ಪ್ರೊಡಕ್ಷನ್ ಲೈನ್ ಗುಣಮಟ್ಟ ನಿಯಂತ್ರಣ: ದೃಷ್ಟಿ ದೋಷ ಪತ್ತೆ

ಲಾಭಗಳು:

• ಯಂತ್ರ ದೃಷ್ಟಿಯೊಂದಿಗೆ ಆಟೋಮೋಟಿವ್ ಉತ್ಪಾದನಾ ಸಾಲಿನಲ್ಲಿ ಮೇಲ್ಮೈ, ವೆಲ್ಡಿಂಗ್ ಮತ್ತು ಅಸೆಂಬ್ಲಿ ದೋಷ ಪತ್ತೆಹಚ್ಚುವಿಕೆಯ ಕೆಲಸದ ಹರಿವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು
• ಚಿತ್ರದ ಡೇಟಾಸೆಟ್, ಲೇಬಲಿಂಗ್, ಮಾದರಿ ತರಬೇತಿ ಮತ್ತು ಮಿತಿ ನಿರ್ಣಯವನ್ನು ಸ್ಥಾಪಿಸುವಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ರಚನಾತ್ಮಕ ರೀತಿಯಲ್ಲಿ ಬಳಸುವ ಸಾಮರ್ಥ್ಯ
• ತಪ್ಪಿಸಿಕೊಳ್ಳುವಿಕೆ ಮತ್ತು ತಪ್ಪು ನಿರಾಕರಣೆ ದರ, ಸಾಲಿನ ವೇಗ ಮತ್ತು ಆಪರೇಟರ್ ವಿಶ್ವಾಸವನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡು ಗುಣಮಟ್ಟದ ನಿರ್ಧಾರವನ್ನು ಪರಿಶೀಲಿಸುವ ಸಾಮರ್ಥ್ಯ

ಒಂದು ಕಾರು ಸಾವಿರಾರು ಭಾಗಗಳನ್ನು ಒಳಗೊಂಡಿದೆ, ಮತ್ತು ಪ್ರತಿಯೊಂದೂ ಸೆಕೆಂಡುಗಳಲ್ಲಿ ರೇಖೆಯ ಮೂಲಕ ಹಾದುಹೋಗುತ್ತದೆ. ಮಾನವನ ಕಣ್ಣಿನಿಂದ ಯಾವುದೇ ದೋಷಗಳಿಲ್ಲದೆ ಪ್ರತಿ ಬೆಸುಗೆ, ಪ್ರತಿ ಬಣ್ಣದ ಮೇಲ್ಮೈ, ಪ್ರತಿ ಜೋಡಣೆಯನ್ನು ಪರೀಕ್ಷಿಸಲು ಇದು ದಣಿದ ಮತ್ತು ಅಸಮಂಜಸವಾಗಿದೆ; ಕಣ್ಣುಗಳು ಆಯಾಸಗೊಳ್ಳುತ್ತವೆ, ಗಮನವು ವಿಚಲಿತಗೊಳ್ಳುತ್ತದೆ. ಇಲ್ಲಿ ಯಂತ್ರ ದೃಷ್ಟಿ ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಬರುತ್ತದೆ: ಕ್ಯಾಮೆರಾಗಳು ಭಾಗಗಳನ್ನು ಚಿತ್ರಿಸುತ್ತವೆ, AI ಮಾದರಿಯು ಒಂದು ಸೆಕೆಂಡಿನಲ್ಲಿ ದೋಷವನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡುತ್ತದೆ. ಈ ಘಟಕದಲ್ಲಿ, ಆಟೋಮೋಟಿವ್ ಉತ್ಪಾದನೆಯಲ್ಲಿ ಚಿತ್ರದ ಗುಣಮಟ್ಟ ನಿಯಂತ್ರಣವನ್ನು ಹೇಗೆ ಸ್ಥಾಪಿಸಲಾಗಿದೆ, AI ನ ಪಾತ್ರ ಮತ್ತು ಅತ್ಯಂತ ನಿರ್ಣಾಯಕ ಸಮಸ್ಯೆ, ದೋಷ ಸಮತೋಲನವನ್ನು ನಾವು ಚರ್ಚಿಸುತ್ತೇವೆ.

ವಾಹನದಲ್ಲಿ ವಿಶಿಷ್ಟ ದೃಷ್ಟಿ ದೋಷಗಳು

ದೃಷ್ಟಿಗೋಚರವಾಗಿ ಪರಿಶೀಲಿಸಲಾದ ದೋಷಗಳ ಮುಖ್ಯ ವಿಧಗಳು:

• ಮೇಲ್ಮೈ/ಬಣ್ಣದ ದೋಷಗಳು: ಕಿತ್ತಳೆ ಸಿಪ್ಪೆ (ಒರಟು ಬಣ್ಣ), ಧೂಳಿನ ಗುಳ್ಳೆಗಳು, ರಕ್ತಸ್ರಾವ, ಗೀರುಗಳು, ಬಣ್ಣ ವ್ಯತ್ಯಾಸ.
• ವೆಲ್ಡ್ ದೋಷಗಳು: ಅಪೂರ್ಣ ಬೆಸುಗೆ, ಸ್ಪ್ಯಾಟರ್, ಸರಂಧ್ರತೆ, ತಪ್ಪಾದ ಸ್ಥಾನ ವೆಲ್ಡ್.
• ಅಸೆಂಬ್ಲಿ ದೋಷಗಳು: ಕಾಣೆಯಾದ ಬೋಲ್ಟ್, ತಪ್ಪಾಗಿ ಸ್ಥಾಪಿಸಲಾದ ಕ್ಲಿಪ್, ರಿವರ್ಸ್ಡ್ ಸೀಲ್, ಸಡಿಲವಾದ ಕನೆಕ್ಟರ್.
• ಲೇಬಲ್/ಗುರುತು: ಅಸ್ಪಷ್ಟ VIN, ತಪ್ಪು ಲೇಬಲ್, ಕಾಣೆಯಾದ ಸ್ಟಾಂಪ್.

