بازرسی کیفیت بصری در خط تولید
بازرسی چشمی، یکی از قدیمیترین کاربردهای بینایی ماشین است و یکی از موفقترینها — به شرطی که چند چیز از ابتدا درست باشد.
و آن چند چیز، عمدتاً سختافزاری و سازمانیاند، نه الگوریتمی. پروژههایی که در این حوزه شکست میخورند، معمولاً مدل خوبی داشتهاند و نور بدی.
سختافزار، که مسئلهٔ اصلی است
نور، مهمتر از دوربین
اگر یک چیز از این مقاله بماند: نورپردازی کنترلشده، مهمترین تصمیم این پروژه است.
نور طبیعی کارگاه در ساعتهای مختلف روز عوض میشود، در فصلها عوض میشود، و با باز شدن یک در عوض میشود. مدلی که با نور صبح آموزش دیده، عصر بد عمل میکند — و تیم ماهها دنبال مشکل در مدل میگردد.
آنچه لازم است: منبع نور ثابت، محفظهٔ بسته یا سایهبان، و حذف بازتاب.
و نوع نور به عیب بستگی دارد: نور مستقیم برای عیب سطحی، نور از پشت برای تشخیص شکل و سوراخ، نور مایل برای خراش و فرورفتگی.
دوربین و موقعیت
تفکیکپذیری متناسب با کوچکترین عیب. اگر باید ترک نیممیلیمتری را ببینید، حساب کنید که چند پیکسل روی آن نیممیلیمتر میافتد. کمتر از سه تا چهار پیکسل، غیرقابل تشخیص است.
سرعت شاتر متناسب با سرعت خط. قطعهای که در حرکت است، در تصویر کشیده میشود.
موقعیت ثابت و مکانیکی قفلشده. دوربینی که با لرزش خط جابهجا شود، همهٔ تنظیمات را باطل میکند.
و محافظت: گرد و غبار، روغن، ارتعاش، دما. محیط صنعتی با آزمایشگاه فرق دارد.
مسئلهٔ نمونهٔ معیوب کمیاب
مشکل ساختاری این حوزه: خط تولیدی که خوب کار میکند، عیب کم دارد.
اگر نرخ عیب یک درصد باشد، برای جمعآوری صد نمونهٔ معیوب باید ده هزار قطعه عکس بگیرید — و آن صد نمونه احتمالاً از یک نوع عیب نیستند.
نتیجه: دادهٔ نامتوازن. مدلی که روی چنین دادهای آموزش ببیند، یاد میگیرد همیشه بگوید «سالم» و در ۹۹ درصد موارد درست بگوید. دقت ۹۹ درصد، و بیفایده.
سه راه عملی:
۱. تشخیص ناهنجاری بهجای طبقهبندی. مدل را فقط با نمونههای سالم آموزش دهید. هر چیزی که با الگوی سالم فاصله داشته باشد، مشکوک است.
مزیت بزرگ: نیازی به نمونهٔ معیوب ندارید — و عیبهای نوع جدید را هم میگیرد، چیزی که طبقهبند آموزشدیده نمیتواند.
عیب: نمیگوید چه عیبی است، فقط میگوید عادی نیست.
۲. تولید مصنوعی نمونهٔ معیوب. با ملاحظه — عیب ساختگی باید واقعاً شبیه عیب واقعی باشد.
۳. جمعآوری تدریجی. سامانه را با تشخیص ناهنجاری شروع کنید و نمونههای واقعی را در طول کار جمع کنید. بعد از چند ماه، دادهٔ کافی برای طبقهبندی دقیقتر دارید.
راه سوم، مسیر پیشنهادی ماست: از روز اول ارزش میدهد و بهمرور بهتر میشود.
تعادلی که کسبوکار باید تعیین کند
دو خطا، با رابطهٔ معکوس:
رد کردن قطعهٔ سالم — دور ریختن یا بازرسی مجدد. هزینهٔ مستقیم.
عبور دادن قطعهٔ معیوب — شکایت مشتری، مرجوعی، آسیب به اعتبار.
