Kiểm tra chất lượng trong sản xuất thiết bị gia dụng ngày càng trở nên đòi hỏi. máy giặt, tủ lạnh, máy rửa chén, lò và lò vi sóng chứa nhiềuCác thành phần hàn và lắp rápMột vết trầy xước trên một tấm cửa có thể ảnh hưởng đến sự xuất hiện của thiết bị hoàn thành, trong khi một lỗ bị thiếu,Nắp đặt không chính xác hoặc may bị lỗi có thể làm gián đoạn lắp ráp hoặc tạo ra vấn đề độ tin cậy sau này trong cuộc sống của sản phẩm.
Kiểm tra thị giác AI đang bắt đầu hỗ trợ các nhà sản xuất trong môi trường này.Haier đã báo cáo vào tháng 6 năm 2026 rằng kiểm tra trực quan và phát hiện tiếng ồn âm được hỗ trợ bởi AI đã được triển khai trên tất cả các dây chuyền sản xuất tại khu công nghiệp Thái Lan của mìnhVào tháng 3 năm 2026, Panasonic Holdings cũng công bố cấp phép toàn cầu cho một nền tảng kiểm tra thị giác AI được thiết kế cho các ứng dụng bao gồm kiểm tra chất lượng dây chuyền sản xuất.Các nhà cung cấp tự động hóa như Siemens và Rockwell Automation bây giờ cung cấp các hệ thống thị giác máy được hỗ trợ AI cho sử dụng công nghiệp.
Vì vậy, đối với các nhà sản xuất thiết bị, câu hỏi quan trọng không phải là liệu tầm nhìn AI có ấn tượng hay không.sớm hơn và có khả năng theo dõi tốt hơn so với phương pháp hiện tại.
Một nhà máy thiết bị hiện đại có thể sản xuất nhiều công suất và cấu hình của cùng một sản phẩm.Kích thước tủ và cấu trúc cửaMột dòng tủ lạnh có thể tạo ra một số sắp xếp cửa, thiết kế lót và hệ thống kệ.
Sự thay đổi sản phẩm này tạo ra ba thách thức thực tế.
Đầu tiên, ngoại hình dự kiến của một thành phần có thể thay đổi giữa các mô hình.Vì vậy, hệ thống kiểm tra phải sử dụng đúng tham chiếu sản phẩm vào đúng thời điểm.
Thứ hai, tốc độ sản xuất hạn chế thời gian có sẵn cho kiểm tra thủ công. Các thanh tra có thể kiểm tra hàng trăm hoặc hàng ngàn bộ phận tương tự trong một ca.Tốc độ đường dây và sự khác biệt trong phán đoán cá nhân có thể ảnh hưởng đến tính nhất quán của các quyết định trực quan.
Thứ ba, một khiếm khuyết trở nên đắt hơn khi các thành phần di chuyển thông qua sản xuất. Một bảng đóng dấu bị lỗi có thể bị từ chối ngay sau khi ép.hàn và lắp ráp, nhà sản xuất đã thêm nhiều vật liệu, lao động và thời gian máy cho một bộ phận không thể sử dụng.
Đây là lý do tại sao nhiều nhà sản xuất đang di chuyển kiểm tra gần hơn đến các hoạt động dán, hình thành, kết hợp và lắp ráp thay vì chỉ dựa vào kiểm tra cuối dây chuyền.
Một hệ thống kiểm tra thị giác công nghiệp thường kết hợp các máy ảnh, ống kính, ánh sáng điều khiển, phần mềm xử lý hình ảnh và một mô hình được đào tạo.,và hệ thống phân tích nó cho các đặc điểm có thể nhìn thấy hoặc sai lệch.
Tùy thuộc vào ứng dụng, kết quả có thể chỉ ra rằng bộ phận có thể chấp nhận được, bị lỗi hoặc cần kiểm tra thủ công.khiếm khuyết bề mặt, vị trí sai hoặc may bất thường.
Không phải tất cả các hệ thống kiểm tra AI đều được đào tạo theo cùng một cách.Những người khác tìm hiểu sự xuất hiện bình thường của một thành phần chấp nhận được và xác định các sai lệch so với tham chiếu đó.
Ví dụ, Siemens cho biết hệ thống Inspekto của mình có thể được cấu hình bằng cách sử dụng một bộ mẫu tương đối nhỏ được chấp nhận, trong khi các mẫu bị lỗi là tùy chọn. Rockwell Automation's FactoryTalk Analytics VisionAI uses a no-code workflow that allows manufacturing and quality personnel to train and deploy inspection models without specialised machine vision programming.