ಈ ದೋಷಗಳಲ್ಲಿ ಕೆಲವು ಕೇವಲ ಸೌಂದರ್ಯದ (ಸಣ್ಣ ಗೀರುಗಳು), ಆದರೆ ಇತರವು ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕವಾಗಿದೆ (ಅಪೂರ್ಣ ಬೆಸುಗೆ ಹಾಕುವಿಕೆಯು ದೇಹದ ಜಂಟಿ ಆಯಾಸ ಬಿರುಕುಗೆ ಕಾರಣವಾಗಬಹುದು). ಈ ವ್ಯತ್ಯಾಸವು ಎಲ್ಲಾ ನಂತರದ ನಿರ್ಧಾರಗಳನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ.

ಸಲಹೆ: ಎಲ್ಲಾ ನ್ಯೂನತೆಗಳನ್ನು ಒಂದೇ ಗಂಭೀರತೆಯಿಂದ ಪರಿಗಣಿಸಬೇಡಿ. ದೋಷವನ್ನು ವರ್ಗೀಕರಿಸುವಾಗ "ಸೌಂದರ್ಯ/ಕ್ರಿಯಾತ್ಮಕ/ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕ" ಟ್ಯಾಗ್ ಅನ್ನು ಸೇರಿಸುವುದು ಮಿತಿ ಮತ್ತು ನಿರ್ಧಾರ ತರ್ಕವನ್ನು ಸರಿಯಾಗಿ ಪಡೆಯಲು ಪ್ರಮುಖವಾಗಿದೆ.

ಎರಡು ಮೂಲಭೂತ ವಿಧಾನಗಳು: ಮೇಲ್ವಿಚಾರಣೆಯ ವರ್ಗೀಕರಣ ಮತ್ತು ಅಸಂಗತತೆ ಪತ್ತೆ

ದೃಷ್ಟಿ ದೋಷ ಪತ್ತೆಗೆ ಎರಡು ಮುಖ್ಯ ತಂತ್ರಗಳಿವೆ:

1. ಮೇಲ್ವಿಚಾರಣೆಯ ವರ್ಗೀಕರಣ/ಪತ್ತೆಹಚ್ಚುವಿಕೆ: "ಇಲ್ಲಿ ದೋಷಪೂರಿತ ಉದಾಹರಣೆಗಳು, ಇಲ್ಲಿ ಪರಿಪೂರ್ಣ ಉದಾಹರಣೆಗಳು" ಎಂದು ಹೇಳುವ ಮೂಲಕ ನೀವು ಅನೇಕ ಲೇಬಲ್ ಚಿತ್ರಗಳನ್ನು ತೋರಿಸುವ ಮೂಲಕ ಮಾದರಿಯನ್ನು ಕಲಿಸುತ್ತೀರಿ. ನೀವು ದೋಷಗಳ ಪ್ರಕಾರಗಳನ್ನು ತಿಳಿದಿದ್ದರೆ ಮತ್ತು ಸಾಕಷ್ಟು ಉದಾಹರಣೆಗಳನ್ನು ಹೊಂದಿದ್ದರೆ ಅದು ಶಕ್ತಿಯುತವಾಗಿದೆ. ಸವಾಲು: ಅಪರೂಪದ ದೋಷಗಳ ಸಾಕಷ್ಟು ಮಾದರಿಗಳನ್ನು ಸಂಗ್ರಹಿಸುವುದು ಕಷ್ಟ (ಒಂದು ಸಾಲು ಯಾವಾಗಲೂ ಘನ ಭಾಗಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ).
2. ಅಸಂಗತತೆ ಪತ್ತೆ: ನೀವು ಮಾದರಿಗೆ "ಸಾಮಾನ್ಯ/ದೃಢವಾದ" ಚಿತ್ರಗಳನ್ನು ಮಾತ್ರ ತೋರಿಸುತ್ತೀರಿ; ಮಾದರಿಯು ಸಾಮಾನ್ಯ ಹೇಗಿರುತ್ತದೆ ಎಂಬುದನ್ನು ಕಲಿಯುತ್ತದೆ ಮತ್ತು ಸಾಮಾನ್ಯದಿಂದ ವಿಪಥಗೊಳ್ಳುವ ಯಾವುದನ್ನಾದರೂ "ಅಸಂಗತತೆ" ಎಂದು ಗುರುತಿಸುತ್ತದೆ. ನಿಮಗೆ ದೋಷದ ಪ್ರಕಾರವನ್ನು ಮುಂಚಿತವಾಗಿ ತಿಳಿದಿಲ್ಲದಿದ್ದರೂ ಸಹ ಇದು ಹೊಸ/ಅನಿರೀಕ್ಷಿತ ದೋಷಗಳನ್ನು ಹಿಡಿಯಬಹುದು. ತೊಂದರೆ: ಯಾವುದೇ ವಿಚಲನವನ್ನು ದೋಷವೆಂದು ತಪ್ಪಾಗಿ ಗ್ರಹಿಸಬಹುದು (ಬೆಳಕಿನ ಬದಲಾವಣೆಯಂತಹವು).

