Правильная система контроля на базе ИИ — это та, которая соответствует дефектам, скорости линии и требованиям к поддержке конкретной производственной линии. Это не та система, у которой самый длинный список функций. Разумный выбор следует определенному порядку: определить, что именно необходимо обнаруживать, подобрать размер системы под линию, выбрать форм-фактор оборудования, подтвердить оптику и освещение, протестировать на реальных деталях и сравнить затраты на владение в долгосрочной перспективе.
В этом руководстве этот порядок описан простым языком для команд контроля качества (ОТК), а также объясняется, где смарт-камера, такая как KEYENCE серии VS, подходит лучше по сравнению с системой на базе контроллера, такой как серия VS-G.
Основные выводы
- Система контроля на базе ИИ использует программное обеспечение, обученное на примерах изображений, для принятия решения о годности детали (пройдено/не пройдено). Она наиболее полезна там, где дефекты различаются по внешнему виду и их трудно описать с помощью фиксированных правил.
- Выбор начинается с каталога дефектов, а не с сравнения продуктов. Фотографии и физические образцы хороших, бракованных и пограничных деталей делают любой разговор с поставщиком конкретным.
- Скорость линии и количество камер определяют форм-фактор оборудования. Смарт-камера серии VS подходит для автономных постов, в то время как серия VS-G подходит для высокоскоростных линий, многокамерных систем и долгосрочного хранения изображений.
- Демонстрации должны проводиться на реальных производственных деталях. Результаты на чистых образцах редко предсказывают результаты на реальном производстве.
- Совокупная стоимость владения включает в себя настройку, интеграцию, обучение и последующую тонкую настройку, а не только железо. Системы, которые быстро настраиваются и просты в обслуживании, удерживают эту стоимость на более низком уровне.
Что такое система контроля на базе ИИ?
Система контроля на базе ИИ — это система машинного зрения, которая учится распознавать хорошие и плохие детали по примерам изображений. Вместо того чтобы человек писал правила для каждого возможного изъяна, программное обеспечение сравнивает каждое новое изображение с тем, чему оно научилось, и выдает результат.
Большинство современных систем сочетают в себе два подхода. Инструменты на основе правил измеряют, считают, определяют местоположение и считывают коды с заданными параметрами, и они хорошо работают, когда признак может быть описан четкими цифрами. Инструменты ИИ справляются с вариативностью, такой как текстурированные поверхности, формованные детали или дефекты, которые каждый выглядит по-разному. Серия VS, например, запускает инструменты ИИ и инструменты на основе правил для одного и того же изображения, поэтому один пост может использовать то, что подходит для каждой конкретной проверки.
Шаг 1. Определите, что система должна обнаруживать
Типы дефектов ведут себя по-разному при контроле. Царапины, вмятины, отсутствие элементов, изменения цвета и размерные погрешности — все это требует разного формирования изображений и разных инструментов, и не каждая система справляется со всеми ними одинаково хорошо.
Каталог дефектов — самый полезный документ в процессе выбора. Он должен включать фотографии и физические образцы хороших деталей, брака и пограничных случаев, а также письменный стандарт, разделяющий приемлемую и бракованную продукцию. В нем также должен быть указан наименьший дефект, имеющий значение, поскольку этот размер в дальнейшем определяет выбор камеры и объектива.
Каталог также показывает, где необходим ИИ. Дефекты, которые можно измерить, такие как зазор или положение, обычно подходят для инструментов на основе правил. Дефекты, которые варьируются, например, косметические следы на текстурированной поверхности, — это то, где инструменты ИИ обычно окупаются. Многим линиям требуется и то, и другое.
Шаг 2. Сопоставьте систему со скоростью и объемом линии
Скорость линии определяет, сколько времени есть у системы на захват изображения, его обработку и выдачу результата. Если обработка занимает больше времени, чем промежуток между деталями, контрольный пост становится узким местом.
Определить размер системы помогают три цифры: максимальное количество деталей в минуту, количество изображений, необходимых на одну деталь, и количество точек контроля на линии. Деталь, требующая нескольких ракурсов или нескольких постов, нуждается в большем количестве камер и большей производительности обработки. Планирование также должно смотреть на три-пять лет вперед, поскольку система, рассчитанная только на сегодняшний объем, может потребовать преждевременной замены.
Шаг 3. Выберите форм-фактор оборудования
Оборудование для контроля на базе ИИ обычно выпускается в двух форм-факторах, и выбор зависит от масштаба и скорости.
Смарт-камера
Смарт-камера объединяет сенсор, объектив, управление освещением и процессор в одном корпусе. Это сокращает время монтажа и настройки и подходит для автономных постов. Примером может служить серия KEYENCE VS. Она включает в себя ZoomTrax, оптический зум, который управляет 19 линзами внутри корпуса со степенью защиты IP67, поэтому поле зрения задается программно, и одна модель камеры может охватывать множество задач.
Система на базе контроллера
Система на базе контроллера соединяет одну или несколько камер с отдельным процессорным блоком. Это подходит для высокоскоростных, тяжелых условий контроля, многокамерных линий и предприятий, которые хотят использовать единую платформу на многих постах. Серия KEYENCE VS-G объединяет контроллер с 32-ядерным процессором и встроенным движком ИИ, поддерживает до восьми камер на один контроллер и предлагает линейку из более чем 30 типов матричных камер.
Ни один из форм-факторов не является лучшим в каждом отдельном случае. Решение сводится к скорости, количеству камер и тому, какая прослеживаемость требуется на линии.
Шаг 4. Проверьте оптику, разрешение и освещение
Лучший инструмент ИИ не сможет обнаружить дефект, который не отображается на изображении. Три фактора определяют, что именно захватывает камера.
Поле зрения и рабочее расстояние
Поле зрения — это область, которую видит камера, а рабочее расстояние — это пространство между объективом и деталью. Вместе с сенсором они определяют, сколько пикселей приходится на наименьший дефект. Дефект должен занимать несколько пикселей для надежного обнаружения, а инструменты ИИ обычно извлекают выгоду из большего количества пикселей вокруг дефекта по сравнению с простыми инструментами на основе правил. Для таких терминов обратитесь к глоссарию машинного зрения.
Разрешение
Более высокое разрешение помогает при обнаружении мелких дефектов или больших полей зрения, но оно также увеличивает нагрузку на обработку. Правильное разрешение соответствует наименьшему важному дефекту, а не максимально доступному числу.
Освещение
Освещение управляет контрастностью, а контрастность определяет, насколько надежно любой инструмент может увидеть дефект. Подсветка снизу подходит для силуэтов и проверки размеров. Низкоугловое освещение делает царапины и вмятины заметными. Рассеянный свет уменьшает блики на блестящих плоских деталях, а купольное освещение выравнивает криволинейные поверхности. Освещение должно быть выбрано на стадии проектирования, поскольку его исправление позже обычно означает переделку.
Шаг 5. Протестируйте на реальных производственных деталях
Система, которая хорошо работает в условиях контролируемой демонстрации, может не выдержать нагрузку на реальном производстве. Тесты должны использовать фактические производственные детали, включая реальный брак и пограничные случаи, при освещении и способе подачи деталей, которые будут на линии.
Наибольшее значение имеют три результата. Первый — уровень ложного брака, когда хорошие детали забраковываются. Второй — уровень пропуска брака, когда плохие детали проходят проверку. Третий — повторяемость, означающая, что одна и та же деталь каждый раз дает одинаковый результат. Слишком высокий уровень ложного брака подрывает доверие операторов, а система, которую операторы постоянно игнорируют, приносит мало пользы.
Усилия по обучению — еще один фактор различия. Некоторым системам ИИ требуется всего несколько десятков примеров изображений для обучения, что сокращает время настройки. Команды также должны спросить, как новый продукт или дефект добавляется в дальнейшем, поскольку эта задача повторяется на протяжении всего жизненного цикла системы.
Многие команды также сначала запускают новую систему в теневом режиме. Она проверяет детали параллельно с существующим процессом, не влияя на его результаты, что позволяет сформировать журнал валидации перед запуском системы в эксплуатацию.
Шаг 6: Оценка простоты использования и долгосрочной поддержки
Первая проверка — это самая легкая часть. Продукты меняются, материалы варьируются, а освещение смещается, поэтому система требует регулярной настройки. Системы, которые зависят от специалиста при каждом изменении, создают долгосрочное «узкое горлышко».
Несколько возможностей снижают эту зависимость. Автоматическая настройка параметров определяет параметры на основе выбранных примеров изображений вместо ручного метода проб и ошибок. Сохраненные изображения позволяют командам просматривать точные условия сбоя после его возникновения. Проверка настроек воспроизводит сохраненные изображения для предлагаемого изменения до его запуска, поэтому влияние на предыдущие результаты известно заранее. Серия VS-G включает все три функции, со встроенным хранилищем изображений в контроллере. Те же функции более подробно рассмотрены в руководстве по поиску и устранению неисправностей систем машинного зрения.
