کنترل کیفیت با بینایی ماشین؛ راهنمای کاهش ضایعات تولید

هر محصول معیوبی که از خط تولید عبور می‌کند، فقط یک قطعه یا بسته خراب نیست. ممکن است هزینه دوباره‌کاری، توقف خط، مرجوعی، نارضایتی مشتری و فشار بیشتر بر تیم کنترل کیفیت را به همراه داشته باشد. به همین دلیل، بسیاری از کارخانه‌ها به‌دنبال روشی هستند که بتواند محصول را سریع، یکنواخت و قابل‌اندازه‌گیری بررسی کند.

کنترل کیفیت با بینایی ماشین، از دوربین صنعتی، نورپردازی، نرم‌افزار و ارتباط با تجهیزات خط تولید استفاده می‌کند تا عیب‌های قابل مشاهده را تشخیص دهد. سامانه می‌تواند نتیجه را به اپراتور اعلام کند، محصول معیوب را جدا کند، خط را متوقف کند یا اطلاعات کیفیت را در داشبورد ثبت کند.

این فناوری جایگزین فکر و تجربه تیم کیفیت نیست؛ بلکه کارهای تکراری و پرسرعت را قابل اعتمادتر می‌کند. اگر ابتدا می‌خواهید با مفهوم کلی، اجزا و کاربردهای این فناوری آشنا شوید، مقاله پیلار بینایی ماشین صنعتی چیست؟ نقطه شروع مناسبی است.

کنترل کیفیت با بینایی ماشین چیست؟

کنترل کیفیت با بینایی ماشین یعنی استفاده از تصویر برای تصمیم‌گیری درباره سالم یا معیوب بودن محصول، کامل‌بودن مونتاژ، کیفیت بسته‌بندی، خوانایی کد یا اندازه قطعه. سیستم از محصول تصویر می‌گیرد، آن را با معیارهای تعریف‌شده می‌سنجد و خروجی لازم را به خط تولید می‌فرستد.

برای مثال، در خط تولید بطری، سامانه می‌تواند وجود درب، وضعیت لیبل، سطح پرشدن و تاریخ چاپ‌شده را بررسی کند. در قطعه‌سازی، سیستم ممکن است خراش سطحی، نبود پیچ، موقعیت اشتباه قطعه یا تغییر ابعاد را شناسایی کند. مهم این است که معیار کنترل از ابتدا روشن و قابل سنجش باشد.

چه زمانی بازرسی خودکار ارزشمند است؟

بازرسی خودکار زمانی بیشترین ارزش را دارد که یک خطای تکراری، پرهزینه و قابل مشاهده وجود داشته باشد. محصولاتی که با سرعت زیاد عبور می‌کنند، کنترل‌های یکنواخت در چند شیفت دارند یا به دقت بالا نیاز دارند، معمولاً گزینه‌های مناسبی هستند.

اگر اپراتور باید در هر دقیقه ده‌ها یا صدها محصول را ببیند، احتمال خستگی و تفاوت در قضاوت افزایش پیدا می‌کند. بینایی ماشین می‌تواند همان معیار تعریف‌شده را در تمام ساعات کار اجرا کند و گزارش قابل استفاده‌ای از خطاها بسازد. این گزارش به مدیر کارخانه کمک می‌کند بفهمد کدام عیب، در چه زمان و در کدام ایستگاه بیشتر رخ می‌دهد.

البته هر مسئله‌ای با دوربین حل نمی‌شود. عیب باید در تصویر دیده شود یا اثر بصری داشته باشد. امکان‌سنجی پیش از اجرا مشخص می‌کند که آیا نور، دوربین و نرم‌افزار می‌توانند تفاوت محصول سالم و معیوب را به‌درستی تشخیص دهند یا نه.

سیستم کنترل کیفیت چگونه کار می‌کند؟

فرایند با تعریف مسئله آغاز می‌شود. ابتدا باید معلوم شود چه چیزی را می‌خواهید کنترل کنید: خراش، ترک، رنگ، اندازه، حضور قطعه، متن چاپی، درب بسته یا کامل‌بودن بسته‌بندی. سپس نمونه‌های سالم، معیوب و مرزی جمع‌آوری می‌شوند تا معیار پذیرش شفاف باشد.

دوربین صنعتی در لحظه مناسب تصویر می‌گیرد و نورپردازی، جزئیات مهم را قابل مشاهده می‌کند. نرم‌افزار تصویر را بررسی می‌کند و نتیجه را به PLC، جک جداکننده، ربات، چراغ هشدار یا سامانه مانیتورینگ می‌فرستد. این ارتباط با خط تولید باعث می‌شود نتیجه بازرسی فقط یک گزارش نباشد و به اقدام عملی تبدیل شود.