ಪ್ರಾಯೋಗಿಕವಾಗಿ, ಎರಡನ್ನು ಒಟ್ಟಿಗೆ ಬಳಸಲಾಗುತ್ತದೆ: ಅಸಂಗತತೆ ಪತ್ತೆಹಚ್ಚುವಿಕೆ "ಇಲ್ಲಿ ಏನಾದರೂ ವಿಲಕ್ಷಣವಿದೆ" ಎಂದು ಹೇಳುತ್ತದೆ, ವರ್ಗೀಕರಣವು "ಇದು ಸಂಪನ್ಮೂಲ ಬೌನ್ಸ್" ಎಂದು ಹೇಳುತ್ತದೆ.

ಹಂತ ಹಂತವಾಗಿ: ದೃಶ್ಯ ತಪಾಸಣೆ ವ್ಯವಸ್ಥೆಯನ್ನು ಸ್ಥಾಪಿಸುವುದು

1. ದೋಷದ ಕ್ಯಾಟಲಾಗ್ ಮತ್ತು ಸ್ವೀಕಾರ ಮಾನದಂಡ: ಯಾವ ದೋಷವನ್ನು ಸ್ವೀಕರಿಸಲಾಗಿದೆ/ತಿರಸ್ಕರಿಸಲಾಗಿದೆ ಎಂಬುದನ್ನು ಗುಣಮಟ್ಟದ ಎಂಜಿನಿಯರ್‌ಗಳೊಂದಿಗೆ ವಿವರಿಸಿ. ಇದು ಮಾದರಿಯ "ಸತ್ಯ".
2. ಚಿತ್ರ ಸ್ವಾಧೀನ: ಸ್ಥಿರ, ಸ್ಥಿರವಾದ ಬೆಳಕು ಮತ್ತು ಕ್ಯಾಮರಾ ಸ್ಥಾನವು ನಿರ್ಣಾಯಕವಾಗಿದೆ. ಕಳಪೆ/ಅಸ್ಥಿರವಾದ ಬೆಳಕು ವೈಫಲ್ಯಕ್ಕೆ ಸಾಮಾನ್ಯ ಕಾರಣವಾಗಿದೆ.
3. ಲೇಬಲಿಂಗ್: ತಜ್ಞರು ದೋಷಗಳನ್ನು ಗುರುತಿಸುತ್ತಾರೆ; ಸ್ಥಿರತೆಗೆ ಲೇಬಲಿಂಗ್ ಮಾರ್ಗದರ್ಶನ ಅತ್ಯಗತ್ಯ.
4. ಮಾದರಿ ತರಬೇತಿ: ಮೇಲ್ವಿಚಾರಣೆ ಮತ್ತು/ಅಥವಾ ಅಸಂಗತ ಮಾದರಿಯನ್ನು ತರಬೇತಿ ನೀಡಲಾಗುತ್ತದೆ.
5. ಥ್ರೆಶೋಲ್ಡಿಂಗ್: ಮಾದರಿಯು "ದೋಷದ ಸಂಭವನೀಯತೆ" ನೀಡುತ್ತದೆ; ನೀವು "ನಿರಾಕರಣೆ" ಎಂದು ಪರಿಗಣಿಸುವ ಸಂಭವನೀಯತೆ ಮೇಲಿನ ಮಿತಿಯಾಗಿದೆ. ಇದು ಅತ್ಯಂತ ನಿರ್ಣಾಯಕ ವ್ಯಾಪಾರ ನಿರ್ಧಾರವಾಗಿದೆ (ಕೆಳಗೆ).
6. ಲೈನ್ ಏಕೀಕರಣ: ಮಾದರಿಯು ನಿರ್ಧಾರವನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ, ಅನುಮಾನಾಸ್ಪದ ಭಾಗಗಳನ್ನು ನಿರ್ವಾಹಕರು/ನಿಲ್ದಾಣಕ್ಕೆ ನಿರ್ದೇಶಿಸಲಾಗುತ್ತದೆ.
7. ಮಾನಿಟರಿಂಗ್ ಮತ್ತು ಮರುತರಬೇತಿ: ಹೊಸ ದೋಷದ ಪ್ರಕಾರಗಳು, ಕಾಲೋಚಿತ ಬದಲಾವಣೆ, ಹೊಸ ಭಾಗಗಳು ಲಭ್ಯವಾಗುವಂತೆ ಮಾದರಿಯನ್ನು ನವೀಕರಿಸಲಾಗುತ್ತದೆ.

ಅತ್ಯಂತ ನಿರ್ಣಾಯಕ ಸಮಸ್ಯೆ: ಸೋರಿಕೆ ಮತ್ತು ತಪ್ಪು ನಿರಾಕರಣೆ ಸಮತೋಲನ

ದೋಷ ಪತ್ತೆಯಲ್ಲಿ ಎರಡು ದೋಷಗಳಿವೆ ಮತ್ತು ವಾಹನದಲ್ಲಿ ಅವುಗಳ ವೆಚ್ಚಗಳು ತುಂಬಾ ಭಿನ್ನವಾಗಿರುತ್ತವೆ:

• ಸೋರಿಕೆ (ಪಾರು / ತಪ್ಪು ಋಣಾತ್ಮಕ): ದೋಷಯುಕ್ತ ತುಂಡನ್ನು "ಒಳ್ಳೆಯದು" ಎಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ರೇಖೆಯ ಮೂಲಕ ಹಾದುಹೋಗುತ್ತದೆ. ಸುರಕ್ಷತಾ ತುಣುಕಿನಲ್ಲಿ, ಇದರರ್ಥ ದೋಷಯುಕ್ತ ವಾಹನವು ಕ್ಷೇತ್ರಕ್ಕೆ ಹೋಗುವುದು, ಗ್ರಾಹಕರ ದೂರು ಅಥವಾ ಮರುಪಡೆಯುವಿಕೆ. ಅತ್ಯಂತ ದುಬಾರಿ ತಪ್ಪು.
• ತಪ್ಪು ನಿರಾಕರಣೆ (ತಪ್ಪು ನಿರಾಕರಣೆ / ತಪ್ಪು ಧನಾತ್ಮಕ): ಅಖಂಡ ಭಾಗವನ್ನು "ದೋಷಯುಕ್ತ" ಎಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ತಿರಸ್ಕರಿಸಲಾಗುತ್ತದೆ. ಇದರರ್ಥ ತ್ಯಾಜ್ಯ, ಅನಗತ್ಯ ಮರು ಕೆಲಸ, ಲೈನ್ ನಿಧಾನ; ಇದು ನೋವುಂಟುಮಾಡುತ್ತದೆ, ಆದರೆ ಇದು ಸುರಕ್ಷತೆಯ ಅಪಾಯವನ್ನು ಉಂಟುಮಾಡುವುದಿಲ್ಲ.

ನಿರ್ಧಾರದ ಮಿತಿ

ಪಲಾಯನಗೈದ

ಸುಳ್ಳು ನಿರಾಕರಣೆ

ಯಾವಾಗ?

ಸಡಿಲ (ಹೆಚ್ಚಿನ ಮಿತಿ)

ಹೆಚ್ಚಾಗುತ್ತದೆ (ಅಪಾಯಕಾರಿ)

ಕಡಿಮೆಯಾಗುತ್ತದೆ

ಭದ್ರತಾ ಟ್ರ್ಯಾಕ್‌ನಲ್ಲಿ ಎಂದಿಗೂ

ಕಟ್ಟುನಿಟ್ಟಾದ (ಕಡಿಮೆ ಮಿತಿ)

ಕಡಿಮೆಯಾಗುತ್ತದೆ

ಹೆಚ್ಚಳ (ವೆಚ್ಚದ)

ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕ ಭಾಗಗಳಲ್ಲಿ

ಸಮತೋಲಿತ

ಮಧ್ಯಮ

ಮಧ್ಯಮ

ಸೌಂದರ್ಯದ ದೋಷಗಳಲ್ಲಿ

ಎಚ್ಚರಿಕೆ: ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕ ಭಾಗದಲ್ಲಿ (ಬ್ರೇಕ್, ಸ್ಟೀರಿಂಗ್, ಬಾಡಿ ವೆಲ್ಡ್) ಸೋರಿಕೆಯನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಸಿಲ್ ಅನ್ನು ಯಾವಾಗಲೂ ಬಿಗಿಯಾಗಿ ಇರಿಸಲಾಗುತ್ತದೆ; ಅನುಮಾನಾಸ್ಪದ ತುಣುಕು ಮಾನವನಿಗೆ ನಿರ್ದೇಶಿಸಲ್ಪಟ್ಟಿದೆ. ಭದ್ರತಾ ತುಣುಕಿನಲ್ಲಿ "ಸುಳ್ಳು ನಿರಾಕರಣೆ ದುಬಾರಿಯಾಗಿದೆ" ಏಕೆಂದರೆ ಮಿತಿಯನ್ನು ಸಡಿಲಗೊಳಿಸುವುದು ಸ್ವೀಕಾರಾರ್ಹವಲ್ಲ.

ಕಾರ್ಮಿಕರ ಮಾನವ-ಯಂತ್ರ ವಿಭಜನೆ

ಸುಸ್ಥಾಪಿತ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ, ಮಾದರಿಯು ಅಂತಿಮ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವವರಲ್ಲ; ಇದು "ಪ್ರಿ-ಸ್ಕ್ರೀನರ್" ಆಗಿದೆ. ಮಾದರಿಯು ಸ್ಪಷ್ಟವಾದ ನ್ಯೂನತೆಗಳನ್ನು ಹಿಡಿಯುತ್ತದೆ ಮತ್ತು ಅವರು ಖಚಿತವಾಗಿರದ ಮಾನವರಿಗೆ ಹಿಂತಿರುಗಿಸುತ್ತದೆ. ಇದು 1,000 ಭಾಗಗಳನ್ನು ನೋಡುವ ಬದಲು 30 ಅನುಮಾನಾಸ್ಪದ ಭಾಗಗಳ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಲು ಆಪರೇಟರ್‌ಗೆ ಅನುಮತಿಸುತ್ತದೆ. ಆಪರೇಟರ್ ವಿಶ್ವಾಸವೂ ಮುಖ್ಯವಾಗಿದೆ: ಮಾದರಿಯು ಹಲವಾರು ತಪ್ಪು ಎಚ್ಚರಿಕೆಗಳನ್ನು ಉಂಟುಮಾಡಿದರೆ, ಆಪರೇಟರ್ ಎಚ್ಚರಿಕೆಗಳನ್ನು ಗಂಭೀರವಾಗಿ ತೆಗೆದುಕೊಳ್ಳುವುದನ್ನು ನಿಲ್ಲಿಸುತ್ತಾನೆ ("ಅಲಾರ್ಮ್ ಆಯಾಸ"). ಅದಕ್ಕಾಗಿಯೇ ಸುಳ್ಳು ನಿರಾಕರಣೆ ದರವನ್ನು ಸಹ ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲಾಗುತ್ತದೆ.

