Kawalan Kualiti Barisan Pengeluaran: Pengesanan Kecacatan Visual

Keuntungan:

• Memahami aliran kerja pengesanan kecacatan permukaan, kimpalan dan pemasangan dalam barisan pengeluaran automotif dengan penglihatan mesin
• Keupayaan untuk menggunakan kecerdasan buatan secara berstruktur dalam mewujudkan set data imej, pelabelan, latihan model dan penentuan ambang
• Keupayaan untuk mengesahkan keputusan kualiti dengan mengambil kira kadar pelarian dan penolakan palsu, kelajuan talian dan keyakinan pengendali

Sebuah kereta terdiri daripada beribu-ribu bahagian, dan setiap satu melalui garisan dalam beberapa saat. Ia memenatkan dan tidak konsisten untuk memeriksa setiap kimpalan, setiap permukaan cat, setiap pemasangan tanpa sebarang kesilapan dengan mata manusia; mata menjadi letih, perhatian terganggu. Di sinilah penglihatan mesin dan kecerdasan buatan datang: kamera mengimej bahagian, model AI menandakan kecacatan dalam masa kurang satu saat. Dalam unit ini, kita akan membincangkan bagaimana kawalan kualiti imej diwujudkan dalam pengeluaran automotif, peranan AI dan isu paling kritikal, keseimbangan ralat.

Kecacatan visual biasa dalam automotif

Jenis utama kecacatan yang diperiksa secara visual:

• Kecacatan permukaan/cat: kulit oren (cat kasar), buih habuk, pendarahan, calar, perbezaan warna.
• Kecacatan kimpalan: kimpalan tidak lengkap, percikan, keliangan, kimpalan titik salah kedudukan.
• Kecacatan pemasangan: bolt hilang, klip tidak dipasang dengan betul, pengedap terbalik, penyambung longgar.
• Label/tanda: VIN tidak boleh dibaca, label salah, cop hilang.

Sesetengah kecacatan ini hanyalah estetik (calar kecil), manakala yang lain adalah kritikal keselamatan (kimpalan yang tidak lengkap boleh menyebabkan rekahan keletihan pada sendi badan). Perbezaan ini menentukan semua keputusan seterusnya.

Petua: Jangan layan setiap kecacatan dengan keseriusan yang sama. Menambah teg "estetik/fungsi/kritikal keselamatan" semasa mengklasifikasikan kecacatan adalah kunci untuk mendapatkan logik ambang dan keputusan yang betul.

Dua pendekatan asas: pengelasan diselia dan pengesanan anomali

Terdapat dua strategi utama untuk pengesanan kecacatan visual:

1. Pengelasan/pengesanan diselia: Anda mengajar model dengan menunjukkan banyak imej berlabel yang mengatakan "ini adalah contoh yang rosak, ini adalah contoh yang sempurna". Ia berkuasa jika anda tahu jenis kecacatan dan mempunyai contoh yang mencukupi. Cabaran: sukar untuk mengumpul sampel kecacatan jarang yang mencukupi (garisan hampir selalu menghasilkan bahagian pepejal).
2. Pengesanan anomali: Anda hanya menunjukkan imej "normal/teguh" kepada model; model mempelajari rupa biasa dan menandakan apa-apa yang menyimpang daripada biasa sebagai "anomali". Ia boleh menangkap kecacatan baru/tidak dijangka walaupun anda tidak mengetahui jenis kecacatan terlebih dahulu. Kesukaran: mungkin tersalah anggap sebarang sisihan sebagai kesalahan (seperti perubahan dalam pencahayaan).

Dalam amalan, kedua-duanya digunakan bersama: pengesanan anomali mengatakan "ada sesuatu yang pelik di sini", klasifikasi mengatakan "ini adalah lantunan sumber".

Langkah demi langkah: menyediakan sistem pemeriksaan visual

1. Katalog kecacatan dan kriteria penerimaan: Tentukan dengan jurutera berkualiti kecacatan yang diterima/ditolak. Ini adalah "kebenaran" model.
2. Pemerolehan imej: Pencahayaan malar, konsisten dan kedudukan kamera adalah kritikal. Pencahayaan yang buruk/tidak stabil adalah punca kegagalan yang paling biasa.
3. Pelabelan: Pakar menandai kecacatan; Panduan pelabelan adalah penting untuk konsistensi.
4. Latihan model: Model yang diselia dan/atau anomali dilatih.
5. Ambang: Model memberikan "kebarangkalian kecacatan"; Ia adalah ambang di atas kebarangkalian yang akan anda anggap sebagai "penolakan". Ini adalah keputusan perniagaan yang paling kritikal (di bawah).
6. Penyepaduan talian: Model membuat keputusan, bahagian yang mencurigakan diarahkan kepada pengendali/stesen.
7. Pemantauan dan latihan semula: Model dikemas kini apabila jenis kecacatan baharu, perubahan bermusim, bahagian baharu tersedia.

