ربات‌های بازرسی صنعتی به این دلیل مفید می‌شوند که بینایی ماشین بالاخره در حال بهتر شدن است

ربات های بازرسی صنعتی سال هاست که به راحتی قابل نمایش هستند. یک بازوی ربات می تواند دوربین را نگه دارد، از طریق یک مسیر قابل تکرار حرکت کند و عیوب آشکار را تحت شرایط کنترل شده شناسایی کند. آنچه بسیار سخت‌تر بوده است تبدیل آن نسخه ی نمایشی به ابزار تولیدی است که تیم‌های باکیفیت در تغییرات واقعی، تغییر نور، قطعات متغیر و استثنائات نامرتب که زندگی کارخانه را تعریف می‌کنند به آن اعتماد دارند. این در نهایت در حال تغییر است، و دلیل اصلی آن یک جهش ناگهانی در کاریزما رباتیک نیست. این است که بینایی ماشین در شرایطی که واقعا مهم است قابل اعتمادتر می شود.

این یک تمایز مهم است زیرا اتوماسیون بازرسی با اطمینان کاذب موفق می شود یا شکست می خورد. یک سلول ربات نمایشی که در یک ویدیوی فروش به زیبایی کار می کند، اما نقص های متناوب را از دست می دهد، اپراتورها را با مثبت کاذب سیل می کند، یا نیاز به تنظیم مجدد مداوم دارد، باعث صرفه جویی در نیروی کار نمی شود. بار نظارتی جدیدی ایجاد می کند. موج کنونی رباتیک بازرسی مفید متفاوت است زیرا بازار در حال یادگیری این است که قابلیت اطمینان، نظم و انضباط کالیبراسیون و گردش کار بیشتر از تئاتر خودمختاری مناسب است.

چرا سیستم های بازرسی قبلی ناامید شدند

مشکل تاریخی این نبود که دوربین ها نمی توانستند ببینند. این بود که سیستم‌های بینایی صنعتی اغلب خیلی باریک می‌دیدند. آنها بر روی یک قطعه شناخته شده تحت شرایط پایدار عملکرد خوبی داشتند، سپس با تغییر جهت قطعه، انعکاس سطوح متفاوت، اجزای مختلف بر اساس مقدار عرضه کننده یا تغییر نور محیط، تخریب می شوند. در محیط های با کیفیت، این شکنندگی به سرعت اعتماد را از بین می برد. اپراتورها ترجیح می دهند به صورت دستی بازرسی کنند تا اینکه به سیستمی وابسته باشند که نقص ها را به طور غیرقابل پیش بینی از دست می دهد.

موضوع دیگر ادغام بود. حتی زمانی که طبقه‌بندی تصاویر به خوبی کار می‌کرد، سیستم اغلب خارج از فرآیند کیفیت گسترده‌تر قرار می‌گرفت. این می‌تواند یک ناهنجاری را علامت‌گذاری کند، اما آن را به سوابق ردیابی، صف‌های دوباره کاری، توقف خط، یا آستانه‌های عبور شکست متصل نمی‌کند که رهبران عملیات می‌توانند با اطمینان تنظیم کنند. یک مدل چشم انداز به تنهایی یک راه حل بازرسی نیست. این تنها زمانی مفید می‌شود که به نحوه تصمیم‌گیری کارخانه‌ها، تشدید و مستندسازی نتایج کیفیت وصل شود.

آنچه در بینایی ماشین بهبود یافته است

پیشرفت واقعی اما مشخص است. مدل های بینایی در ترکیب نظم بازرسی کلاسیک با تشخیص الگوی آموخته شده بهتر شده اند. تیم‌ها از تنظیمات روشنایی قوی‌تر، داده‌های مصنوعی و حاشیه‌ای بهتر، تقسیم‌بندی بهبودیافته و شیوه‌های کالیبراسیون دقیق‌تر در کنار مدل‌های مدرن استفاده می‌کنند. نتیجه دید کلی کامل نیست. این چشم انداز کار خاص قابل اعتماد تر است.

این مهم است زیرا بازرسی معمولاً یک مشکل محدود است. یک سازنده نیازی به رباتی ندارد که دنیا را درک کند. به یکی نیاز دارد که بتواند جوش بد، اتصال دهنده از دست رفته، لکه سطح، ناهماهنگی مونتاژ، کد ناخوانا، یا نقص بسته بندی با آستانه اطمینان شناخته شده را تشخیص دهد. هنگامی که مشکل به این شکل طرح می‌شود، دستاوردهای اخیر در دقت مدل، کیفیت حسگر و ابزار استقرار شروع به تبدیل به ارزش واقعی کارخانه می‌کنند.

بازرسی چند وجهی نیز کمک می کند. سیستم ها به طور فزاینده ای دوربین های RGB را با حسگر عمق، تصویربرداری حرارتی، نور ساختاریافته یا بازخورد نیرو در صورت لزوم ترکیب می کنند. این به ربات ها اجازه می دهد تا فراتر از یک نمای شکننده تک سیگنال حرکت کنند. نقصی که در فضای رنگ مبهم است ممکن است در عمق یا گرما آشکار شود. قابلیت اطمینان زمانی بهبود می یابد که سیستم بیش از یک راه برای تشخیص اشتباه بودن چیزی داشته باشد.