اجزای فنی شامل دوربین، لنز، نور، پردازشگر و ارتباطات است. برای شناخت نقش هر جزء، مقاله اجزای سیستم بینایی ماشین را مطالعه کنید.

برای ارزیابی فنی ویژگی‌های دوربین‌های صنعتی، استاندارد EMVA 1288 یکی از منابع تخصصی شناخته‌شده است.

۱. تشخیص عیوب ظاهری محصول

خراش، ترک، شکستگی، لکه، آلودگی، پلیسه، تغییر رنگ و نقص سطح، از رایج‌ترین عیب‌هایی هستند که با تصویر قابل تشخیص‌اند. این کاربرد در پلاستیک، شیشه، فلز، سرامیک، چوب، لاستیک، لوازم خانگی و قطعات خودرو قابل استفاده است.

برای تشخیص درست، نورپردازی نقش کلیدی دارد. بعضی عیب‌ها با نور مستقیم دیده نمی‌شوند، اما با نور جانبی یا نور ساختاریافته به‌وضوح ظاهر می‌شوند. به همین دلیل، انتخاب دوربین بدون آزمون نور و نمونه واقعی محصول، روش قابل اعتمادی نیست.

در این کاربرد، بهتر است شدت و اندازه عیب قابل پذیرش از ابتدا تعیین شود. برای مثال، باید مشخص باشد چه خراشی محصول را مردود می‌کند و چه اثری در حد قابل قبول است. این توافق، نرخ هشدار اشتباه را کاهش می‌دهد.

۲. کنترل ابعادی و اندازه‌گیری بدون تماس

در بسیاری از خطوط تولید، اندازه قطعه باید در محدوده مشخصی باشد. بینایی ماشین می‌تواند طول، عرض، قطر، فاصله، موقعیت سوراخ، زاویه یا لبه محصول را بدون تماس فیزیکی اندازه‌گیری کند.

این روش برای قطعات داغ، کوچک، ظریف یا سریع مفید است؛ زیرا تماس ابزار اندازه‌گیری می‌تواند سرعت یا کیفیت فرایند را تحت تأثیر قرار دهد. در کنترل دوبعدی، کالیبراسیون دوربین و ثابت‌بودن جایگاه محصول اهمیت دارد. اگر ارتفاع، عمق یا تاب‌برداشتن قطعه مهم باشد، راهکار سه‌بعدی باید در امکان‌سنجی بررسی شود.

باید توجه داشت که عدد دقت مورد انتظار، فقط با نام دوربین تعیین نمی‌شود. فاصله نصب، لنز، نور، مکانیک، لرزش خط و روش آزمون نیز روی نتیجه اثر دارند.

۳. کنترل کامل‌بودن مونتاژ

نبود یک پیچ، قرار گرفتن نادرست قطعه، مونتاژ وارونه یا جاافتادن یک جزء می‌تواند در مراحل پایانی تولید هزینه بزرگی ایجاد کند. بینایی ماشین می‌تواند قبل از عبور محصول به ایستگاه بعد، وجود، جهت و محل قطعات را بررسی کند.

در یک ایستگاه مونتاژ، دوربین می‌تواند چک کند که همه اتصالات مورد نیاز وجود دارند یا خیر. اگر محصول ناقص باشد، سیستم می‌تواند چراغ هشدار را فعال کند، محصول را به مسیر بازبینی بفرستد یا اجازه ادامه فرایند را ندهد. این کار جلوی انباشته‌شدن خطا را می‌گیرد.

در پروژه‌های مونتاژ، نمونه‌های واقعی محصول و تفاوت‌های مجاز میان آن‌ها باید در نظر گرفته شوند. گاهی انعکاس سطح یا تغییر جزئی در جایگیری قطعه باعث هشدار اشتباه می‌شود؛ این موارد با طراحی درست نور و تثبیت مکانیکی کنترل می‌شوند.

۴. بازرسی چاپ، لیبل و کد محصول

تاریخ تولید، سری ساخت، شماره سریال، بارکد، دیتاماتریکس و اطلاعات روی لیبل، بخشی از کیفیت محصول هستند. بینایی ماشین می‌تواند بررسی کند که متن خوانا است، کد درست چاپ شده، لیبل در جای مناسب قرار دارد و اطلاعات با محصول یا بچ تولید هماهنگ است.

OCR متن را می‌خواند و OCV صحت آن را با الگوی مورد انتظار مقایسه می‌کند. این کاربرد در صنایع غذایی، دارویی، آرایشی، قطعه‌سازی و هر صنعتی که رهگیری محصول اهمیت دارد، بسیار مفید است.

کیفیت چاپ، نوع سطح، سرعت خط و بازتاب نور روی خوانش کد اثر می‌گذارند. بنابراین پیش از خرید یا اجرا، باید نمونه واقعی چاپ و بسته‌بندی بررسی شود. برای آشنایی با گستره کاربردها، مقاله کاربرد بینایی ماشین در صنعت را بخوانید.

۵. کنترل کیفیت بسته‌بندی

بسیاری از عیب‌ها در مرحله بسته‌بندی دیده می‌شوند: نبود محصول در جعبه، لیبل اشتباه، پلمب ناقص، درِ بسته‌نشده، تعداد نادرست یا جابه‌جایی محتویات. سیستم بینایی ماشین می‌تواند این موارد را پیش از خروج محصول از کارخانه بررسی کند.

در خط بسته‌بندی مواد غذایی، می‌توان وجود درب، سالم‌بودن پلمب، سطح پرشدن و لیبل را کنترل کرد. در بسته‌بندی قطعات، می‌توان کامل‌بودن محتویات یا قرار گرفتن صحیح آن‌ها در کارتن را سنجید. اگر مکانیزم جداسازی مناسب وجود داشته باشد، محصول معیوب خودکار از مسیر اصلی خارج می‌شود.

برای این کاربرد، واکنش پس از تشخیص باید از ابتدا مشخص باشد. اگر خطا دیده شد، آیا محصول جدا شود، خط متوقف شود یا اپراتور بررسی کند؟ پاسخ این پرسش روی طراحی ارتباط با خط و هزینه نهایی اثر دارد.

۶. نقش هوش مصنوعی در کنترل کیفیت

هوش مصنوعی در همه پروژه‌ها لازم نیست. وقتی ظاهر محصول ثابت و معیار عیب روشن است، روش‌های قاعده‌محور اغلب سریع، قابل توضیح و اقتصادی هستند. هوش مصنوعی زمانی ارزش بیشتری دارد که تنوع ظاهری بالا باشد یا تشخیص عیب با قانون ساده ممکن نباشد.

برای نمونه، تشخیص عیب‌های متنوع روی سطحی با بافت پیچیده ممکن است به مدل یادگیری عمیق نیاز داشته باشد. در این حالت، مجموعه‌ای از تصاویر سالم و معیوب برای آموزش و آزمون جمع‌آوری می‌شود. کیفیت داده، تنوع نمونه‌ها و آزمایش در شرایط واقعی خط، برای نتیجه قابل اعتماد ضروری است.

تصمیم درست معمولاً ترکیبی است: نورپردازی و مکانیک مناسب، تصویر باکیفیت، الگوریتم قابل اتکا و در صورت نیاز مدل هوش مصنوعی. انتخاب فناوری باید پس از شناخت مسئله انجام شود، نه بر اساس مد روز.

بازرسی انسانی و بینایی ماشین چه تفاوتی دارند؟

بازرسی انسانی در کارهای نیازمند تجربه، قضاوت چندبعدی و مواجهه با شرایط غیرمنتظره ارزش زیادی دارد. بینایی ماشین در کارهای تکراری، سریع و قابل تعریف، ثبات و ثبت داده بهتری ایجاد می‌کند. در بسیاری از کارخانه‌ها، ترکیب این دو روش بهترین نتیجه را می‌دهد.

سیستم تصویری می‌تواند محصول مشکوک را جدا یا علامت‌گذاری کند و بازرس انسانی درباره موارد مرزی تصمیم بگیرد. به این ترتیب، زمان افراد متخصص صرف بررسی نمونه‌های مهم‌تر می‌شود و کل محصولات با یک معیار اولیه کنترل می‌شوند.

هدف پروژه نباید صرفاً حذف نیروی انسانی باشد. هدف درست، کاهش خطا، افزایش قابل‌ردیابی‌بودن کیفیت و استفاده بهتر از ظرفیت تیم تولید و کیفیت است.

پیش از اجرای پروژه چه چیزهایی باید بررسی شود؟

پیش از اجرا، نمونه‌های سالم و معیوب، سرعت خط، ابعاد محصول، فضای نصب، نور محیط، لرزش، گردوغبار، دما و نوع ارتباط مورد نیاز با خط باید بررسی شوند. ویدئوی کوتاه از خط تولید و عکس‌های واقعی محصول، برای شروع امکان‌سنجی بسیار ارزشمند هستند.

