Перейти к содержанию

Контроль качества на линии

Контроль качества на линии: обложка кейса

Визуальный анализ каждой единицы на конвейере и автоматическая отбраковка

Клиент
Под NDA
Сфера
Промышленность и контроль качества
Что делали
  • Компьютерное зрение
  • Интеграция с производственной линией
  • Отчётность

Суть. Проверять каждое изделие на конвейере, а не выборку: камера находит визуальный дефект, и линия сама снимает эту единицу.

Введение

Контроль качества на линии был ручным: контролёр смотрел на поток изделий и снимал дефектные. На рабочей скорости конвейера человек не успевает рассмотреть каждую единицу, к концу смены внимание падает, и часть брака уходила к клиенту, а с ней возвраты и претензии.

Мы поставили камеры над линией и обучили модель на дефектах этого производства. Каждое изделие проверяется в движении, результат проверки управляет отбраковщиком, а по сменам собирается отчёт со снимками дефектов.


Боль - запрос

  • Контролёр не успевает за скоростью линии.

    Проверка каждой единицы на рабочей скорости.

  • Брак доходит до клиента.

    Автоматическая отбраковка прямо на линии.

  • Качество контроля зависит от смены и усталости.

    Одинаковые критерии в любую смену.

  • Нет статистики, какие дефекты и когда появляются.

    Отчёт по сменам со снимками дефектов.


Описание проекта

Система встроена в саму линию: съёмка, решение и отбраковка происходят, пока изделие движется по конвейеру, без остановок и отдельного поста контроля.

  • Съёмка. Камеры и подсветка над линией, синхронизация кадра с движением конвейера.
  • Модель дефектов. Обучена на снимках изделий этого производства: сколы, трещины, деформация, загрязнения, дефекты упаковки.
  • Отбраковка. Сигнал уходит на исполнительный механизм, и он снимает изделие с линии.
  • Отчётность. По каждой смене: число проверенных изделий, доля брака, снимки дефектов.

Архитектура решения

Как система выглядит в работе. Ниже - откуда она берёт данные, где их обрабатывает и куда отдаёт результат.

Конвейер с деталями: камера с подсветкой над линией, деталь со сколом в рамке, рядом отбраковщикКамера и подсветка над линиейскол кромки · 93%Отбраковщик по сигналу ПЛК
  • Камера и подсветка над линией
  • Отбраковщик по сигналу ПЛК

Изделие 381294 · Линия 2 · смена Б

скол кромки брак

уверенность 93% · решение за 48 мс · изделие снято с линии

Решение принимается за доли секунды прямо у линии, поэтому конвейер не замедляется. Снимки не покидают производство.

Полная схема архитектуры и пример события

Съёмка

  • Промышленная камера и подсветканад линией, ровный свет
  • Датчик положениякадр в момент, когда изделие под камерой

Обработка

  • Сервер у линииGPU, без облака и задержек сети
  • Модель дефектовобучена на изделиях этой линии(наша разработка)

Управление

  • ПЛК линиисигнал «брак» по номеру изделия(наша разработка)
  • Отбраковщикснимает изделие с конвейера

Данные

  • Отчёт по сменепроверено, брак, типы дефектов
  • Архив снимков дефектовспорные случаи уходят в дообучение

Так это выглядит в работе

MQTTline-2/inspection/result

event
unit.inspected
line
Линия 2
unit_id
381294
defect
скол кромки
confidence
decision
reject
latency_ms
48
shift
Б
Пример сообщения о проверке изделия: по нему ПЛК включает отбраковщик, а снимок попадает в отчёт смены. Данные обезличены.

Как проходит изделие

  1. Съёмка. Изделие попадает в зону камеры, кадр делается в момент, когда оно точно под объективом.
  2. Анализ. Модель ищет визуальные дефекты за доли секунды.
  3. Решение. Годное изделие идёт дальше, дефектное помечается к отбраковке.
  4. Отбраковка и запись. Механизм снимает изделие с линии, снимок дефекта сохраняется в отчёт смены.

Как обучали модель

Снимки собрали на самой линии, при её освещении и скорости, и разметили дефекты вместе с технологами заказчика. Порог настроили так, как решило производство: лучше снять сомнительное изделие на ручную перепроверку, чем пропустить брак.

Во время пилота система работала в режиме подсказки: решение принимал контролёр, а ответы модели сравнивали с его решениями. Отбраковщик подключили, когда точность подтвердилась на реальном потоке.


Результат проекта

  • В 10 раз быстрее. Контроль идёт в темпе конвейера и быстрее ручного.
  • Каждое изделие. Проверяется весь поток, а не выборка.
  • Брак не доходит до клиента. Дефектные изделия снимаются на линии.
  • Статистика дефектов. Отчёт по сменам показывает, какие дефекты и когда появляются.

Проект в цифрах

Длительность
Около 4 месяцев, включая пилот в режиме подсказки
Команда
  • 1 project manager
  • 1 тимлид data science
  • 2 ML-инженера (компьютерное зрение)
  • 1 инженер АСУ ТП (интеграция с линией)
  • ×10быстрее ручного контроля
  • 100%изделий проверяются, а не выборка
  • Пилотв режиме подсказки до подключения отбраковщика

Технологии и интеграции

  • Детекция и классификация дефектов
  • Промышленные камеры и подсветка
  • Синхронизация с конвейером
  • Интеграция с ПЛК линии
  • Отчёты по сменам

Частые вопросы

  • Какие дефекты находит система?

    Любые видимые: сколы, трещины, деформацию, посторонние включения, дефекты этикетки и упаковки. Перечень дефектов согласуем с технологами до старта.

  • Сколько снимков нужно для обучения?

    Обычно от нескольких сотен примеров на каждый тип дефекта. Снимки собираем на вашей линии во время пилота.

  • Замедлится ли линия?

    Нет. Проверка идёт в движении, решение принимается за доли секунды, конвейер не останавливается.

  • Что если модель ошибётся?

    Порог настраивается: сомнительные изделия можно отправлять на ручную перепроверку. Ошибки попадают в дообучение модели.

Проект под NDA: в публичном тексте только то, что согласовал клиент. Детали внедрения расскажем в переписке.

Обсудим вашузадачу

Вам необязательно иметь чёткую задачу. Оставьте контакты, и мы разберём ваши текущие бизнес-процессы и честно покажем, где внедрение технологий даст реальный финансовый результат.

Связаться с нами

  • Свяжемся в течение дня
  • Подпишем NDA до обсуждения данных
  • Удобнее в мессенджере? Напишите в Telegram