Поддержка также имеет значение. Покупателям следует уточнить, какое обучение предлагается, как доставляются обновления программного обеспечения и как быстро доступна помощь при остановке линии. KEYENCE поддерживает клиентов от выбора до работы линии, включая инструкции по эксплуатации на месте и послепродажную поддержку.
Шаг 7: Расчет совокупной стоимости владения
Цена покупки — это лишь часть финансовой картины. Полный расчет включает аппаратное обеспечение технического зрения, освещение и крепление, программное обеспечение, интеграцию с ПЛК и механизмами отбраковки, обучение, время валидации, а также текущее обслуживание и перенастройку.
Сторона выгод обычно обеспечивается за счет меньшего количества пропущенных дефектов, меньшего числа ложных браков, сокращения отходов и переделок, а также уменьшения затрат на ручной труд по контролю. Измерение исходных показателей до начала проекта делает эти выгоды гораздо более очевидными. Руководство по рентабельности и сроку окупаемости систем контроля на базе ИК (AI) показывает, как составить этот расчет шаг за шагом.
Какая опция подходит для какой ситуации
Выбор зависит от потребностей линии:
- Одна станция, умеренная скорость, смешанные типы деталей: умная камера со встроенной оптикой и инструментами ИИ (AI), такая как серия VS, обеспечивает простоту настройки и подключения.
- Несколько камер или точек контроля на одной линии: система на базе контроллера позволяет одному устройству обслуживать несколько камер, как это делает серия VS-G, поддерживающая до восьми камер.
- Высокая скорость или тяжелая обработка с помощью ИИ (AI): контроллер со специализированным многоядерным процессором ИИ (AI) поддерживает время обработки в пределах цикла.
- Строгие требования к прослеживаемости или аудиту: встроенное хранилище изображений, которое сохраняет каждое изображение, включая хорошие детали, поддерживает анализ и работу с первопричинами.
- Много похожих линий на одном заводе: единая платформа на разных линиях позволяет повторно использовать настройки и обучение.
Какой бы вариант ни был выбран, применяется одно и то же правило. Система должна быть протестирована на реальных деталях до принятия окончательного решения. KEYENCE предлагает для этого демо-версии и варианты тестирования, а для задач, не подпадающих под эти две категории, доступны другие системы машинного зрения.
Часто задаваемые вопросы
Дефекты, которые необходимо обнаружить, минимальный размер дефекта, имеющий значение, скорость линии, количество точек контроля и оборудование, с которым должна соединяться система. Каталог дефектов с фотографиями и физическими образцами является наиболее полезным исходным документом.
ИИ (AI) лучше справляется с задачами, когда дефекты или детали различаются по внешнему виду, например, текстурированные поверхности или косметические дефекты, и их трудно описать с помощью измерений. Инструменты на основе правил часто достаточчны для проверки присутствия, положения, измерений и чтения кодов. Многие системы предлагают и то, и другое.
Умная камера объединяет датчик, объектив, подсветку и процессор в одном устройстве, что подходит для автономных станций. Система на базе контроллера подключает одну или несколько камер к отдельному процессору, что подходит для высокоскоростных линий, работы с несколькими камерами и масштабной стандартизации.
Это зависит от инструмента и области применения. Некоторые системы обучаются на нескольких десятках изображений, но разнообразный, хорошо размеченный набор, включающий пограничные случаи, обычно важнее, чем большой объем данных.
Путем запуска на реальных производственных деталях, включая фактический брак и пограничные случаи, при реальном освещении и подаче деталей. Тест должен измерять ложный брак, пропуски и повторяемость, и многие команды добавляют период работы в теневом режиме перед официальным запуском.
Аппаратное обеспечение, освещение и крепление, программное обеспечение, интеграция, обучение, валидация, а также текущее обслуживание и перенастройка. Усилия по интеграции и настройке — это категории, которые недооценивают чаще всего.
- Система технического зрения со встроенным ИИ (AI) серии VS
Система технического зрения со встроенным ИИ (AI)
Серия VS
- Высокопроизводительная система технического зрения на базе ИИ (AI) серии VS-G
Высокопроизводительная система технического зрения на базе ИИ (AI)
Серия VS-G