ಮಿನಿ ಕೇಸ್ ಸ್ಟಡೀಸ್

ಪ್ರಕರಣ 1 - ಬೆಳಕಿನ ಬಲೆ. ಪ್ರಯೋಗಾಲಯದಲ್ಲಿ ಪೇಂಟ್ ತಪಾಸಣೆ ಮಾದರಿಯು 98% ಯಶಸ್ವಿಯಾಗಿದ್ದರೂ, ಅದು 80% ಕ್ಕೆ ಇಳಿಯುತ್ತದೆ. ವಿಮರ್ಶೆ: ಹಗಲಿನಲ್ಲಿ ಸಾಲಿನಲ್ಲಿನ ಸೀಲಿಂಗ್ ಲೈಟಿಂಗ್ ಬದಲಾವಣೆಗಳು, ಮಾದರಿಯು ಹೊಳಪಿನ ವ್ಯತ್ಯಾಸವನ್ನು "ದೋಷ" ಎಂದು ಪರಿಗಣಿಸುತ್ತದೆ. ಸ್ಥಿರ ಸುರಂಗದ ಬೆಳಕನ್ನು ಸೇರಿಸಿದಾಗ, ಯಶಸ್ಸು 97% ಗೆ ಹೆಚ್ಚಾಗುತ್ತದೆ. ತೀರ್ಮಾನ: ಚಿತ್ರದ ಗುಣಮಟ್ಟವು ಮಾದರಿಗಿಂತ ಹೆಚ್ಚು ನಿರ್ಣಾಯಕವಾಗಿರುತ್ತದೆ.

ಪ್ರಕರಣ 2 - ಸೋರಿಕೆಯ ವೆಚ್ಚ. ಹಲ್ ವೆಲ್ಡ್ ತಪಾಸಣೆಯಲ್ಲಿ ಮಿತಿ "ದಕ್ಷತೆಗಾಗಿ" ಸ್ವಲ್ಪ ಸಡಿಲಗೊಳ್ಳುತ್ತದೆ; ತಪ್ಪು ನಿರಾಕರಣೆಯು 6% ರಿಂದ 3% ಕ್ಕೆ ಇಳಿಯುತ್ತದೆ, ಆದರೆ ಒಂದು ತಿಂಗಳ ನಂತರ, ಕ್ಷೇತ್ರದಲ್ಲಿ ಎರಡು ವಾಹನಗಳಲ್ಲಿ ವೆಲ್ಡ್ ಬಿರುಕುಗಳು ವರದಿಯಾಗಿವೆ. ಸೋರಿಕೆ ಪ್ರಮಾಣ ಹೆಚ್ಚಾಗಿದೆ ಎಂದು ಮೂಲ ಕಾರಣ ವಿಶ್ಲೇಷಣೆ ತೋರಿಸುತ್ತದೆ. ಹೊಸ್ತಿಲನ್ನು ಮತ್ತೆ ಬಿಗಿಗೊಳಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಅನುಮಾನಾಸ್ಪದ ಭಾಗಗಳನ್ನು 100% ಮಾನವ ನಿಯಂತ್ರಣಕ್ಕೆ ತರಲಾಗುತ್ತದೆ. ತೀರ್ಮಾನ: ಸುರಕ್ಷತಾ ಭಾಗದಲ್ಲಿ ಸೋರಿಕೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುವುದು ಯಾವಾಗಲೂ ತಪ್ಪು ನಿರಾಕರಣೆಯ ಮೇಲೆ ಆದ್ಯತೆಯನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ.

ಪ್ರಕರಣ 3 - ಅಪರೂಪದ ದೋಷ. ಸಾಂದರ್ಭಿಕವಾಗಿ ಹೊಸ ಚುಚ್ಚುಮದ್ದಿನ ಅಚ್ಚಿನಿಂದ ಬಹಳ ಸಣ್ಣ ದೋಷವು ಹೊರಹೊಮ್ಮುತ್ತದೆ, ಆದರೆ ಮೇಲ್ವಿಚಾರಣೆಯ ಮಾದರಿಯ ತರಬೇತಿಯಲ್ಲಿ ಈ ದೋಷದ ಯಾವುದೇ ಉದಾಹರಣೆಗಳಿಲ್ಲ, ಆದ್ದರಿಂದ ಅದು ತಪ್ಪುತ್ತದೆ. ಅಸಂಗತ ಪತ್ತೆ ಮಾದರಿಯನ್ನು ಸಕ್ರಿಯಗೊಳಿಸಿದಾಗ, ಅದು "ಸಾಮಾನ್ಯದಿಂದ ವಿಚಲನ" ಎಂದು ಪತ್ತೆ ಮಾಡುತ್ತದೆ. ತೀರ್ಮಾನ: ಅಪರೂಪದ/ಹೊಸ ದೋಷಗಳಿಗೆ ಅಸಂಗತತೆ ಪತ್ತೆಹಚ್ಚುವಿಕೆಯು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲಾದ ಮಾದರಿಗೆ ಪೂರಕವಾಗಿದೆ.

