Pemeriksaan Kualitas Produk Industri Edge untuk Memfasilitasi Otomatisasi Jalur Produksi

ARTIFICIAL INTELLIGENCE

Jennie Wang - Seeed Studio AIoT Marketing and Partnership Diterjemahkan oleh : Digiware

10/17/20242 min baca

Pemeriksaan kualitas sering melibatkan berbagai tugas manual, termasuk konfirmasi visual, untuk memverifikasi akurasi komponen dalam hal warna, bentuk, tekstur, dan posisi. Hal ini menjadi tantangan karena adanya variasi produk yang signifikan. Inspektur harus terus beradaptasi dengan berbagai persyaratan kualitas, yang mengarah pada ketidakakuratan dan hasil yang tidak konsisten. Seiring dengan meningkatnya volume produksi, inspektur menghadapi masalah kesehatan seperti kelelahan mata akibat inspeksi yang berkepanjangan dan repetitif, yang memungkinkan lebih banyak cacat lolos dan komponen fungsional ditolak. Inspeksi manual terbatas oleh biaya yang meningkat, waktu pelatihan, dan sumber daya yang terbatas, menjadikannya solusi yang menantang. Adopsi kecerdasan buatan untuk inspeksi produksi otomatis kini sedang mengubah industri manufaktur.

Perangkat cerdas tertanam, termasuk kamera industri dan perangkat edge Jetson Nano, memainkan peran penting dalam menangkap dan memproses data gambar dan video untuk diterapkan dalam jalur produksi otomatisasi pabrik. Gambar yang dikumpulkan dari berbagai sudut menjalani langkah pra-pemrosesan cepat seperti pengurangan noise, peningkatan visual, perbaikan out-of-focus, dan konversi gaya. Setelah itu, gambar yang telah diproses diterapkan pada model deteksi objek untuk mengekstraksi elemen spesifik seperti model, sertifikat, pelat nama, atau kabel. Secara bersamaan, menggunakan kerangka pengembangan pembelajaran mendalam terintegrasi, sistem terus meningkatkan kemampuannya melalui pelatihan distribusi iteratif, sehingga meningkatkan tingkat pengenalan objek.

Pendekatan komprehensif ini memungkinkan platform identifikasi visual untuk dengan cepat, fleksibel, dan otomatis mengidentifikasi berbagai cacat produk selama pengujian, termasuk cacat proses, logo produk yang hilang, pelat nama yang dipasang tidak benar, dan masalah terkait kebersihan penampilan. Platform pengenalan visual ini menunjukkan adaptabilitas yang luar biasa terhadap faktor perubahan non-standar. Bahkan ketika konten deteksi atau lingkungan mengalami perubahan, sistem dengan cepat beradaptasi, menghilangkan kebutuhan untuk rekonfigurasi yang memakan waktu. Adaptabilitas ini memastikan efektivitas platform dalam menghadapi tantangan yang berkembang di lingkungan produksi.

Aplikasi: Pemeriksaan Kualitas

Industri: Otomatisasi Industri

Lokasi Penerapan: Polandia

Dengan memanfaatkan integrasi desain visi komputer, komponen hardware Jetson, dan algoritma pengenalan gambar canggih, sistem ini mencapai deteksi kualitas penampilan produk yang cepat dan akurat. Ini memungkinkan penyimpanan data kualitas produk yang komprehensif secara efisien.

Melalui korelasi dan analisis data inspeksi kualitas produk bersama data proses manufaktur, dilakukan pemeriksaan menyeluruh terhadap faktor-faktor yang memengaruhi kualitas produk yang dikirimkan. Pendekatan inklusif ini memfasilitasi prediksi akurat terhadap cacat retak, memungkinkan alarm tepat waktu untuk masalah potensial pada jalur produksi, dan mendukung keputusan respons yang terinformasi. Sistem terintegrasi ini memastikan kontrol kualitas yang efisien serta langkah-langkah proaktif untuk proses manufaktur yang lebih baik.

Tantangan

Cara Kerjanya