Các công cụ này có thể làm giảm nỗ lực kỹ thuật cần thiết cho một số ứng dụng, nhưng chúng không loại bỏ nhu cầu đánh giá kỹ thuật.chọn phần cứng hình ảnh phù hợp và xác nhận hệ thống bằng cách sử dụng các bộ phận sản xuất thực tế.
Tầm nhìn AI hữu ích nhất khi khiếm khuyết có thể được chụp rõ ràng trong hình ảnh. Phương pháp kiểm tra chính xác phụ thuộc vào tính năng đang được kiểm tra.
| Mất hoặc yêu cầu | Cách tiếp cận thích hợp nhất |
|---|---|
| Chỗ bị thiếu trong một vị trí cố định | Hình ảnh máy thông thường có thể là đủ |
| Các vết trầy xước, đục hoặc vết sơn có thể thay đổi | Kiểm tra thị giác AI có thể xử lý sự thay đổi ngoại hình hiệu quả hơn |
| Thiếu thiết bị buộc, khoan, niêm phong hoặc nhãn | Nhìn thông thường hoặc AI, tùy thuộc vào sự thay đổi mô hình |
| Rạn nứt, nếp nhăn hoặc hình thành biến dạng rõ ràng | Kiểm tra trực quan kết hợp với kiểm tra kích thước và quy trình |
| Chiều cao Burr với dung sai chính xác | Phương pháp đo quang học chuyên môn hoặc kiểm tra vật lý |
| Sự bất thường của hàn hoặc may nhìn thấy được | Kiểm tra trực quan được hỗ trợ bởi các thử nghiệm độ bền, rò rỉ hoặc các thử nghiệm yêu cầu khác |
| Tiếng ồn, rò rỉ, an toàn điện hoặc hiệu suất hoạt động | Kiểm tra chức năng thay vì kiểm tra trực quan |
Các tủ, tấm cửa, bảng điều khiển và các thành phần trang trí có thể nhìn thấy được bởi khách hàng.Vết bẩn và hư hỏng lớp phủ có thể dẫn đến từ chối ngay cả khi bộ phận vẫn có thể sử dụng về mặt cấu trúc.
Kiểm tra thị giác AI có thể giúp sàng lọc các bộ phận này một cách nhất quán hơn vì các khiếm khuyết bề mặt khác nhau về chiều dài, hướng và vị trí.,Bảng phủ và bề mặt cong có thể giống như khiếm khuyết, vì vậy hình học chiếu sáng và góc máy ảnh phải được thiết kế xung quanh vật liệu và bề mặt thực tế.
Các tấm thiết bị được đóng dấu có chứa lỗ và cắt đứt cho các bộ buộc, bản lề, dây điện, cảm biến và niêm phong. Một tính năng bị thiếu hoặc không chính xác có thể không được phát hiện cho đến khi một thành phần khác không phù hợp.
Đối với một bộ phận ổn định được trình bày trong một vị trí cố định, hình ảnh máy thông thường thường là giải pháp đơn giản hơn.AI có thể hữu ích khi nhiều biến thể sản phẩm chia sẻ một đường hoặc khi những thay đổi bình thường trong phản xạ và vị trí làm cho ngưỡng cố định không đáng tin cậy.
Hình vẽ sâu, cong và uốn cong có thể tạo ra các vết nứt, nếp nhăn, biến dạng hoặc biến dạng bất thường.giúp ngăn chặn các bộ phận không phù hợp từ các hoạt động sau.
Nó không thể đo trực tiếp căng thẳng ẩn, thiệt hại vật liệu bên trong hoặc mọi trường hợp mỏng quá mức.xác nhận quy trình và đo kích thước hoặc độ dày vẫn cần thiết khi các đặc điểm đó ảnh hưởng đến chất lượng sản phẩm.
Máy giặt, bồn rửa chén, tủ và các tập hợp khác có thể sử dụng hàn, khớp, cuộn hoặc khóa.sắp xếp, phun nước, khoảng trống, biến dạng và vị trí khớp không chính xác.
Ví dụ như giải pháp Bead Eye của Panasonic Connect,kết hợp so sánh với dữ liệu chính và kiểm tra hỗ trợ AI để tự động hóa kiểm tra trực quan các hạt hàn và lưu trữ kết quả kiểm tra để có thể truy xuất lạiPanasonic cũng tuyên bố rằng các khiếm khuyết bên trong và không đủ thâm nhập không thể xác định từ ngoại hình hạt nằm ngoài phạm vi kiểm tra trực quan này.