ಪ್ರಾಂಪ್ಟ್ ಟೆಂಪ್ಲೆಟ್ಗಳು

ಟೆಂಪ್ಲೇಟ್ 1 - ದೋಷದ ಕ್ಯಾಟಲಾಗ್ ಮತ್ತು ತೀವ್ರತೆಯ ವರ್ಗೀಕರಣ:

ಪಾತ್ರ: ನೀವು ಆಟೋಮೋಟಿವ್ ಗುಣಮಟ್ಟದ ಎಂಜಿನಿಯರ್. ಕಾರ್ಯ: ಕೆಳಗಿನ ದೋಷಗಳ ಪಟ್ಟಿಯನ್ನು ತೀವ್ರತೆಯ ವರ್ಗಗಳಾಗಿ ವಿಂಗಡಿಸಿ. ಸಂದರ್ಭ: ದೇಹ ವೆಲ್ಡ್ ಲೈನ್; ದೋಷಗಳು: ಸ್ಪ್ಲಾಟರ್, ರಂಧ್ರಗಳು, ಕಾಣೆಯಾದ ಸ್ಪಾಟ್, ಸ್ವಲ್ಪ ಬಣ್ಣದ ವ್ಯತ್ಯಾಸ, ಮೇಲ್ಮೈ ಸ್ಕ್ರಾಚ್. ನಿರ್ಬಂಧ: ಪ್ರತಿ ದೋಷವನ್ನು ಸೌಂದರ್ಯ/ಕ್ರಿಯಾತ್ಮಕ/ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕ ಎಂದು ಲೇಬಲ್ ಮಾಡಿ ಮತ್ತು ನಿರ್ಧಾರವನ್ನು ಸೂಚಿಸಿ (ಸ್ವೀಕಾರ/ಮಾನವ ತಪಾಸಣೆ/ನಿರಾಕರಣೆ).ಔಟ್‌ಪುಟ್: ದೋಷ | ಪ್ರಾಮುಖ್ಯತೆ | ಪ್ರಸ್ತಾವಿತ ನಿರ್ಧಾರ | ಸಮರ್ಥನೆ ಕೋಷ್ಟಕ.

ಟೆಂಪ್ಲೇಟ್ 2 - ಲೇಬಲಿಂಗ್ ಮಾರ್ಗದರ್ಶಿ:

ಪಾತ್ರ: ಇಮೇಜ್ ಲೇಬಲಿಂಗ್ ಗುಣಮಟ್ಟದ ಲೀಡ್. ಕಾರ್ಯ: ಪೇಂಟ್ ದೋಷದ ಲೇಬಲಿಂಗ್‌ಗಾಗಿ ಸ್ಥಿರತೆಯ ನಿಯಮಗಳನ್ನು ಬರೆಯಿರಿ. ಸಂದರ್ಭ: ಕಿತ್ತಳೆ ಸಿಪ್ಪೆ, ಓಟ, ಧೂಳಿನ ಗುಳ್ಳೆ; ವಿಭಿನ್ನ ಬೆಳಕಿನ ಅಡಿಯಲ್ಲಿ ತೆಗೆದ ಚಿತ್ರಗಳಿವೆ. ಔಟ್‌ಪುಟ್: ನಿಯಮ | ಉದಾಹರಣೆ | ಮಿತಿ ಸ್ಥಿತಿ | ಟ್ಯಾಗರ್ ಟಿಪ್ಪಣಿ.

ಟೆಂಪ್ಲೇಟ್ 3 - ಮಿತಿ/ಮೆಟ್ರಿಕ್ ನಿರ್ಧಾರವನ್ನು ಅರ್ಥೈಸುವುದು:

ಪಾತ್ರ: ಯಂತ್ರ ದೃಷ್ಟಿ ಮೌಲ್ಯಮಾಪಕ.ಕಾರ್ಯ: ಈ ಕೆಳಗಿನ ನಿರ್ಧಾರದ ಮಿತಿ ಕೋಷ್ಟಕವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಿ ಥ್ರೆಶೋಲ್ಡ್ A ನಲ್ಲಿ, ಸೋರಿಕೆ 0.3%, ತಪ್ಪು ನಿರಾಕರಣೆ 5%; ಮಿತಿ ಬಿ 1.2% ತಪ್ಪು ನಿರಾಕರಣೆ 2% ನಲ್ಲಿ ಸೋರಿಕೆ. ನಿರ್ಬಂಧ: ಭದ್ರತಾ ಆದ್ಯತೆಯನ್ನು ಗಮನಿಸಿ; ನೀವು ಯಾವ ಮಿತಿಯನ್ನು ಶಿಫಾರಸು ಮಾಡುತ್ತೀರಿ ಮತ್ತು ಏಕೆ ಎಂದು ವಿವರಿಸಿ ಮತ್ತು ಮಾನವ ನಿಯಂತ್ರಣ ಹಂತವನ್ನು ಸೇರಿಸಿ. ಔಟ್ಪುಟ್: ಶಿಫಾರಸು + ಸಮರ್ಥನೆ + ಉಳಿದಿರುವ ಅಪಾಯ.

ಟೆಂಪ್ಲೇಟ್ 4 - ಮೂಲ ಕಾರಣ ವಿಶ್ಲೇಷಣೆ:

ಪಾತ್ರ: ನೀವು ಗುಣಮಟ್ಟದ ಇಂಜಿನಿಯರ್. ಕಾರ್ಯ: ಕಳೆದ 3 ಶಿಫ್ಟ್‌ಗಳಲ್ಲಿ ಹೆಚ್ಚಿದ ಸ್ಪಟರ್ ದೋಷಗಳಿಗೆ ಸಂಭವನೀಯ ಮೂಲ ಕಾರಣಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ. ಸಂದರ್ಭ: ರೋಬೋಟಿಕ್ ಸ್ಪಾಟ್ ವೆಲ್ಡಿಂಗ್; ಎಲೆಕ್ಟ್ರೋಡ್ ಬದಲಾವಣೆಯನ್ನು 2 ದಿನಗಳ ಹಿಂದೆ ಮಾಡಲಾಗಿದೆ; ಪ್ರಸ್ತುತ ಸೆಟ್ಟಿಂಗ್ ಅನ್ನು ಸರಿಪಡಿಸಲಾಗಿದೆ. ಔಟ್ಪುಟ್: ಸಂಭವನೀಯ ಕಾರಣ | ಮೌಲ್ಯಾಂಕನ ಪರಿಶೀಲನೆ | ಆದ್ಯತೆ.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ದೋಷಯುಕ್ತ ಭಾಗಗಳನ್ನು ಕಂಡುಹಿಡಿಯುವ ಮಾದರಿಯನ್ನು ಮಾಡಿ.