Isu paling kritikal: keseimbangan kebocoran dan penolakan palsu

Terdapat dua ralat dalam pengesanan kecacatan dan kosnya sangat berbeza dalam automotif:

• Kebocoran (escape / false negative): Bahagian yang rosak dianggap "baik" dan melepasi garisan. Pada bahagian keselamatan, ini bermakna kenderaan yang rosak pergi ke lapangan, aduan pelanggan, atau panggilan balik. Kesilapan yang paling mahal.
• Penolakan palsu (false reject / false positive): Bahagian yang utuh dianggap "cacat" dan ditolak. Ini bermakna pembaziran, kerja semula yang tidak perlu, kelembapan talian; Ia menyakitkan, tetapi ia tidak menimbulkan risiko keselamatan.

ambang keputusan

pelarian

penolakan palsu

bila?

Longgar (ambang tinggi)

Bertambah (berbahaya)

berkurangan

Jangan sekali-kali berada di landasan keselamatan

Ketat (ambang rendah)

berkurangan

Meningkat (mahal)

Pada bahagian kritikal keselamatan

seimbang

sederhana

sederhana

Dalam kecacatan estetik

Awas: Pada bahagian kritikal keselamatan (brek, stereng, kimpalan badan) ambang sentiasa ketat untuk meminimumkan kebocoran; Sekeping yang mencurigakan ditujukan kepada manusia. Melonggarkan ambang kerana "penolakan palsu adalah mahal" tidak boleh diterima dalam bahagian keselamatan.

Pembahagian kerja manusia-mesin

Dalam sistem yang mantap, model bukanlah pembuat keputusan muktamad; Ia adalah "pra-penyaring". Model itu menangkap kelemahan yang jelas dan menghantar kembali kepada manusia apa yang mereka tidak pasti. Ini membolehkan pengendali menumpukan pada 30 bahagian yang mencurigakan dan bukannya melihat 1,000 bahagian. Keyakinan operator juga penting: jika model menghasilkan terlalu banyak penggera palsu, operator berhenti mengambil makluman dengan serius (“keletihan penggera”). Itulah sebabnya kadar penolakan palsu juga dipantau.

Kajian kes mini

Kes 1 - Perangkap pencahayaan. Walaupun model pemeriksaan cat 98% berjaya di makmal, malah ia jatuh kepada 80%. Semakan: lampu siling pada garis berubah pada siang hari, model menganggap perbezaan kecerahan sebagai "kecacatan". Apabila lampu terowong tetap ditambah, kejayaan meningkat kepada 97%. Kesimpulan: Kualiti imej boleh menjadi lebih tegas daripada model.

Kes 2 - Kos kebocoran. Dalam pemeriksaan kimpalan badan kapal, ambang dilonggarkan sedikit "untuk kecekapan"; Penolakan palsu menurun daripada 6% kepada 3%, tetapi sebulan kemudian, keretakan kimpalan dilaporkan dalam dua kenderaan di lapangan. Analisis punca punca menunjukkan bahawa kadar kebocoran telah meningkat. Ambang diketatkan lagi dan bahagian yang mencurigakan dibawa di bawah kawalan manusia 100%. Kesimpulan: Mengurangkan kebocoran di bahagian keselamatan sentiasa diutamakan daripada penolakan palsu.

Kes 3 - Kecacatan yang jarang berlaku. Kadangkala kecacatan burr yang sangat kecil muncul daripada acuan suntikan baru, tetapi hampir tiada contoh kecacatan ini dalam latihan model yang diselia, jadi ia terlepas. Apabila model pengesanan anomali diaktifkan, ia mengesannya sebagai "penyimpangan daripada biasa". Kesimpulan: Pengesanan anomali untuk kecacatan yang jarang berlaku/baru melengkapkan model yang diselia.

templat segera

Templat 1 - Katalog kecacatan dan klasifikasi keterukan:

Peranan: Anda seorang jurutera kualiti automotif. Tugas: Isih senarai kecacatan berikut ke dalam kelas keterukan. Konteks: Talian kimpalan badan; kecacatan: percikan, liang, titik hilang, sedikit perbezaan warna, calar permukaan. Kekangan: Labelkan setiap kecacatan sebagai estetik/fungsi/keselamatan-kritikal dan cadangkan keputusan (penerimaan/pemeriksaan manusia/penolakan).Output: Kecacatan | kepentingan | keputusan yang dicadangkan | jadual justifikasi.

Templat 2 - Panduan pelabelan:

Peranan: Pelabelan imej petunjuk kualiti. Tugas: Tulis peraturan ketekalan untuk pelabelan kecacatan cat. Konteks: Kulit oren, lari, gelembung habuk; Terdapat imej yang diambil di bawah pencahayaan yang berbeza.Output: Peraturan | contoh | keadaan had | nota penanda.