Nguyên tắc tương tự cũng áp dụng trong sản xuất thiết bị: ngoại hình chấp nhận không tự động xác nhận sức mạnh hàn, tính toàn vẹn của đường may hoặc độ kín.Các nhà sản xuất vẫn có thể yêu cầu thử nghiệm phá hủy, thử lực, thử rò rỉ hoặc phương pháp xác minh khác.
Trong quá trình lắp ráp, máy ảnh có thể kiểm tra sự hiện diện, định hướng và vị trí của các ốc vít, kẹp, niêm phong, đầu nối, nhãn, tay cầm, bản lề và trang trí.
Điều này đặc biệt hữu ích đối với các dòng mô hình hỗn hợp, nơi các thiết bị trông giống nhau có thể yêu cầu các bộ phận khác nhau.Nếu tham chiếu sai được chọn, hệ thống có thể từ chối một tập hợp chính xác hoặc cho phép một sai.
Máy ảnh truyền thống theo các quy tắc được xác định dựa trên các cạnh, độ tương phản, màu sắc, vị trí, kích thước hoặc hình học.Các thành phần được định vị nhất quán và các giới hạn chấp nhận được thể hiện dưới dạng các quy tắc cố định.
Ví dụ, kiểm tra xem có một lỗ tròn tồn tại ở một vị trí được biết không, có thể không cần mô hình AI.Một thuật toán thông thường thường có thể thực hiện nhiệm vụ một cách hiệu quả và tương đối dễ dàng để xác nhận.
Kiểm tra được hỗ trợ bởi AI trở nên hữu ích hơn khi ngoại hình bình thường thay đổi hoặc khi một khiếm khuyết khó mô tả với ngưỡng cố định.Các vết nứt có thể xuất hiện khác nhau dưới sự phản chiếu thay đổiCác hạt hàn có thể cho thấy sự thay đổi tự nhiên chấp nhận được trong khi vẫn chứa các vùng bất thường.
Do đó, AI không tự động là lựa chọn tiên tiến hoặc phù hợp hơn.giải pháp hiệu quả nhất kết hợp tầm nhìn máy thông thường cho các kiểm tra hình học ổn định với các mô hình AI cho các khiếm khuyết ngoại hình biến đổi hơn.
Vị trí của trạm kiểm tra có thể quan trọng như phần mềm.
Sau khi đóng dấu hoặc hình thành, kiểm tra có thể xác định lỗ bị thiếu, cắt không chính xác, nếp nhăn nghiêm trọng, vết nứt có thể nhìn thấy và thiệt hại bề mặt trước khi sơn hoặc lắp ráp thêm chi phí.
Trước khi hàn hoặc lắp ráp, máy ảnh có thể xác nhận rằng các bộ phận chính xác có mặt và được đặt đúng vị trí.Điều này làm giảm nguy cơ lắp ráp không chính xác và cũng có thể bảo vệ vật cố định và thiết bị kết nối khỏi các thành phần được tải không chính xác.
Sau khi hàn, may hoặc khớp, một hệ thống có thể kiểm tra vị trí khớp, tính liên tục có thể nhìn thấy, sự sắp xếp, các điểm kết nối bị thiếu và biến dạng quá mức.Các tiêu chí chấp nhận nên được thỏa thuận với các kỹ sư chịu trách nhiệm cho quá trình kết nối.
Ở cuối đường dây, camera có thể kiểm tra thiệt hại bên ngoài, khoảng trống bảng điều khiển, sắp xếp cửa, nhãn, trang trí và các lỗi lắp ráp có thể nhìn thấy.Kiểm tra cuối cùng vẫn cần thiết vì xử lý và lắp ráp có thể gây ra thiệt hại mới, nhưng nó không nên là điểm đầu tiên mà mọi khiếm khuyết được kiểm tra.
Việc phát hiện sớm cũng giúp các nhà sản xuất tránh thêm giá trị cho một bộ phận bị lỗi. Quan trọng hơn, kết quả kiểm tra lặp đi lặp lại có thể tiết lộ những thay đổi trong quá trình sản xuất.Một sự gia tăng vết trầy xước có thể cho thấy một vấn đề chuyển hoặc xử lýCác khiếm khuyết lỗ lặp đi lặp lại có thể chỉ ra sự mài mòn, biến đổi cấp hoặc điều kiện ép.
Hình ảnh kiểm tra cũng có thể được kết nối với mô hình sản phẩm, lô, ngày, đường dây, trạm, ca chuyển và loại lỗi.so sánh điều kiện sản xuất và xác định xem một vấn đề có đơn lẻ hay tái phát.
Giá trị lớn nhất đến khi dữ liệu kiểm tra hỗ trợ hành động khắc phục.
Hình ảnh kém tạo ra kết quả không đáng tin cậy. Một trạm kiểm tra thực tế đòi hỏi độ phân giải máy ảnh phù hợp, ánh sáng được kiểm soát, vị trí bộ phận lặp lại, bảo vệ khỏi rung động và ô nhiễm,và một cái nhìn rõ ràng về các tính năng được kiểm traNgay cả một mô hình tiên tiến cũng không thể phân tích thông tin mà máy ảnh không thể chụp được.
Dữ liệu đào tạo cũng phải phản ánh sản xuất thực tế. hình ảnh nên bao gồm sự khác biệt thực tế trong mô hình sản phẩm, vật liệu, kết thúc bề mặt, phản xạ và vị trí bộ phận,cùng với các ví dụ xác nhận về các điều kiện chấp nhận được và lỗiMột hệ thống chỉ được thử nghiệm trên các mẫu trình diễn được lựa chọn cẩn thận có thể cư xử khác nhau trên dây chuyền sản xuất.
Các nhà sản xuất cũng phải xem xét hai lỗi khác nhau. Một sự từ chối sai xảy ra khi một bộ phận chấp nhận được phân loại là bị lỗi. Một lỗi bỏ qua xảy ra khi một bộ phận bị lỗi được chấp nhận.Sự cân bằng thích hợp phụ thuộc vào chi phí và rủi ro của khiếm khuyết; một dấu hiệu mỹ phẩm nhỏ và một thành phần liên quan đến an toàn bị thiếu không nên sử dụng cùng một ngưỡng quyết định.
Quan trọng nhất, kiểm tra trực quan không ổn định quá trình sản xuất. Nếu một cái chết đóng dấu bị mòn, hệ thống cấp không nhất quán hoặc một vật cố định hàn không phù hợp,lắp đặt một máy ảnh khác không khắc phục nguyên nhân.
Trong sản xuất kim loại ván, độ tin cậy kiểm tra liên quan chặt chẽ đến thiết kế matrix, tình trạng công cụ, sự ổn định của máy ép, tính nhất quán vật liệu, bôi trơn, độ chính xác cấp và xử lý bộ phận.
Vì vậy, chuỗi chất lượng thực tế là:
Công cụ đáng tin cậy → sản xuất ổn định → kiểm tra hiệu quả → dữ liệu có thể truy xuất → cải tiến quy trình
Kiểm tra thị giác AI thuộc về chuỗi này. Nó không thay thế các giai đoạn trước đó.
Các nhà sản xuất không cần phải tự động hóa tất cả các kiểm tra trực quan cùng một lúc.
Bắt đầu với một khiếm khuyết có thể nhìn thấy, lặp đi lặp lại và đủ tốn kém để biện minh cho kiểm tra tự động.Sau đó thu thập hình ảnh từ điều kiện sản xuất thực tế thay vì chỉ dựa vào các mẫu lý tưởng.
Cuối cùng, quyết định điều gì sẽ xảy ra khi hệ thống xác định một vấn đề. Phản ứng có thể là từ chối hoặc đánh dấu bộ phận, cảnh báo một nhà điều hành, dừng quá trình, lưu hình ảnh hoặc yêu cầu xác nhận bằng tay.
Các khiếm khuyết lặp đi lặp lại cũng nên kích hoạt việc xem xét lại các dữ liệu về công cụ, thiết bị, vật liệu và quy trình.
Trước khi áp dụng, các nhà sản xuất nên có thể trả lời các câu hỏi sau:
Kiểm tra thị giác AI có thể cải thiện kiểm soát chất lượng trong sản xuất thiết bị gia dụng khi được áp dụng cho một vấn đề thị giác được xác định rõ ràng và được xác nhận trong điều kiện sản xuất thực tế.Nó có thể hỗ trợ các quyết định nhất quán hơn, phát hiện lỗi sớm hơn và khả năng truy xuất dấu vết tốt hơn, đặc biệt là trên các dây chuyền sản xuất tự động và mô hình hỗn hợp.
Cuối cùng, kiểm tra là mạnh mẽ nhất khi kết hợp với công cụ ổn định và quy trình sản xuất được kiểm soát.nhưng để xây dựng một quy trình sản xuất sản xuất ít hơn của họ.
Kiểm tra chất lượng trong sản xuất thiết bị gia dụng ngày càng trở nên đòi hỏi. máy giặt, tủ lạnh, máy rửa chén, lò và lò vi sóng chứa nhiềuCác thành phần hàn và lắp rápMột vết trầy xước trên một tấm cửa có thể ảnh hưởng đến sự xuất hiện của thiết bị hoàn thành, trong khi một lỗ bị thiếu,Nắp đặt không chính xác hoặc may bị lỗi có thể làm gián đoạn lắp ráp hoặc tạo ra vấn đề độ tin cậy sau này trong cuộc sống của sản phẩm.
Kiểm tra thị giác AI đang bắt đầu hỗ trợ các nhà sản xuất trong môi trường này.Haier đã báo cáo vào tháng 6 năm 2026 rằng kiểm tra trực quan và phát hiện tiếng ồn âm được hỗ trợ bởi AI đã được triển khai trên tất cả các dây chuyền sản xuất tại khu công nghiệp Thái Lan của mìnhVào tháng 3 năm 2026, Panasonic Holdings cũng công bố cấp phép toàn cầu cho một nền tảng kiểm tra thị giác AI được thiết kế cho các ứng dụng bao gồm kiểm tra chất lượng dây chuyền sản xuất.Các nhà cung cấp tự động hóa như Siemens và Rockwell Automation bây giờ cung cấp các hệ thống thị giác máy được hỗ trợ AI cho sử dụng công nghiệp.
Vì vậy, đối với các nhà sản xuất thiết bị, câu hỏi quan trọng không phải là liệu tầm nhìn AI có ấn tượng hay không.sớm hơn và có khả năng theo dõi tốt hơn so với phương pháp hiện tại.
Một nhà máy thiết bị hiện đại có thể sản xuất nhiều công suất và cấu hình của cùng một sản phẩm.Kích thước tủ và cấu trúc cửaMột dòng tủ lạnh có thể tạo ra một số sắp xếp cửa, thiết kế lót và hệ thống kệ.
Sự thay đổi sản phẩm này tạo ra ba thách thức thực tế.
Đầu tiên, ngoại hình dự kiến của một thành phần có thể thay đổi giữa các mô hình.Vì vậy, hệ thống kiểm tra phải sử dụng đúng tham chiếu sản phẩm vào đúng thời điểm.
Thứ hai, tốc độ sản xuất hạn chế thời gian có sẵn cho kiểm tra thủ công. Các thanh tra có thể kiểm tra hàng trăm hoặc hàng ngàn bộ phận tương tự trong một ca.Tốc độ đường dây và sự khác biệt trong phán đoán cá nhân có thể ảnh hưởng đến tính nhất quán của các quyết định trực quan.
Thứ ba, một khiếm khuyết trở nên đắt hơn khi các thành phần di chuyển thông qua sản xuất. Một bảng đóng dấu bị lỗi có thể bị từ chối ngay sau khi ép.hàn và lắp ráp, nhà sản xuất đã thêm nhiều vật liệu, lao động và thời gian máy cho một bộ phận không thể sử dụng.
Đây là lý do tại sao nhiều nhà sản xuất đang di chuyển kiểm tra gần hơn đến các hoạt động dán, hình thành, kết hợp và lắp ráp thay vì chỉ dựa vào kiểm tra cuối dây chuyền.
Một hệ thống kiểm tra thị giác công nghiệp thường kết hợp các máy ảnh, ống kính, ánh sáng điều khiển, phần mềm xử lý hình ảnh và một mô hình được đào tạo.,và hệ thống phân tích nó cho các đặc điểm có thể nhìn thấy hoặc sai lệch.
Tùy thuộc vào ứng dụng, kết quả có thể chỉ ra rằng bộ phận có thể chấp nhận được, bị lỗi hoặc cần kiểm tra thủ công.khiếm khuyết bề mặt, vị trí sai hoặc may bất thường.
Không phải tất cả các hệ thống kiểm tra AI đều được đào tạo theo cùng một cách.Những người khác tìm hiểu sự xuất hiện bình thường của một thành phần chấp nhận được và xác định các sai lệch so với tham chiếu đó.
Ví dụ, Siemens cho biết hệ thống Inspekto của mình có thể được cấu hình bằng cách sử dụng một bộ mẫu tương đối nhỏ được chấp nhận, trong khi các mẫu bị lỗi là tùy chọn. Rockwell Automation's FactoryTalk Analytics VisionAI uses a no-code workflow that allows manufacturing and quality personnel to train and deploy inspection models without specialised machine vision programming.
Các công cụ này có thể làm giảm nỗ lực kỹ thuật cần thiết cho một số ứng dụng, nhưng chúng không loại bỏ nhu cầu đánh giá kỹ thuật.chọn phần cứng hình ảnh phù hợp và xác nhận hệ thống bằng cách sử dụng các bộ phận sản xuất thực tế.
Tầm nhìn AI hữu ích nhất khi khiếm khuyết có thể được chụp rõ ràng trong hình ảnh. Phương pháp kiểm tra chính xác phụ thuộc vào tính năng đang được kiểm tra.
| Mất hoặc yêu cầu | Cách tiếp cận thích hợp nhất |
|---|---|
| Chỗ bị thiếu trong một vị trí cố định | Hình ảnh máy thông thường có thể là đủ |
| Các vết trầy xước, đục hoặc vết sơn có thể thay đổi | Kiểm tra thị giác AI có thể xử lý sự thay đổi ngoại hình hiệu quả hơn |
| Thiếu thiết bị buộc, khoan, niêm phong hoặc nhãn | Nhìn thông thường hoặc AI, tùy thuộc vào sự thay đổi mô hình |
| Rạn nứt, nếp nhăn hoặc hình thành biến dạng rõ ràng | Kiểm tra trực quan kết hợp với kiểm tra kích thước và quy trình |
| Chiều cao Burr với dung sai chính xác | Phương pháp đo quang học chuyên môn hoặc kiểm tra vật lý |
| Sự bất thường của hàn hoặc may nhìn thấy được | Kiểm tra trực quan được hỗ trợ bởi các thử nghiệm độ bền, rò rỉ hoặc các thử nghiệm yêu cầu khác |
| Tiếng ồn, rò rỉ, an toàn điện hoặc hiệu suất hoạt động | Kiểm tra chức năng thay vì kiểm tra trực quan |
Các tủ, tấm cửa, bảng điều khiển và các thành phần trang trí có thể nhìn thấy được bởi khách hàng.Vết bẩn và hư hỏng lớp phủ có thể dẫn đến từ chối ngay cả khi bộ phận vẫn có thể sử dụng về mặt cấu trúc.
Kiểm tra thị giác AI có thể giúp sàng lọc các bộ phận này một cách nhất quán hơn vì các khiếm khuyết bề mặt khác nhau về chiều dài, hướng và vị trí.,Bảng phủ và bề mặt cong có thể giống như khiếm khuyết, vì vậy hình học chiếu sáng và góc máy ảnh phải được thiết kế xung quanh vật liệu và bề mặt thực tế.
Các tấm thiết bị được đóng dấu có chứa lỗ và cắt đứt cho các bộ buộc, bản lề, dây điện, cảm biến và niêm phong. Một tính năng bị thiếu hoặc không chính xác có thể không được phát hiện cho đến khi một thành phần khác không phù hợp.
Đối với một bộ phận ổn định được trình bày trong một vị trí cố định, hình ảnh máy thông thường thường là giải pháp đơn giản hơn.AI có thể hữu ích khi nhiều biến thể sản phẩm chia sẻ một đường hoặc khi những thay đổi bình thường trong phản xạ và vị trí làm cho ngưỡng cố định không đáng tin cậy.
Hình vẽ sâu, cong và uốn cong có thể tạo ra các vết nứt, nếp nhăn, biến dạng hoặc biến dạng bất thường.giúp ngăn chặn các bộ phận không phù hợp từ các hoạt động sau.
Nó không thể đo trực tiếp căng thẳng ẩn, thiệt hại vật liệu bên trong hoặc mọi trường hợp mỏng quá mức.xác nhận quy trình và đo kích thước hoặc độ dày vẫn cần thiết khi các đặc điểm đó ảnh hưởng đến chất lượng sản phẩm.
Máy giặt, bồn rửa chén, tủ và các tập hợp khác có thể sử dụng hàn, khớp, cuộn hoặc khóa.sắp xếp, phun nước, khoảng trống, biến dạng và vị trí khớp không chính xác.
Ví dụ như giải pháp Bead Eye của Panasonic Connect,kết hợp so sánh với dữ liệu chính và kiểm tra hỗ trợ AI để tự động hóa kiểm tra trực quan các hạt hàn và lưu trữ kết quả kiểm tra để có thể truy xuất lạiPanasonic cũng tuyên bố rằng các khiếm khuyết bên trong và không đủ thâm nhập không thể xác định từ ngoại hình hạt nằm ngoài phạm vi kiểm tra trực quan này.