ಯಾವ ನ್ಯೂನತೆ, ಯಾವ ಪ್ರಾಮುಖ್ಯತೆ, ಯಾವ ಮಿತಿ, ಯಾವ ನಿರ್ಧಾರ ಎಂಬುದು ಸ್ಪಷ್ಟವಾಗಿಲ್ಲ; ಫಲಿತಾಂಶವು ನಿಷ್ಪ್ರಯೋಜಕವಾಗಿದೆ.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ಪಾತ್ರ: ನೀವು ಆಟೋಮೋಟಿವ್ ಗುಣಮಟ್ಟ ಮತ್ತು ಯಂತ್ರ ದೃಷ್ಟಿ ಎಂಜಿನಿಯರ್. ಕಾರ್ಯ: ದೇಹದ ವೆಲ್ಡ್ ದೃಷ್ಟಿ ವ್ಯವಸ್ಥೆಗಾಗಿ ವಿನ್ಯಾಸ ಪರಿಶೀಲನಾಪಟ್ಟಿಯನ್ನು ರಚಿಸಿ. ಸಂದರ್ಭ: ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕ ಸ್ಪಾಟ್ ವೆಲ್ಡಿಂಗ್; ಸಾಲಿನ ವೇಗ ಹೆಚ್ಚು; ಅಪರೂಪದ ದೋಷಗಳಿವೆ; ಇಲ್ಯುಮಿನೇಷನ್ ವೇರಿಯಬಲ್. ನಿರ್ಬಂಧ: ಸೋರಿಕೆಯನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಆದ್ಯತೆ ನೀಡಿ; ಮೇಲ್ವಿಚಾರಣೆಯ ವರ್ಗೀಕರಣ ಮತ್ತು ಮಾನವ ನಿಯಂತ್ರಣ ಹಂತದೊಂದಿಗೆ ಅಸಂಗತತೆ ಪತ್ತೆಹಚ್ಚುವಿಕೆಯನ್ನು ಹೇಗೆ ಸಂಯೋಜಿಸುವುದು ಎಂಬುದನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಿ; 'ಶೂನ್ಯ ದೋಷಗಳನ್ನು' ಖಾತರಿಪಡಿಸುವುದು. ಔಟ್‌ಪುಟ್: ಹಂತ | ಸಲಹೆ | ಅಪಾಯ | ಪರಿಶೀಲನಾ ಕೋಷ್ಟಕ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಬೆಳಕು/ಚಿತ್ರದ ಗುಣಮಟ್ಟವನ್ನು ನಿರ್ಲಕ್ಷಿಸುವುದು. ಕೆಟ್ಟ ಚಿತ್ರವು ಅತ್ಯುತ್ತಮ ಮಾದರಿಯನ್ನು ಸಹ ಹಾಳು ಮಾಡುತ್ತದೆ.
• ಸೋರಿಕೆ ಮತ್ತು ಸುಳ್ಳು ನಿರಾಕರಣೆಯನ್ನು ಸಮಾನವಾಗಿ ಪರಿಗಣಿಸಿ. ಆಟೋಮೋಟಿವ್ ಸುರಕ್ಷತಾ ಭಾಗಗಳಲ್ಲಿ ಸೋರಿಕೆ ಹೆಚ್ಚು ದುಬಾರಿಯಾಗಿದೆ.
• ಅಪರೂಪದ ದೋಷಗಳಿಗಾಗಿ ಮೇಲ್ವಿಚಾರಣೆಯ ಮಾದರಿಯನ್ನು ಮಾತ್ರ ಅವಲಂಬಿಸುವುದು. ಅಸಂಗತತೆ ಪತ್ತೆಗೆ ಪೂರಕವಾಗಿದೆ.
• ಮಾದರಿಯನ್ನು ಅಂತಿಮ ನಿರ್ಣಯ ಮಾಡುವವರನ್ನಾಗಿ ಮಾಡುವುದು. ಅನುಮಾನಾಸ್ಪದ ಭಾಗಗಳನ್ನು ಮನುಷ್ಯರಿಗೆ ನಿರ್ದೇಶಿಸಬೇಕು.
• ಮರುತರಬೇತಿಯನ್ನು ಮರೆತುಬಿಡುವುದು. ಹೊಸ ಭಾಗಗಳು, ಹೊಸ ಅಚ್ಚುಗಳು ಮತ್ತು ಕಾಲೋಚಿತ ಬದಲಾವಣೆಗಳು ಮಾದರಿಯನ್ನು ಹಳೆಯದಾಗಿಸುತ್ತದೆ.

