การควบคุมคุณภาพสายการผลิต: การตรวจจับข้อบกพร่องทางสายตา

กำไร:

• ทำความเข้าใจขั้นตอนการทำงานของการตรวจจับข้อบกพร่องของพื้นผิว การเชื่อม และการประกอบในสายการผลิตยานยนต์ด้วยวิชันซิสเต็ม
• ความสามารถในการใช้ปัญญาประดิษฐ์ในลักษณะที่มีโครงสร้างในการสร้างชุดข้อมูลรูปภาพ การติดฉลาก การฝึกโมเดล และการกำหนดเกณฑ์
• ความสามารถในการตรวจสอบการตัดสินใจด้านคุณภาพโดยคำนึงถึงการหลบหนีและอัตราการปฏิเสธที่ผิดพลาด ความเร็วของสายการผลิต และความมั่นใจของผู้ปฏิบัติงาน

รถยนต์ประกอบด้วยชิ้นส่วนหลายพันชิ้น และแต่ละชิ้นเคลื่อนตัวผ่านเส้นได้ภายในเวลาไม่กี่วินาที การตรวจสอบทุกรอยเชื่อม ทุกพื้นผิวสี และทุกการประกอบ เป็นเรื่องที่เหนื่อยและไม่สอดคล้องกันด้วยสายตามนุษย์ ดวงตาเหนื่อยล้า ความสนใจถูกฟุ้งซ่าน นี่คือที่มาของวิชันซิสเต็มและปัญญาประดิษฐ์: กล้องจะถ่ายภาพชิ้นส่วน ส่วนโมเดล AI จะแจ้งข้อบกพร่องภายในไม่กี่วินาที ในบทนี้ เราจะอภิปรายถึงวิธีการควบคุมคุณภาพของภาพในการผลิตยานยนต์ บทบาทของ AI และปัญหาที่สำคัญที่สุดคือความสมดุลของข้อผิดพลาด

ความบกพร่องทางการมองเห็นโดยทั่วไปในยานยนต์

ข้อบกพร่องประเภทหลักที่ตรวจสอบด้วยสายตา:

• ข้อบกพร่องของพื้นผิว/สี: เปลือกส้ม (สีหยาบ), ฟองฝุ่น, เลือดออก, รอยขีดข่วน, ความแตกต่างของสี
• ข้อบกพร่องในการเชื่อม: รอยเชื่อมที่ไม่สมบูรณ์, สะเก็ด, ความพรุน, รอยเชื่อมจุดผิดตำแหน่ง
• ข้อบกพร่องในการประกอบ: สลักเกลียวหายไป, คลิปที่ติดตั้งไม่ถูกต้อง, ซีลกลับด้าน, ขั้วต่อหลวม
• ป้ายกำกับ/เครื่องหมาย: VIN อ่านไม่ออก ป้ายผิด ประทับตราหายไป

ข้อบกพร่องเหล่านี้บางส่วนเป็นเพียงความสวยงาม (รอยขีดข่วนเล็กน้อย) ในขณะที่ข้อบกพร่องอื่นๆ มีความสำคัญต่อความปลอดภัย (การเชื่อมที่ไม่สมบูรณ์อาจทำให้เกิดรอยแตกเมื่อยล้าในข้อต่อของร่างกาย) ความแตกต่างนี้จะกำหนดการตัดสินใจที่ตามมาทั้งหมด

เคล็ดลับ: อย่ารักษาข้อบกพร่องทุกอย่างด้วยความจริงจังแบบเดียวกัน การเพิ่มแท็ก "ความสวยงาม/การใช้งาน/ความปลอดภัย" เมื่อจำแนกข้อบกพร่องเป็นกุญแจสำคัญในการทำให้เกณฑ์และตรรกะการตัดสินใจถูกต้อง

สองแนวทางพื้นฐาน: การจำแนกประเภทภายใต้การดูแลและการตรวจจับความผิดปกติ

มีสองกลยุทธ์หลักในการตรวจจับข้อบกพร่องทางสายตา:

1. การจัดหมวดหมู่/การตรวจจับภายใต้การดูแล: คุณสอนโมเดลโดยการแสดงรูปภาพที่มีป้ายกำกับจำนวนมากโดยบอกว่า "นี่คือตัวอย่างที่มีข้อบกพร่อง นี่คือตัวอย่างที่สมบูรณ์แบบ" จะมีประสิทธิภาพมากหากคุณทราบประเภทของข้อบกพร่องและมีตัวอย่างเพียงพอ ความท้าทาย: เป็นเรื่องยากที่จะรวบรวมตัวอย่างข้อบกพร่องที่หายากได้อย่างเพียงพอ (ในสายการผลิตมักจะสร้างชิ้นส่วนที่เป็นของแข็งเสมอ)
2. การตรวจจับความผิดปกติ: คุณแสดงเฉพาะรูปภาพ "ปกติ/มีประสิทธิภาพ" ให้กับโมเดล แบบจำลองจะเรียนรู้ว่าความปกติมีลักษณะอย่างไรและทำเครื่องหมายสิ่งใดก็ตามที่เบี่ยงเบนไปจากปกติว่าเป็น “ความผิดปกติ” สามารถตรวจจับข้อบกพร่องใหม่/ที่ไม่คาดคิดได้ แม้ว่าคุณจะไม่ทราบประเภทของข้อบกพร่องล่วงหน้าก็ตาม ความยาก: อาจเข้าใจผิดว่าการเบี่ยงเบนใดๆ ถือเป็นความผิด (เช่น การเปลี่ยนแปลงของแสง)

ในทางปฏิบัติ ทั้งสองถูกใช้ร่วมกัน: การตรวจจับความผิดปกติบอกว่า "มีบางอย่างแปลกที่นี่" การจำแนกประเภทบอกว่า "นี่คือการตีกลับของทรัพยากร"

ทีละขั้นตอน: การตั้งค่าระบบตรวจสอบด้วยภาพ

1. แค็ตตาล็อกข้อบกพร่องและเกณฑ์การยอมรับ: กำหนดโดยวิศวกรคุณภาพที่ยอมรับ/ปฏิเสธข้อบกพร่อง นี่คือ "ความจริง" ของแบบจำลอง
2. การรับภาพ: แสงและตำแหน่งกล้องที่สม่ำเสมอและสม่ำเสมอเป็นสิ่งสำคัญ แสงไม่ดี/ไม่คงที่เป็นสาเหตุของความล้มเหลวที่พบบ่อยที่สุด
3. การติดฉลาก: ผู้เชี่ยวชาญทำเครื่องหมายข้อบกพร่อง คำแนะนำในการติดฉลากถือเป็นสิ่งสำคัญเพื่อความสม่ำเสมอ
4. การฝึกโมเดล: มีการฝึกโมเดลภายใต้การดูแลและ/หรือความผิดปกติ
5. เกณฑ์: แบบจำลองให้ "ความน่าจะเป็นของข้อบกพร่อง"; มันเป็นเกณฑ์ที่อยู่เหนือความน่าจะเป็นที่คุณจะพิจารณาว่าเป็น "การปฏิเสธ" นี่คือการตัดสินใจทางธุรกิจที่สำคัญที่สุด (ด้านล่าง)
6. การรวมสาย: แบบจำลองจะทำการตัดสินใจ ส่วนที่น่าสงสัยจะถูกส่งไปยังผู้ปฏิบัติงาน/สถานีโดยตรง
7. การตรวจสอบและฝึกอบรมซ้ำ: โมเดลได้รับการอัปเดตเมื่อมีข้อบกพร่องประเภทใหม่ การเปลี่ยนแปลงตามฤดูกาล มีชิ้นส่วนใหม่ให้ใช้งาน

ปัญหาที่สำคัญที่สุด: ความสมดุลของการรั่วไหลและการปฏิเสธที่ผิดพลาด

มีข้อผิดพลาดสองประการในการตรวจจับข้อบกพร่องและต้นทุนในยานยนต์แตกต่างกันมาก:

• รั่ว (หนี/false ลบ): ชิ้นที่ชำรุดถือว่า "ดี" และผ่านเส้นไป ในส่วนด้านความปลอดภัย หมายถึงยานพาหนะที่มีข้อบกพร่องที่ถูกนำออกสู่สนาม การร้องเรียนจากลูกค้า หรือแม้แต่การเรียกคืน ความผิดพลาดที่แพงที่สุด
• การปฏิเสธที่ผิดพลาด (การปฏิเสธที่ผิดพลาด / ผลบวกที่ผิดพลาด): ชิ้นส่วนที่สมบูรณ์ถือว่า "มีข้อบกพร่อง" และถูกปฏิเสธ มันหมายถึงการสิ้นเปลือง การทำงานซ้ำโดยไม่จำเป็น การชะลอตัวของสายการผลิต มันเจ็บแต่ก็ไม่ก่อให้เกิดความเสี่ยงด้านความปลอดภัย

เกณฑ์การตัดสินใจ

ผู้ลี้ภัย

การปฏิเสธที่ผิดพลาด

เมื่อไหร่?