Nguyên tắc tương tự cũng áp dụng trong sản xuất thiết bị: ngoại hình chấp nhận không tự động xác nhận sức mạnh hàn, tính toàn vẹn của đường may hoặc độ kín.Các nhà sản xuất vẫn có thể yêu cầu thử nghiệm phá hủy, thử lực, thử rò rỉ hoặc phương pháp xác minh khác.
Trong quá trình lắp ráp, máy ảnh có thể kiểm tra sự hiện diện, định hướng và vị trí của các ốc vít, kẹp, niêm phong, đầu nối, nhãn, tay cầm, bản lề và trang trí.
Điều này đặc biệt hữu ích đối với các dòng mô hình hỗn hợp, nơi các thiết bị trông giống nhau có thể yêu cầu các bộ phận khác nhau.Nếu tham chiếu sai được chọn, hệ thống có thể từ chối một tập hợp chính xác hoặc cho phép một sai.
Máy ảnh truyền thống theo các quy tắc được xác định dựa trên các cạnh, độ tương phản, màu sắc, vị trí, kích thước hoặc hình học.Các thành phần được định vị nhất quán và các giới hạn chấp nhận được thể hiện dưới dạng các quy tắc cố định.
Ví dụ, kiểm tra xem có một lỗ tròn tồn tại ở một vị trí được biết không, có thể không cần mô hình AI.Một thuật toán thông thường thường có thể thực hiện nhiệm vụ một cách hiệu quả và tương đối dễ dàng để xác nhận.
Kiểm tra được hỗ trợ bởi AI trở nên hữu ích hơn khi ngoại hình bình thường thay đổi hoặc khi một khiếm khuyết khó mô tả với ngưỡng cố định.Các vết nứt có thể xuất hiện khác nhau dưới sự phản chiếu thay đổiCác hạt hàn có thể cho thấy sự thay đổi tự nhiên chấp nhận được trong khi vẫn chứa các vùng bất thường.
Do đó, AI không tự động là lựa chọn tiên tiến hoặc phù hợp hơn.giải pháp hiệu quả nhất kết hợp tầm nhìn máy thông thường cho các kiểm tra hình học ổn định với các mô hình AI cho các khiếm khuyết ngoại hình biến đổi hơn.
Vị trí của trạm kiểm tra có thể quan trọng như phần mềm.
Sau khi đóng dấu hoặc hình thành, kiểm tra có thể xác định lỗ bị thiếu, cắt không chính xác, nếp nhăn nghiêm trọng, vết nứt có thể nhìn thấy và thiệt hại bề mặt trước khi sơn hoặc lắp ráp thêm chi phí.
Trước khi hàn hoặc lắp ráp, máy ảnh có thể xác nhận rằng các bộ phận chính xác có mặt và được đặt đúng vị trí.Điều này làm giảm nguy cơ lắp ráp không chính xác và cũng có thể bảo vệ vật cố định và thiết bị kết nối khỏi các thành phần được tải không chính xác.
Sau khi hàn, may hoặc khớp, một hệ thống có thể kiểm tra vị trí khớp, tính liên tục có thể nhìn thấy, sự sắp xếp, các điểm kết nối bị thiếu và biến dạng quá mức.Các tiêu chí chấp nhận nên được thỏa thuận với các kỹ sư chịu trách nhiệm cho quá trình kết nối.
Ở cuối đường dây, camera có thể kiểm tra thiệt hại bên ngoài, khoảng trống bảng điều khiển, sắp xếp cửa, nhãn, trang trí và các lỗi lắp ráp có thể nhìn thấy.Kiểm tra cuối cùng vẫn cần thiết vì xử lý và lắp ráp có thể gây ra thiệt hại mới, nhưng nó không nên là điểm đầu tiên mà mọi khiếm khuyết được kiểm tra.
Việc phát hiện sớm cũng giúp các nhà sản xuất tránh thêm giá trị cho một bộ phận bị lỗi. Quan trọng hơn, kết quả kiểm tra lặp đi lặp lại có thể tiết lộ những thay đổi trong quá trình sản xuất.Một sự gia tăng vết trầy xước có thể cho thấy một vấn đề chuyển hoặc xử lýCác khiếm khuyết lỗ lặp đi lặp lại có thể chỉ ra sự mài mòn, biến đổi cấp hoặc điều kiện ép.