همچنین باید شاخص موفقیت مشخص شود. برای نمونه: چند درصد محصول معیوب باید شناسایی شود؟ چه تعداد هشدار اشتباه قابل تحمل است؟ سامانه در چند میلی‌ثانیه باید تصمیم بگیرد؟ و محصول معیوب چگونه از خط خارج می‌شود؟

مرحله تست امکان‌سنجی پروژه‌های بینایی ماشین و رباتیک برای پاسخ به همین سؤال‌هاست و جلوی هزینه‌کرد اشتباه را می‌گیرد.

هزینه و بازگشت سرمایه کنترل کیفیت هوشمند

هزینه یک سیستم کنترل کیفیت به نوع بازرسی، تعداد دوربین، نورپردازی، نیاز به مکانیک، نرم‌افزار، اتصال به PLC یا ربات و سطح آزمون بستگی دارد. به همین دلیل، قیمت دقیق باید پس از بررسی فنی ارائه شود.

برای سنجش بازگشت سرمایه، هزینه راهکار را با هزینه ضایعات، دوباره‌کاری، مرجوعی، توقف خط، نیروی بازرسی و ریسک عبور محصول معیوب مقایسه کنید. حتی کاهش یک خطای تکراری پرهزینه می‌تواند توجیه اجرای پروژه را روشن کند. چارچوب محاسبه در مقاله هزینه سیستم بینایی ماشین و بازگشت سرمایه آن آمده است.

کنترل کیفیت با بینایی ماشین و هوشمندسازی خط

وقتی داده بازرسی به PLC، سامانه مانیتورینگ یا داشبورد مدیریت تولید متصل شود، کنترل کیفیت از یک ایستگاه جداگانه به بخشی از هوشمندسازی خط تبدیل می‌شود. مدیر می‌تواند روند خطاها را ببیند و بر اساس داده، علت‌های احتمالی را بررسی کند.

اگر در یک بازه مشخص، خطای چاپ، مونتاژ ناقص یا عیب سطحی افزایش پیدا کند، تیم فنی سریع‌تر سراغ علت می‌رود. این یعنی بینایی ماشین فقط محصول معیوب را پیدا نمی‌کند؛ بلکه داده‌ای برای بهبود فرایند تولید ایجاد می‌کند. برای دیدن این مسیر، مقاله هوشمندسازی خطوط تولید با بینایی ماشین را مطالعه کنید.

پرسش‌های متداول

آیا کنترل کیفیت با بینایی ماشین برای همه محصولات مناسب است؟

اگر عیب یا معیار کیفیت در تصویر قابل مشاهده باشد، می‌توان امکان اجرای راهکار را بررسی کرد. مناسب‌بودن نهایی به سرعت خط، محیط، دقت مورد نیاز و توجیه اقتصادی بستگی دارد.

آیا سیستم همیشه جای بازرس انسانی را می‌گیرد؟

خیر. در بسیاری از پروژه‌ها، سیستم کارهای تکراری و پرسرعت را کنترل می‌کند و افراد متخصص درباره موارد خاص یا مرزی تصمیم می‌گیرند.

آیا می‌توان سیستم را به PLC موجود وصل کرد؟

در بیشتر پروژه‌ها، اتصال به PLC یا تجهیزات کنترلی قابل طراحی است؛ اما نوع خروجی، زمان پاسخ، پروتکل و منطق ایمنی باید پیش از اجرا بررسی شود.

چه اطلاعاتی برای شروع لازم است؟

عکس یا ویدئو از خط تولید، نمونه سالم و معیوب، سرعت تولید، ابعاد محصول، نوع عیب و توضیح واکنش مورد انتظار پس از تشخیص، اطلاعات کافی برای آغاز بررسی اولیه هستند.

جمع‌بندی

کنترل کیفیت با بینایی ماشین برای کارخانه‌ای ارزش دارد که می‌خواهد خطاهای قابل مشاهده را سریع‌تر، یکنواخت‌تر و با داده قابل استفاده کنترل کند. شروع درست، انتخاب دوربین نیست؛ شروع درست، مشخص‌کردن مسئله‌ای است که ضایعات، دوباره‌کاری یا ریسک کیفیت ایجاد می‌کند.

اگر یک نقطه کنترل پرهزینه در خط تولید دارید، اطلاعات اولیه آن را آماده کنید و از طریق خدمات بازرسی صنعتی و راهکارهای هوشمند رویتگر یا صفحه تماس درخواست بررسی امکان‌سنجی پروژه را ثبت کنید.