หลวม (เกณฑ์สูง)

เพิ่มขึ้น (อันตราย)

ลดลง

ไม่เคยอยู่ในเส้นทางการรักษาความปลอดภัย

เข้มงวด (เกณฑ์ต่ำ)

ลดลง

เพิ่มขึ้น (ค่าใช้จ่าย)

เกี่ยวกับชิ้นส่วนที่มีความสำคัญต่อความปลอดภัย

สมดุล

ปานกลาง

ปานกลาง

ในข้อบกพร่องด้านสุนทรียศาสตร์

ข้อควรระวัง: ในส่วนที่มีความสำคัญต่อความปลอดภัย (เบรก การบังคับเลี้ยว การเชื่อมตัวรถ) ขอบบันไดจะถูกยึดให้แน่นเสมอเพื่อลดการรั่วไหล ชิ้นส่วนต้องสงสัยมุ่งตรงไปที่มนุษย์ การผ่อนคลายเกณฑ์เนื่องจาก "การปฏิเสธที่ผิดพลาดมีราคาแพง" เป็นสิ่งที่ยอมรับไม่ได้ในส่วนความปลอดภัย

การแบ่งงานระหว่างมนุษย์และเครื่องจักร

ในระบบที่เป็นที่ยอมรับ โมเดลไม่ใช่ผู้มีอำนาจตัดสินใจขั้นสุดท้าย มันเป็น "การคัดกรองล่วงหน้า" แบบจำลองจับข้อบกพร่องที่ชัดเจนและส่งกลับไปยังมนุษย์ในสิ่งที่พวกเขาไม่แน่ใจ ซึ่งช่วยให้ผู้ปฏิบัติงานสามารถมุ่งความสนใจไปที่ชิ้นส่วนที่น่าสงสัย 30 ชิ้น แทนที่จะดูชิ้นส่วน 1,000 ชิ้น ความมั่นใจของผู้ปฏิบัติงานก็มีความสำคัญเช่นกัน หากโมเดลสร้างการแจ้งเตือนที่ผิดพลาดมากเกินไป ผู้ปฏิบัติงานจะหยุดรับการแจ้งเตือนอย่างจริงจัง (“สัญญาณเตือนอ่อนล้า”) นั่นเป็นสาเหตุว่าทำไมอัตราการปฏิเสธที่ผิดพลาดจึงได้รับการตรวจสอบด้วย

กรณีศึกษาขนาดเล็ก

กรณีที่ 1 - กับดักแสง แม้ว่าแบบจำลองการตรวจสอบสีจะประสบความสำเร็จ 98% ในห้องปฏิบัติการ แต่ก็ลดลงเหลือ 80% อีกด้วย รีวิว: ไฟเพดานบนเส้นเปลี่ยนไปในระหว่างวัน โมเดลถือว่าความแตกต่างของความสว่างเป็น "ข้อบกพร่อง" เมื่อเพิ่มไฟส่องสว่างในอุโมงค์แบบตายตัว ความสำเร็จจะเพิ่มขึ้นเป็น 97% สรุป: คุณภาพของภาพอาจมีความสำคัญมากกว่าตัวแบบ

กรณีที่ 2 - ต้นทุนการรั่วไหล ในการตรวจสอบการเชื่อมตัวถัง เกณฑ์จะผ่อนคลายลงเล็กน้อย "เพื่อประสิทธิภาพ"; การปฏิเสธที่ผิดพลาดลดลงจาก 6% เป็น 3% แต่หนึ่งเดือนต่อมา มีรายงานรอยแตกจากการเชื่อมในรถสองคันในภาคสนาม การวิเคราะห์สาเหตุที่แท้จริงแสดงให้เห็นว่าอัตราการรั่วไหลเพิ่มขึ้น เกณฑ์ถูกเข้มงวดขึ้นอีกครั้ง และชิ้นส่วนที่น่าสงสัยก็ถูกควบคุมโดยมนุษย์ 100% สรุป: การลดการรั่วไหลในส่วนความปลอดภัยมีความสำคัญมากกว่าการปฏิเสธที่ผิดพลาดเสมอ

กรณีที่ 3 - ข้อบกพร่องที่หายาก ในบางครั้ง ข้อบกพร่องของเสี้ยนเล็กน้อยมากจะเกิดขึ้นจากแม่พิมพ์ฉีดใหม่ แต่แทบจะไม่มีตัวอย่างของข้อบกพร่องนี้ในการฝึกโมเดลภายใต้การควบคุม ดังนั้นจึงพลาดไป เมื่อเปิดใช้งานโมเดลการตรวจจับความผิดปกติ จะตรวจพบว่าเป็น "ความเบี่ยงเบนจากปกติ" สรุป: การตรวจจับความผิดปกติสำหรับข้อบกพร่องที่หายากหรือใหม่ช่วยเสริมแบบจำลองภายใต้การดูแล

เทมเพลตพร้อมท์

เทมเพลต 1 - แค็ตตาล็อกข้อบกพร่องและการจำแนกความรุนแรง:

บทบาท: คุณเป็นวิศวกรคุณภาพยานยนต์ งาน: จัดเรียงรายการข้อบกพร่องต่อไปนี้ตามระดับความรุนแรง บริบท: เส้นเชื่อมตัวถัง; ข้อบกพร่อง: กระเซ็น รูขุมขน จุดที่หายไป ความแตกต่างของสีเล็กน้อย รอยขีดข่วนบนพื้นผิว ข้อจำกัด: ติดป้ายกำกับข้อบกพร่องแต่ละข้อว่าเป็นความสวยงาม/การทำงาน/ความปลอดภัย และเสนอแนะการตัดสินใจ (การยอมรับ/การตรวจสอบโดยมนุษย์/การปฏิเสธ)ผลลัพธ์: ข้อบกพร่อง | ความสำคัญ | การตัดสินใจที่เสนอ | ตารางเหตุผล

เทมเพลต 2 - คู่มือการติดฉลาก:

บทบาท: ผู้นำด้านคุณภาพการติดฉลากรูปภาพ งาน: เขียนกฎความสอดคล้องสำหรับการติดฉลากข้อบกพร่องของสี บริบท: เปลือกส้ม วิ่ง ฟองฝุ่น มีภาพที่ถ่ายภายใต้แสงที่แตกต่างกัน เอาท์พุต: กฎ | ตัวอย่าง | สถานะขีด จำกัด | หมายเหตุแท็กเกอร์

เทมเพลต 3 - การตีความการตัดสินใจเกณฑ์/เมตริก:

บทบาท: ผู้ประเมินวิชันซิสเต็ม งาน: ตีความตารางเกณฑ์การตัดสินใจต่อไปนี้ บริบท: ทรัพยากรที่มีความสำคัญต่อความปลอดภัย ที่เกณฑ์ A การรั่วไหลคือ 0.3% การปฏิเสธที่ผิดพลาดคือ 5% การรั่วไหลที่เกณฑ์ B 1.2% การปฏิเสธที่ผิดพลาด 2% ข้อจำกัด: สังเกตลำดับความสำคัญด้านความปลอดภัย อธิบายว่าเกณฑ์ใดที่คุณแนะนำและเหตุผล และเพิ่มขั้นตอนการควบคุมโดยมนุษย์ ผลลัพธ์: คำแนะนำ + เหตุผล + ความเสี่ยงที่เหลืออยู่

เทมเพลต 4 - การวิเคราะห์สาเหตุที่แท้จริง:

บทบาท: คุณเป็นวิศวกรที่มีคุณภาพ งาน: ระบุสาเหตุที่เป็นไปได้สำหรับข้อบกพร่องที่กระเด็นซึ่งเพิ่มขึ้นในช่วง 3 กะล่าสุด บริบท: การเชื่อมจุดด้วยหุ่นยนต์; เปลี่ยนอิเล็กโทรดเมื่อ 2 วันที่แล้ว แก้ไขการตั้งค่าปัจจุบันแล้ว เอาต์พุต: สาเหตุที่เป็นไปได้ | ตรวจสอบความถูกต้อง | ลำดับความสำคัญ.

พรอมต์อ่อน / พรอมต์แข็งแกร่ง

พรอมต์ที่อ่อนแอ:

สร้างแบบจำลองที่ตรวจพบชิ้นส่วนที่ชำรุด

ยังไม่ชัดเจนว่าข้อบกพร่องใด ความสำคัญใด เกณฑ์ใด การตัดสินใจใด ผลลัพธ์ที่ได้คือไร้ประโยชน์

พรอมต์อันทรงพลัง:

บทบาท: คุณเป็นวิศวกรด้านคุณภาพยานยนต์และวิชันซิสเต็ม ภารกิจ: สร้างรายการตรวจสอบการออกแบบสำหรับระบบวิชันการเชื่อมของร่างกาย บริบท: การเชื่อมจุดที่มีความสำคัญต่อความปลอดภัย ความเร็วของสายสูง มีข้อบกพร่องที่หายาก ตัวแปรการส่องสว่างข้อจำกัด: จัดลำดับความสำคัญในการลดการรั่วไหลให้เหลือน้อยที่สุด ระบุวิธีการรวมการตรวจจับความผิดปกติเข้ากับการจำแนกประเภทภายใต้การดูแลและขั้นตอนการควบคุมโดยมนุษย์ รับประกัน 'ข้อผิดพลาดเป็นศูนย์' ผลลัพธ์: Stage | คำแนะนำ | ความเสี่ยง | ตารางการตรวจสอบ

ข้อผิดพลาดทั่วไป

• ละเลยคุณภาพของแสง/ภาพ ภาพลักษณ์ที่ไม่ดีทำให้เสียแม้กระทั่งโมเดลที่ดีที่สุด
• เมื่อพิจารณาถึงการรั่วไหลและการปฏิเสธที่ผิดพลาดเท่ากัน การรั่วซึมในชิ้นส่วนด้านความปลอดภัยของยานยนต์มีค่าใช้จ่ายสูงกว่ามาก
• อาศัยเฉพาะรุ่นที่ได้รับการดูแลสำหรับข้อบกพร่องที่หายาก การตรวจจับความผิดปกติเป็นส่วนเสริม
• ทำให้แบบจำลองกลายเป็นผู้มีอำนาจตัดสินใจขั้นสุดท้าย ชิ้นส่วนที่น่าสงสัยควรถูกส่งไปยังมนุษย์โดยตรง
• ลืมการอบรมขึ้นใหม่ ชิ้นส่วนใหม่ แม่พิมพ์ใหม่และการเปลี่ยนแปลงตามฤดูกาลทำให้โมเดลเก่า

โดยสรุป

• วิชันซิสเต็มและ AI ตรวจสอบข้อบกพร่องของพื้นผิว การเชื่อม และการประกอบในสายการผลิตยานยนต์อย่างรวดเร็วและสม่ำเสมอ
• การจำแนกประเภทภายใต้การดูแลมีความเข้มงวดในข้อบกพร่องที่ทราบ การตรวจจับความผิดปกติมีความเข้มงวดในข้อบกพร่องที่หายากหรือใหม่ ทั้งสองใช้ร่วมกัน
• การตัดสินใจที่สำคัญที่สุดคือเกณฑ์: การรั่วไหล (ผลลบลวง) จะลดลงในส่วนที่มีความสำคัญต่อความปลอดภัย ส่วนส่วนที่น่าสงสัยจะไปที่มนุษย์
• คุณภาพของภาพและแสงมักจะมีความสำคัญมากกว่าโมเดล
• โมเดลนี้เป็นเครื่องกรองล่วงหน้า การตัดสินใจด้านคุณภาพขั้นสุดท้ายและความรับผิดชอบด้านความปลอดภัยเป็นหน้าที่ของมนุษย์

งานสมัคร

เลือกชิ้นส่วน/ฐาน (เช่น ชุดกันชนหน้า) (1) ระบุข้อบกพร่องที่เป็นไปได้และติดป้ายกำกับแต่ละรายการว่าเป็นความสวยงาม/การทำงาน/ความปลอดภัย (2) ด้วยเทมเพลต 3 ให้เปรียบเทียบตัวเลือกเกณฑ์ทั้งสองสำหรับการรั่วไหล/การปฏิเสธที่ผิดพลาด และให้เหตุผลตามคำแนะนำ (3) อธิบายว่าคุณจะใช้การตรวจจับแบบมีการดูแลหรือความผิดปกติสำหรับข้อบกพร่องที่หายากหรือไม่ (4) กำหนดขั้นตอนการควบคุมโดยมนุษย์และทริกเกอร์การฝึกอบรมใหม่

รายการตรวจสอบ

• [ ] ฉันแบ่งข้อบกพร่องออกเป็นระดับความรุนแรง (ความสวยงาม/การใช้งาน/ความปลอดภัย-วิกฤต)
• [ ] ฉันประเมินความสมดุลของการปฏิเสธที่ผิดกฎหมายและเท็จในการตัดสินใจตามเกณฑ์
• [ ] ฉันให้ความสำคัญกับการรั่วไหลในส่วนที่มีความสำคัญต่อความปลอดภัย
• [ ] ฉันวางแนวทางการดูแลและความผิดปกติไว้ในตำแหน่งที่เหมาะสม
• [ ] ฉันได้ระบุข้อกำหนดด้านคุณภาพของภาพ/แสงแล้ว
• [ ] ฉันกำหนดขั้นตอนการควบคุมโดยมนุษย์และแผนการฝึกอบรมขึ้นใหม่