این تصمیم مهندسی نیست. بستگی دارد به اینکه هزینهٔ هر کدام چقدر است — و آن را کسبوکار میداند نه تیم فنی.
برای قطعهٔ ایمنی خودرو، عبور دادن معیوب فاجعه است و رد کردن سالم قابل تحمل. برای بستهبندی مواد غذایی، برعکس.
پیش از تنظیم آستانه، این سؤال را بپرسید و جوابش را بنویسید. پروژههایی که این را نکردهاند، در تحویل سر «چرا اینقدر رد میکند» اختلاف پیدا میکنند.
طراحی سامانه
سه دسته خروجی، نه دو. سالم، معیوب، و مشکوک — که به بازرس انسانی میرود.
دستهٔ سوم مهمترین است: سامانهای که فقط بله و خیر میگوید، مجبور است در موارد مبهم یکی را انتخاب کند. با دستهٔ مشکوک، دقت روی دو دستهٔ قطعی بالا میرود و ابهام به آدم میرود.
تصویر و دلیل را ذخیره کنید. برای هر رد شدن، تصویر و ناحیهٔ مشکوک باید قابل مرور باشد. بدون این، اپراتور به سامانه اعتماد نمیکند.
پایش رانش. اگر نرخ رد ناگهان بالا رفت، یا خط تولید مشکل دارد یا شرایط تصویربرداری عوض شده. این هشدار، ارزشمندترین قابلیت جانبی سامانه است — گاهی مشکل خط را زودتر از خود تولید کشف میکند.
بازخورد اپراتور. وقتی بازرس با تصمیم سامانه مخالفت میکند، ثبت شود. این داده، ورودی بهبود بعدی است.
پذیرش سازمانی
بخشی که مهندسان دستکم میگیرند و پروژه را زمین میزند.
سامانهای که بهعنوان جایگزین بازرس معرفی شود، با مقاومت روبهرو میشود — و همان بازرسان تنها کسانی هستند که میتوانند صحت خروجی را تأیید کنند و حالتهای استثنایی را بگویند.
آنچه جواب داده:
- در ابتدا موازی اجرا کنید. سامانه تصمیم میگیرد، بازرس هم. مقایسه، هم اعتماد میسازد و هم داده.
- بازرس را در تعریف عیب شریک کنید. او میداند کدام خراش مهم است و کدام نه.
- صریح دربارهٔ اثر بر نیرو حرف بزنید. همان اصلی که در چرا کارکنان از نرمافزار جدید استفاده نمیکنند گفتیم: سکوت، شایعه میسازد.
برآورد واقعبینانه
قلمهایی که در برآورد باید باشند و معمولاً نیستند:
- سختافزار: دوربین، نور، محفظه، پایه، نصب مکانیکی.
- جمعآوری داده، که ممکن است ماهها طول بکشد اگر عیب کمیاب باشد.
- برچسبزدن توسط متخصص، نه اپراتور عمومی. زمانش قلم مستقلی است — که در طبقهبندی، تشخیص یا قطعهبندی نسبتهایش را گفتیم.
- تنظیم روی خط واقعی، که همیشه بیشتر از آزمایشگاه طول میکشد.
- نگهداری: تمیز کردن لنز، بازتنظیم، بازآموزی پس از تغییر محصول.
آن آخری را جدی بگیرید: سامانهٔ بازرسی، محصولی نیست که یک بار تحویل شود. هر تغییر در محصول، مواد اولیه یا شرایط خط، ممکن است بازآموزی بخواهد.
و یک سؤال پیش از شروع
آیا عیب برای چشم انسان قابل تشخیص است؟
اگر بازرس باتجربه هم گاهی نمیبیندش، پروژه سختتر از حد معمول است و باید با انتظار متفاوتی شروع شود.
و اگر بازرس آن را در تصویر نمیبیند — فقط با لمس یا زاویهٔ خاص تشخیص میدهد — دوربین معمولی جواب نمیدهد و به سنجش دیگری نیاز دارید.