Hình ảnh kiểm tra cũng có thể được kết nối với mô hình sản phẩm, lô, ngày, đường dây, trạm, ca chuyển và loại lỗi.so sánh điều kiện sản xuất và xác định xem một vấn đề có đơn lẻ hay tái phát.
Giá trị lớn nhất đến khi dữ liệu kiểm tra hỗ trợ hành động khắc phục.
Hình ảnh kém tạo ra kết quả không đáng tin cậy. Một trạm kiểm tra thực tế đòi hỏi độ phân giải máy ảnh phù hợp, ánh sáng được kiểm soát, vị trí bộ phận lặp lại, bảo vệ khỏi rung động và ô nhiễm,và một cái nhìn rõ ràng về các tính năng được kiểm traNgay cả một mô hình tiên tiến cũng không thể phân tích thông tin mà máy ảnh không thể chụp được.
Dữ liệu đào tạo cũng phải phản ánh sản xuất thực tế. hình ảnh nên bao gồm sự khác biệt thực tế trong mô hình sản phẩm, vật liệu, kết thúc bề mặt, phản xạ và vị trí bộ phận,cùng với các ví dụ xác nhận về các điều kiện chấp nhận được và lỗiMột hệ thống chỉ được thử nghiệm trên các mẫu trình diễn được lựa chọn cẩn thận có thể cư xử khác nhau trên dây chuyền sản xuất.
Các nhà sản xuất cũng phải xem xét hai lỗi khác nhau. Một sự từ chối sai xảy ra khi một bộ phận chấp nhận được phân loại là bị lỗi. Một lỗi bỏ qua xảy ra khi một bộ phận bị lỗi được chấp nhận.Sự cân bằng thích hợp phụ thuộc vào chi phí và rủi ro của khiếm khuyết; một dấu hiệu mỹ phẩm nhỏ và một thành phần liên quan đến an toàn bị thiếu không nên sử dụng cùng một ngưỡng quyết định.
Quan trọng nhất, kiểm tra trực quan không ổn định quá trình sản xuất. Nếu một cái chết đóng dấu bị mòn, hệ thống cấp không nhất quán hoặc một vật cố định hàn không phù hợp,lắp đặt một máy ảnh khác không khắc phục nguyên nhân.
Trong sản xuất kim loại ván, độ tin cậy kiểm tra liên quan chặt chẽ đến thiết kế matrix, tình trạng công cụ, sự ổn định của máy ép, tính nhất quán vật liệu, bôi trơn, độ chính xác cấp và xử lý bộ phận.
Vì vậy, chuỗi chất lượng thực tế là:
Công cụ đáng tin cậy → sản xuất ổn định → kiểm tra hiệu quả → dữ liệu có thể truy xuất → cải tiến quy trình
Kiểm tra thị giác AI thuộc về chuỗi này. Nó không thay thế các giai đoạn trước đó.
Các nhà sản xuất không cần phải tự động hóa tất cả các kiểm tra trực quan cùng một lúc.
Bắt đầu với một khiếm khuyết có thể nhìn thấy, lặp đi lặp lại và đủ tốn kém để biện minh cho kiểm tra tự động.Sau đó thu thập hình ảnh từ điều kiện sản xuất thực tế thay vì chỉ dựa vào các mẫu lý tưởng.
Cuối cùng, quyết định điều gì sẽ xảy ra khi hệ thống xác định một vấn đề. Phản ứng có thể là từ chối hoặc đánh dấu bộ phận, cảnh báo một nhà điều hành, dừng quá trình, lưu hình ảnh hoặc yêu cầu xác nhận bằng tay.
Các khiếm khuyết lặp đi lặp lại cũng nên kích hoạt việc xem xét lại các dữ liệu về công cụ, thiết bị, vật liệu và quy trình.
Trước khi áp dụng, các nhà sản xuất nên có thể trả lời các câu hỏi sau:
Kiểm tra thị giác AI có thể cải thiện kiểm soát chất lượng trong sản xuất thiết bị gia dụng khi được áp dụng cho một vấn đề thị giác được xác định rõ ràng và được xác nhận trong điều kiện sản xuất thực tế.Nó có thể hỗ trợ các quyết định nhất quán hơn, phát hiện lỗi sớm hơn và khả năng truy xuất dấu vết tốt hơn, đặc biệt là trên các dây chuyền sản xuất tự động và mô hình hỗn hợp.
Cuối cùng, kiểm tra là mạnh mẽ nhất khi kết hợp với công cụ ổn định và quy trình sản xuất được kiểm soát.nhưng để xây dựng một quy trình sản xuất sản xuất ít hơn của họ.