ಸಾರಾಂಶದಲ್ಲಿ

• ಯಂತ್ರ ದೃಷ್ಟಿ ಮತ್ತು AI ತ್ವರಿತವಾಗಿ ಮತ್ತು ಸ್ಥಿರವಾಗಿ ಆಟೋಮೋಟಿವ್ ಲೈನ್‌ನಲ್ಲಿ ಮೇಲ್ಮೈ, ವೆಲ್ಡ್ ಮತ್ತು ಜೋಡಣೆ ದೋಷಗಳನ್ನು ಪರಿಶೀಲಿಸುತ್ತದೆ.
• ತಿಳಿದಿರುವ ದೋಷಗಳ ಮೇಲೆ ಮೇಲ್ವಿಚಾರಣೆಯ ವರ್ಗೀಕರಣವು ಪ್ರಬಲವಾಗಿದೆ, ಅಪರೂಪದ/ಹೊಸ ದೋಷಗಳ ಮೇಲೆ ಅಸಂಗತತೆ ಪತ್ತೆ ಪ್ರಬಲವಾಗಿದೆ; ಎರಡನ್ನೂ ಒಟ್ಟಿಗೆ ಬಳಸಲಾಗುತ್ತದೆ.
• ಅತ್ಯಂತ ನಿರ್ಣಾಯಕ ನಿರ್ಧಾರವೆಂದರೆ ಮಿತಿ: ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕ ಭಾಗದಲ್ಲಿ ಸೋರಿಕೆ (ಸುಳ್ಳು ಋಣಾತ್ಮಕ) ಕಡಿಮೆಯಾಗಿದೆ, ಅನುಮಾನಾಸ್ಪದ ಭಾಗವು ಮಾನವನಿಗೆ ಹೋಗುತ್ತದೆ.
• ಚಿತ್ರದ ಗುಣಮಟ್ಟ ಮತ್ತು ಬೆಳಕು ಸಾಮಾನ್ಯವಾಗಿ ಮಾದರಿಗಿಂತ ಹೆಚ್ಚು ನಿರ್ಣಾಯಕವಾಗಿರುತ್ತದೆ.
• ಮಾದರಿಯು ಪೂರ್ವ-ಸಿಫ್ಟರ್ ಆಗಿದೆ; ಅಂತಿಮ ಗುಣಮಟ್ಟದ ನಿರ್ಧಾರ ಮತ್ತು ಸುರಕ್ಷತೆಯ ಜವಾಬ್ದಾರಿಯು ಮಾನವನ ಮೇಲಿರುತ್ತದೆ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ಒಂದು ಭಾಗ/ನಿಲ್ದಾಣವನ್ನು ಆಯ್ಕೆಮಾಡಿ (ಉದಾ. ಮುಂಭಾಗದ ಬಂಪರ್ ಜೋಡಣೆ). (1) ಸಂಭವನೀಯ ದೋಷಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ ಮತ್ತು ಪ್ರತಿಯೊಂದನ್ನು ಸೌಂದರ್ಯ/ಕ್ರಿಯಾತ್ಮಕ/ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕ ಎಂದು ಲೇಬಲ್ ಮಾಡಿ. (2) ಟೆಂಪ್ಲೇಟ್ 3 ನೊಂದಿಗೆ, ಸೋರಿಕೆ/ತಪ್ಪು ನಿರಾಕರಣೆಗಾಗಿ ಎರಡು ಮಿತಿ ಆಯ್ಕೆಗಳನ್ನು ಹೋಲಿಕೆ ಮಾಡಿ ಮತ್ತು ಶಿಫಾರಸನ್ನು ಸಮರ್ಥಿಸಿ. (3) ಅಪರೂಪದ ದೋಷಕ್ಕಾಗಿ ನೀವು ಮೇಲ್ವಿಚಾರಣೆ ಅಥವಾ ಅಸಂಗತತೆ ಪತ್ತೆಹಚ್ಚುವಿಕೆಯನ್ನು ಬಳಸುತ್ತೀರಾ ಎಂಬುದನ್ನು ವಿವರಿಸಿ. (4) ಮಾನವ ನಿಯಂತ್ರಣ ಹಂತ ಮತ್ತು ಮರುತರಬೇತಿ ಪ್ರಚೋದಕವನ್ನು ವಿವರಿಸಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ದೋಷಗಳನ್ನು ತೀವ್ರತೆಯ ವರ್ಗಗಳಾಗಿ ವಿಂಗಡಿಸಿದೆ (ಸೌಂದರ್ಯ/ಕ್ರಿಯಾತ್ಮಕ/ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕ).
• [ ] ನಾನು ಮಿತಿ ನಿರ್ಧಾರದಲ್ಲಿ ಅಕ್ರಮ ಮತ್ತು ತಪ್ಪು ನಿರಾಕರಣೆಯ ಸಮತೋಲನವನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿದ್ದೇನೆ.
• [ ] ನಾನು ಭದ್ರತೆ-ನಿರ್ಣಾಯಕ ಭಾಗದಲ್ಲಿ ಸೋರಿಕೆಗೆ ಆದ್ಯತೆ ನೀಡಿದ್ದೇನೆ.
• [ ] ನಾನು ಮೇಲ್ವಿಚಾರಣೆ ಮತ್ತು ಅಸಂಗತ ವಿಧಾನಗಳನ್ನು ಸೂಕ್ತ ಸ್ಥಳದಲ್ಲಿ ಇರಿಸಿದೆ.
• [ ] ನಾನು ಚಿತ್ರದ ಗುಣಮಟ್ಟ/ಬೆಳಕಿನ ಅಗತ್ಯವನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಮಾನವ ನಿಯಂತ್ರಣ ಹಂತ ಮತ್ತು ಮರುತರಬೇತಿ ಯೋಜನೆಯನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಿದೆ.