Kontrola kvalitete proizvodne linije: Vizualna detekcija nedostataka

Dobici:

• Razumijevanje tijeka rada otkrivanja grešaka na površini, zavarivanju i sklapanju u proizvodnoj liniji automobila sa strojnim vidom
• Sposobnost korištenja umjetne inteligencije na strukturiran način u uspostavljanju skupa slikovnih podataka, označavanju, obuci modela i određivanju praga
• Sposobnost provjere odluke o kvaliteti uzimajući u obzir stopu bijega i lažnog odbijanja, brzinu linije i povjerenje operatera

Automobil se sastoji od tisuća dijelova, a svaki od njih prođe kroz liniju za nekoliko sekundi. Zamorno je i nedosljedno ljudskim okom pregledavati svaki zavar, svaku površinu boje, svaki sklop bez ikakvih pogrešaka; oči se umore, pažnja je ometena. Ovdje stupaju na scenu strojni vid i umjetna inteligencija: kamere snimaju dijelove, AI model označava kvar za manje od sekunde. U ovoj jedinici raspravljat ćemo o tome kako se uspostavlja kontrola kvalitete slike u automobilskoj proizvodnji, ulozi umjetne inteligencije i najkritičnijem pitanju, ravnoteži pogrešaka.

Tipični vizualni nedostaci u automobilskoj industriji

Glavne vrste nedostataka koje se pregledavaju vizualno:

• Nedostaci površine/boje: narančina kora (hrapava boja), mjehurići prašine, krvarenja, ogrebotine, razlika u boji.
• Defekti zavara: nepotpuni zavar, prskanje, poroznost, pogrešno postavljen točkasti zavar.
• Nedostaci sklopa: nedostaje vijak, neispravno postavljena kopča, izvrnuta brtva, labav konektor.
• Naljepnica/oznaka: nečitak VIN, pogrešna naljepnica, nedostaje pečat.

Neki od tih nedostataka su samo estetski (manje ogrebotine), dok su drugi kritični za sigurnost (nepotpuno zavarivanje može dovesti do pukotina uslijed zamora u spoju tijela). Ova razlika određuje sve kasnije odluke.

Savjet: Nemojte svaku manu tretirati s istom ozbiljnošću. Dodavanje oznake "estetski/funkcionalni/sigurnosno kritični" pri klasificiranju nedostatka ključno je za dobivanje ispravnog praga i logike odlučivanja.

Dva osnovna pristupa: nadzirana klasifikacija i otkrivanje anomalija

Postoje dvije glavne strategije za otkrivanje vizualnih nedostataka:

1. Nadzirana klasifikacija/otkrivanje: Vi podučavate model pokazujući mu mnoge označene slike govoreći "ovdje su neispravni primjeri, ovdje su savršeni primjeri". Moćno je ako poznajete vrste nedostataka i imate dovoljno primjera. Izazov: teško je prikupiti dovoljno uzoraka rijetkih nedostataka (linija gotovo uvijek proizvodi čvrste dijelove).
2. Detekcija anomalija: Modelu prikazujete samo "normalne/robustne" slike; model uči kako normalno izgleda i označava sve što odstupa od normalnog kao "anomaliju". Može uhvatiti nove/neočekivane kvarove čak i ako unaprijed ne znate vrstu kvara. Poteškoća: svako odstupanje može pogrešno smatrati greškom (kao što je promjena u rasvjeti).

U praksi se to dvoje koristi zajedno: otkrivanje anomalije kaže "ovdje ima nešto čudno", klasifikacija kaže "ovo je odskakanje resursa".

Korak po korak: postavljanje sustava vizualnog pregleda

1. Katalog nedostataka i kriteriji prihvaćanja: Definirajte s inženjerima kvalitete koji se nedostatak prihvaća/odbija. Ovo je "istina" modela.
2. Snimanje slike: Stalno, dosljedno osvjetljenje i položaj kamere su kritični. Loša/nestabilna rasvjeta je najčešći uzrok kvara.
3. Označavanje: stručnjaci označavaju nedostatke; Smjernice za označavanje bitne su za dosljednost.
4. Obuka modela: obučava se model pod nadzorom i/ili model anomalije.
5. Prag: Model daje "vjerojatnost kvara"; To je prag iznad kojeg ćete vjerojatnost smatrati "odbijanjem". Ovo je najkritičnija poslovna odluka (ispod).
6. Integracija linije: Model donosi odluku, sumnjivi dijelovi se usmjeravaju operateru/stanici.
7. Praćenje i ponovna obuka: Model se ažurira kako nove vrste kvarova, sezonske promjene, novi dijelovi postaju dostupni.

Najkritičnije pitanje: ravnoteža curenja i lažnog odbijanja

Postoje dvije pogreške u otkrivanju kvarova i njihovi su troškovi vrlo različiti u automobilskoj industriji:

• Curenje (izbjegavanje / lažno negativno): neispravan komad se smatra "dobrim" i prolazi kroz liniju. Na sigurnosnom dijelu to znači neispravno vozilo koje ide na teren, pritužbu kupca ili čak opoziv. Najskuplja greška.
• Lažno odbacivanje (lažno odbacivanje / lažno pozitivno): netaknuti dio se smatra "neispravnim" i odbacuje se. To znači gubitak, nepotrebnu preradu, usporavanje linije; Boli, ali ne predstavlja sigurnosni rizik.

prag odluke

bjegunac

lažno odbijanje

kada

Labavo (visoki prag)

Povećava se (opasno)

smanjuje se

Nikad na sigurnosnoj stazi

Strogi (niski prag)

smanjuje se

Povećava (skupo)

Na sigurnosno kritičnim dijelovima

uravnotežena

srednji

srednji

Kod estetskih nedostataka

Oprez: Na sigurnosno kritičnim dijelovima (kočnice, upravljač, zavarivanje karoserije) prag se uvijek drži čvrsto zategnut kako bi se smanjilo curenje; Sumnjivi komad je usmjeren na čovjeka. Smanjivanje praga jer je "lažno odbijanje skupo" neprihvatljivo je u sigurnosnom dijelu.

Podjela rada čovjek-stroj

U dobro uspostavljenom sustavu model nije onaj koji donosi konačnu odluku; To je "pre-screener". Model hvata očite nedostatke i šalje natrag čovjeku ono u što nije siguran. To omogućuje operateru da se usredotoči na 30 sumnjivih dijelova umjesto da gleda na 1000 dijelova. Povjerenje operatera također je važno: ako model proizvede previše lažnih alarma, operater prestaje ozbiljno shvaćati upozorenja ("umor od alarma"). Zato se prati i stopa lažnog odbijanja.

Mini studije slučaja

Slučaj 1 - Zamka za rasvjetu. Dok je model pregleda boje 98% uspješan u laboratoriju, čak pada na 80%. Pregled: stropna rasvjeta na liniji se mijenja tijekom dana, model razliku u svjetlini smatra "defektom". Kada se doda fiksna tunelska rasvjeta, uspjeh se povećava na 97%. Zaključak: Kvaliteta slike može biti odlučujuća od modela.

Slučaj 2 - Trošak curenja. U pregledu zavara trupa prag je malo opušten "radi učinkovitosti"; Lažno odbacivanje pada sa 6% na 3%, ali mjesec dana kasnije prijavljene su pukotine u zavarima u dva vozila na terenu. Analiza temeljnog uzroka pokazuje da se stopa istjecanja povećala. Prag se ponovno pooštrava i sumnjivi dijelovi se stavljaju pod 100% ljudsku kontrolu. Zaključak: Smanjenje curenja u sigurnosnom dijelu uvijek ima prednost pred lažnim odbijanjem.

Slučaj 3 - Rijedak nedostatak. Povremeno se iz novog kalupa za injekcijsko prešanje pojavi vrlo mali kvar, ali gotovo da nema primjera tog nedostatka u obuci nadziranog modela, tako da promašuje. Kada se aktivira model detekcije anomalije, on to detektira kao "odstupanje od normale". Zaključak: otkrivanje anomalija za rijetke/nove nedostatke nadopunjuje nadzirani model.

promptni predlošci

Predložak 1 - Katalog grešaka i klasifikacija ozbiljnosti:

Uloga: Vi ste inženjer kvalitete automobila. Zadatak: Razvrstajte sljedeći popis nedostataka u klase ozbiljnosti. Kontekst: linija zavara tijela; nedostaci: mrlje, pore, mjesto koje nedostaje, mala razlika u boji, površinska ogrebotina. Ograničenje: Označite svaki nedostatak kao estetski/funkcionalni/sigurnosno kritičan i predložite odluku (prihvaćanje/ljudska provjera/odbijanje). Izlaz: Nedostatak | važnost | predložena odluka | tablica opravdanja.

Predložak 2 - Vodič za označavanje:

Uloga: voditelj kvalitete označavanja slika. Zadatak: Napišite pravila dosljednosti za označavanje grešaka boje. Kontekst: Narančina kora, trčanje, mjehurić prašine; Postoje slike snimljene pod različitim osvjetljenjem. Izlaz: Pravilo | primjer | granično stanje | bilješka za označavanje.

