קריטי לבטיחות; מהירות הקו גבוהה; ישנם פגמים נדירים; משתנה תאורה. אילוץ: תעדוף מזעור דליפה; לציין כיצד לשלב גילוי אנומליות עם סיווג בפיקוח ושלב הבקרה האנושי; מבטיח 'אפס שגיאות'. פלט: שלב | הצעה | סיכון | טבלת אימות.

טעויות נפוצות

• הזנחת איכות התאורה/תמונה. תמונה גרועה מקלקל אפילו את הדגם הטוב ביותר.
• בהתחשב בדליפה ודחייה כוזבת שווה. דליפה בחלקי בטיחות לרכב היא הרבה יותר יקרה.
• הסתמכות רק על הדגם המפוקח עבור פגמים נדירים. זיהוי אנומליות משלים.
• הפיכת המודל למקבל ההחלטות הסופי. יש להפנות חלקים חשודים לבני אדם.
• שוכחים הסבה מקצועית. חלקים חדשים, תבניות חדשות ושינויים עונתיים הופכים את הדגם לישן.

לסיכום

• ראיית מכונה ובינה מלאכותית בודקים במהירות ובעקביות פגמי משטח, ריתוך והרכבה בקו הרכב.
• הסיווג המפוקח חזק על פגמים ידועים, גילוי אנומליה חזק על פגמים נדירים/חדשים; שניהם משמשים יחד.
• ההחלטה הקריטית ביותר היא הסף: דליפה (שלילי כוזב) ממוזערת בחלק הקריטי לבטיחות, החלק החשוד עובר לאדם.
• איכות תמונה ותאורה הם לרוב מכריעים יותר מהדגם.
• הדגם הוא מנפה מראש; החלטת האיכות הסופית ואחריות הבטיחות היא של האדם.

משימת יישום

בחר חלק/תחנה (למשל מכלול פגוש קדמי). (1) רשום פגמים אפשריים וסמן כל אחד מהם כאסתטי/פונקציונלי/קריטי לבטיחות. (2) עם תבנית 3, השוו את שתי אפשרויות הסף לדליפה/דחייה כוזבת והצדיק המלצה. (3) הסבירו אם תשתמשו בזיהוי בפיקוח או בגילוי חריגות עבור פגם נדיר. (4) הגדר את שלב הבקרה האנושי ואת טריגר ההכשרה מחדש.

רשימת בדיקה

• [ ] חילקתי את הליקויים לדרגות חומרה (אסתטי/פונקציונלי/בטיחותי-קריטי).
• [ ] הערכתי את מאזן הדחייה הבלתי חוקית והשקרית בהחלטת הסף.
• [ ] נתתי עדיפות לדליפה בחלק הקריטי לאבטחה.
• [ ] הנחתי את הגישות המפוקחות והחריגות במקום המתאים.
• [ ] ציינתי את דרישת איכות התמונה/תאורה.
• [ ] הגדרתי את שלב השליטה האנושית ואת תוכנית ההסבה.