جایی که ربات های بازرسی در حال حاضر کار می کنند

بهترین موارد استفاده فعلی، محیط‌های تکراری و با حجم بالا هستند که در آن دسته‌بندی‌های نقص نسبتاً به خوبی درک شده‌اند و هزینه ناسازگاری آن بالا است. مونتاژ الکترونیک، تأیید بسته‌بندی، مونتاژ فرعی خودرو، برچسب‌گذاری دارویی و بررسی‌های انطباق با خط غذا همگی نامزدهای قوی هستند. در این تنظیمات، یک ربات می‌تواند مسیری تکرارپذیر را دنبال کند، دیدگاه‌های ثابتی را ثبت کند و نتایج را با قوانین محدود کیفیت، سریع‌تر از یک بازرس انسانی در طول زمان مقایسه کند.

ربات های بازرسی در جایی که ارگونومی انسانی ضعیف است نیز منطقی هستند. نگاه کردن به مناطق محدود، بررسی اجزای داغ، مدیریت محیط‌های خطرناک، یا حفظ تمرکز بر روی هزاران قطعه تقریباً یکسان، وظایفی هستند که در آن اتوماسیون یک بحث آشکار کار و ایمنی دارد. ربات نیازی به تعویض هر بازرس ندارد. باید بخش هایی را که خستگی و ناهماهنگی گران هستند را تصاحب کند.

جایی که هنوز می شکنند

محدودیت ها به اندازه دستاوردها مهم هستند. ربات‌های بازرسی هنوز در زمینه‌های با ترکیب بالا و حجم کم که نقص‌ها نادر است، ظاهر بسیار متفاوت است و داده‌های خرابی برچسب‌گذاری شده نازک است، با مشکل مواجه هستند. آنها همچنین زمانی که بی ثباتی فرآیند بالادست شدید است، با مشکل مواجه می شوند. اگر قطعات در حالت‌های غیرقابل پیش‌بینی به دست آیند و تلورانس‌ها به‌طور ضعیف کنترل شوند، سیستم بینایی به جای کیفیت، نویز یاد می‌گیرد.

آنها همچنین می توانند از نظر سازمانی شکست بخورند. کارخانه ها گاهی اوقات اتوماسیون بازرسی را با انتظار حذف نیروی کار خریداری می کنند، سپس در تعمیر و نگهداری، بازآموزی و رسیدگی به استثناء سرمایه گذاری کمتری می کنند. یک سیستم مفید هنوز نیاز به مالکیت دارد. شخصی باید دریفت را بررسی کند، موارد مثبت کاذب را مدیریت کند، آستانه‌ها را به‌روزرسانی کند، و خروجی‌های بازرسی را به تجزیه و تحلیل علت اصلی متصل کند. قابلیت اطمینان ویژگی نیست که یک بار نصب کنید. این یک استاندارد عملکردی است که شما حفظ می کنید.

چرا قابلیت اطمینان بیشتر از ادعای استقلال مهم است؟

به همین دلیل است که معتبرترین فروشندگان کمتر در مورد آینده های انسان نما صحبت می کنند و بیشتر در مورد ثبات اندازه گیری، زمان کار و نرخ فرار نقص صحبت می کنند. در بازرسی، ادعای پر زرق و برق به ندرت ادعای ارزشمندی است. رباتی که به طور قابل اعتماد دسته محدودی از ایرادات را تشخیص می دهد و به طور تمیز با سیستم های گیاهی ادغام می شود، ارزش بیشتری نسبت به یک پلت فرم بسیار انعطاف پذیر دارد که همچنان به نگهداری مداوم از کودک نیاز دارد.

برای خریداران، معیار کلیدی این نیست که نسخه نمایشی چقدر چشمگیر به نظر می رسد. این است که آیا سیستم فرار از نقص را کاهش می دهد، چرخه های حسابرسی را کوتاه می کند، و هزینه کیفیت را بدون ایجاد یک بخش عیب یابی موازی کاهش می دهد. این استاندارد سخت تری است، اما این استانداردی است که خلبان ها را از تولید جدا می کند.

آنچه تولید کنندگان باید قبل از خرید بپرسند

تولیدکنندگانی که ربات‌های بازرسی را ارزیابی می‌کنند باید با نظم و انضباط فرآیند شروع کنند، نه با اسلایدهای فروشنده. چه نوع نقصی بیشترین اهمیت را دارد، نرخ فرار فعلی چقدر است، ارائه بخش تا چه حد پایدار است و نتایج با کیفیت امروز چگونه ثبت می شود؟ اگر آن پاسخ ها مبهم باشند، اتوماسیون ابهام را به ارث خواهد برد. بهترین استقرارها با یک هدف بازرسی دقیق و یک دلیل اقتصادی روشن برای خودکارسازی آن آغاز می شود.

فروشنده‌ها همچنین باید روی مدیریت رانش، جریان‌های کاری بازآموزی، کالیبراسیون حسگر، توضیح پذیری برای رد و مسیرهای انتقال برای بازبینی انسانی فشار بیاورند. سیستمی که نمی تواند توضیح دهد که چرا بخشی از آن شکست خورده یا آستانه ها چگونه حفظ می شود، از نظر سیاسی در داخل کارخانه شکننده خواهد شد. تیم های با کیفیت به شواهد نیاز دارند، نه جادو.

نکته بزرگتر دلگرم کننده است. رباتیک بازرسی نه به این دلیل مفید است که کارخانه‌ها به طور ناگهانی خواهان عینک روباتی هستند، بلکه به این دلیل که پشته دید پشتیبان در حال تبدیل شدن به یک ابزار عملیاتی است. همانطور که این قابلیت اطمینان بهبود می یابد، کارخانه های بیشتری بازرسی را در برش های باریک و ارزشمند به طور خودکار انجام می دهند. برندگان کسانی خواهند بود که بینایی ماشین را به عنوان زیرساخت با کیفیت نگاه می کنند، نه به عنوان یک داستان پر زرق و برق که به دنبال کارخانه ای برای تحت تاثیر قرار دادن است.