Templat 3 - Mentafsir keputusan ambang/metrik:

Peranan: Penilai visi mesin.Tugas: Tafsirkan jadual ambang keputusan berikut.Konteks: Sumber kritikal keselamatan; pada ambang A, kebocoran ialah 0.3%, penolakan palsu ialah 5%; kebocoran pada ambang B 1.2% penolakan palsu 2%.Kekangan: Patuhi keutamaan keselamatan; Terangkan ambang yang anda syorkan dan sebabnya, serta tambahkan langkah kawalan manusia. Output: Syor + justifikasi + baki risiko.

Templat 4 - Analisis punca punca:

Peranan: Anda seorang jurutera yang berkualiti.Tugas: Senaraikan kemungkinan punca kecacatan percikan yang telah meningkat sepanjang 3 syif terakhir.Konteks: Kimpalan titik robotik; Penukaran elektrod telah dibuat 2 hari yang lalu; tetapan semasa tetap.Output: Sebab yang mungkin | semakan pengesahan | keutamaan.

Gesaan lemah / Gesaan kuat

Gesaan yang lemah:

Buat model yang mencari bahagian yang rosak.

Tidak jelas mana kecacatan, kepentingan mana, ambang mana, keputusan mana; Hasilnya tidak berguna.

Gesaan kuat:

Peranan: Anda seorang jurutera kualiti automotif dan penglihatan mesin. Tugas: Buat senarai semak reka bentuk untuk sistem penglihatan kimpalan badan. Konteks: Kimpalan titik kritikal keselamatan; kelajuan talian adalah tinggi; Terdapat kecacatan yang jarang berlaku; pembolehubah pencahayaan.Kekangan: Utamakan meminimumkan kebocoran; nyatakan cara menggabungkan pengesanan anomali dengan klasifikasi yang diselia dan langkah kawalan manusia; menjamin 'sifar ralat'.Output: Peringkat | cadangan | risiko | jadual pengesahan.

Kesilapan biasa

• Mengabaikan kualiti pencahayaan/imej. Imej yang buruk merosakkan walaupun model terbaik.
• Memandangkan kebocoran dan penolakan palsu adalah sama. Kebocoran bahagian keselamatan automotif adalah lebih mahal.
• Bergantung hanya pada model yang diselia untuk kecacatan yang jarang berlaku. Pengesanan anomali adalah pelengkap.
• Menjadikan model sebagai pembuat keputusan muktamad. Bahagian yang mencurigakan harus ditujukan kepada manusia.
• Melupakan latihan semula. Bahagian baharu, acuan baharu dan perubahan bermusim menjadikan model itu lama.

Secara ringkasnya

• Penglihatan mesin dan AI dengan cepat dan konsisten memeriksa kecacatan permukaan, kimpalan dan pemasangan pada talian automotif.
• Klasifikasi yang diselia adalah kukuh pada kecacatan yang diketahui, pengesanan anomali adalah kukuh pada kecacatan yang jarang berlaku/baru; kedua-duanya digunakan bersama.
• Keputusan yang paling kritikal ialah ambang: kebocoran (negatif palsu) diminimumkan di bahagian kritikal keselamatan, bahagian yang mencurigakan pergi ke manusia.
• Kualiti imej dan pencahayaan selalunya lebih menentukan daripada model.
• Model adalah pra-ayak; Keputusan kualiti terakhir dan tanggungjawab keselamatan terletak pada manusia.

Tugasan permohonan

Pilih bahagian/stesen (cth. pemasangan bampar hadapan). (1) Senaraikan kecacatan yang mungkin berlaku dan labelkan setiap satu sebagai estetik/fungsional/kritikal keselamatan. (2) Dengan Templat 3, bandingkan dua pilihan ambang untuk kebocoran/penolakan palsu dan mewajarkan pengesyoran. (3) Terangkan sama ada anda akan menggunakan pengesanan diselia atau anomali untuk kecacatan yang jarang berlaku. (4) Tentukan langkah kawalan manusia dan pencetus latihan semula.

senarai semak

• [ ] Saya membahagikan kecacatan kepada kelas keterukan (estetik/fungsi/kritikal keselamatan).
• [ ] Saya menilai baki penolakan haram dan palsu dalam keputusan ambang.
• [ ] Saya mengutamakan kebocoran di bahagian kritikal keselamatan.
• [ ] Saya meletakkan pendekatan yang diselia dan anomali di tempat yang sesuai.
• [ ] Saya telah menetapkan kualiti imej/keperluan pencahayaan.
• [ ] Saya menentukan langkah kawalan manusia dan rancangan latihan semula.