Predložak 3 - Tumačenje odluke o pragu/metrici:

Uloga: Procjenitelj strojnog vida. Zadatak: Protumačiti sljedeću tablicu pragova odluke. Kontekst: Sigurnosno kritičan resurs; na pragu A, curenje je 0,3%, lažno odbijanje je 5%; curenje na pragu B 1,2% lažno odbijanje 2%. Ograničenje: Pridržavajte se sigurnosnog prioriteta; Objasnite koji prag preporučujete i zašto te dodajte korak ljudske kontrole. Rezultat: Preporuka + obrazloženje + preostali rizik.

Predložak 4 - Analiza temeljnog uzroka:

Uloga: Vi ste inženjer kvalitete. Zadatak: Navedite moguće temeljne uzroke kvarova prskanja koji su se povećali tijekom posljednje 3 smjene. Kontekst: Robotsko točkasto zavarivanje; Promjena elektrode je napravljena prije 2 dana; trenutna postavka fiksna. Izlaz: Mogući uzrok | provjera valjanosti | prioritet.

Slab upit / Jak upit

Slab upit:

Napravite model koji pronalazi neispravne dijelove.

Nije jasno koja mana, koja važnost, koji prag, koja odluka; Rezultat je beskoristan.

Snažan upit:

Uloga: Vi ste inženjer kvalitete automobila i strojnog vida. Zadatak: Napravite popis za provjeru dizajna za sustav za viziju zavara tijela. Kontekst: točkasto zavarivanje kritično za sigurnost; brzina linije je velika; Postoje rijetki nedostaci; varijabla osvjetljenja. Ograničenje: Dajte prioritet smanjenju curenja; navesti kako kombinirati otkrivanje anomalija s nadziranom klasifikacijom i korakom ljudske kontrole; jamče 'nula grešaka'.Izlaz: Faza | prijedlog | rizik | tablica provjere.

Uobičajene greške

• Zanemarivanje kvalitete osvjetljenja/slike. Loš imidž kvari i najbolji model.
• Uzimajući u obzir curenje i lažno odbijanje jednako. Propuštanje u sigurnosnim dijelovima automobila mnogo je skuplje.
• Oslanjajući se samo na model pod nadzorom za rijetke nedostatke. Otkrivanje anomalija je komplementarno.
• Učiniti model donositeljem konačne odluke. Sumnjive dijelove treba usmjeriti na ljude.
• Zaboravljajući prekvalifikaciju. Novi dijelovi, novi kalupi i sezonske promjene čine model starim.

Ukratko

• Strojni vid i umjetna inteligencija brzo i dosljedno provjeravaju nedostatke na površini, zavarivanju i sklapanju na automobilskoj liniji.
• Nadzirana klasifikacija snažna je za poznate nedostatke, otkrivanje anomalija snažno je za rijetke/nove nedostatke; oba se koriste zajedno.
• Najkritičnija odluka je prag: curenje (lažno negativno) je minimizirano u sigurnosno kritičnom dijelu, sumnjivi dio ide čovjeku.
• Kvaliteta slike i osvjetljenje često su odlučujući od modela.
• Model je predprosijavač; Konačna odluka o kvaliteti i odgovornost za sigurnost leži na čovjeku.

Zadatak aplikacije

Odaberite dio/stanicu (npr. sklop prednjeg branika). (1) Navedite moguće nedostatke i označite svaki kao estetski/funkcionalni/sigurnosno kritičan. (2) S predloškom 3, usporedite dvije opcije praga za curenje/lažno odbijanje i obrazložite preporuku. (3) Objasnite hoćete li koristiti nadzirano otkrivanje ili otkrivanje anomalije za rijedak nedostatak. (4) Definirajte korak ljudske kontrole i okidač ponovne obuke.

popis za provjeru

• [ ] Podijelio sam nedostatke u klase ozbiljnosti (estetski/funkcionalni/sigurnosno kritični).
• [ ] Ocijenio sam omjer nezakonitog i lažnog odbijanja u odluci o pragu.
• [ ] Dao sam prioritet curenju u sigurnosno kritičnom dijelu.
• [ ] Postavio sam nadzirani pristup i pristup anomaliji na odgovarajuće mjesto.
• [ ] Odredio sam zahtjeve za kvalitetom slike/osvjetljenjem.
• [ ] Definirao sam korak ljudske kontrole i plan prekvalifikacije.