Egy visszatérő selejthiba nemcsak a selejtköltséget növeli. Több javítást, reklamációt, lassabb kiszállítást okozhat, és azt sem mindig könnyű megállapítani, hogy pontosan hol keletkezett a probléma. A minőségellenőrzés automatizálása kamerarendszerrel akkor jelent valódi üzleti értéket, ha mérhetővé és visszakereshetővé tesszük a kritikus minőségi jellemzőket. Nem egyszerűen egy emberi ellenőrzési pont kamerára cseréléséről szól.
Ez különösen ott aktuális, ahol
- nagy a darabszám,
- rövid a ciklusidő,
- több műszak dolgozik,
- vagy a vizuális ellenőrzés eredménye erősen függ az operátor tapasztalatától és figyelmétől.
A kamerás minőségellenőrzés képes következetességet teremteni, de nem minden hibára ez a jó válasz. A jó döntéshez először a gyártási problémát kell pontosan megfogalmazni.
Mire jó igazán egy kamerarendszer a minőségellenőrzés automatizálása során?
A gépi látás legnagyobb előnye, hogy ugyanazt az ellenőrzési szabályt képes ismételni minden darabon, minden műszakban. Tipikus feladat például:
- a hiányzó alkatrész,
- rossz pozíció,
- felületi sérülés,
- címke- vagy karakterhiba,
- színeltérés,
- sorjázási probléma,
- hegesztési hiba
- vagy nem megfelelő összeszerelési sorrend felismerése.
A rendszer az alkatrészről készült képet előre meghatározott képfeldolgozási szabályok vagy betanított modell alapján értékeli. Egyszerűbb esetben azt vizsgálja, hogy egy kontúr, méret, szín vagy pozíció beleesik-e az elfogadható tartományba. Összetettebb feladatoknál mesterséges intelligenciára épülő képosztályozás segíthet elkülöníteni a jó és hibás termékeket, például változatos felületi hibák esetén.
A két megközelítés nem felcserélhető. A szabályalapú vizsgálat jól definiálható hibák esetén általában kiszámíthatóan működtethető és nem igényel tanítóadatokat. Akkor jó választás, ha a hiba és a termék geometriája jól leírható. Az AI alapú megoldás akkor indokolt, ha a hiba megjelenése változatos, a felületek természetes ingadozást mutatnak, vagy a hagyományos képfeldolgozási szabályok túl sok kivételt termelnének. Cserébe tanítóképekre, rendszeres felügyeletre és fegyelmezett változáskezelésre van szükség.
Nem a kamera az első döntés, hanem az ellenőrzési feladat
Sok projekt ott csúszik félre, hogy a vállalat kameratípust vagy AI-funkciót választ, mielőtt tisztázná az ellenőrzés célját. A kiindulópont legyen inkább az, hogy mely hiba okozza a legnagyobb veszteséget. Ez milyen gyakran fordul elő, és a folyamat mely pontján lehet még érdemben beavatkozni.
Ha például a hiba csak a csomagolás után derül ki, a kamerás ellenőrzés beépítése a gyártósor végére már csökkentheti a hibás kiszállítást, de nem feltétlenül csökkenti a selejt keletkezését. Ha viszont a rendszer a szerelési állomás után azonnal jelzi a hiányzó alkatrészt, a termék még javítható, és az adatból a kiváltó ok is feltárható.
A specifikációban nem elég annyit rögzíteni, hogy „karcok felismerése” vagy „címke ellenőrzése”. Meg kell határozni a hibák típusát, legkisebb és legnagyobb méretét, a megengedett tűréseket, a termékvariánsokat, a ciklusidőt, valamint azt is, mi történjen bizonytalan eredmény esetén. A selejtezés, a kézi felülvizsgálat és a gyártási folyamatba történő visszajelzés eltérő megoldást és integrációt igényelhet.
A megvilágítás gyakran fontosabb, mint a kamera felbontása
A kamerás minőségellenőrzésnél a képminőséget nem önmagában a kamera felbontása dönti el. A fény iránya, színe, intenzitása és állandósága sokszor nagyobb hatással van arra, hogy a rendszer képes-e elkülöníteni a hibát a termék természetes mintázatától.
Fényes fémfelületen a tükröződés, változó színű alapanyagnál a kontraszt, áttetsző fóliánál pedig a háttér kialakítása okozhat problémát. Egy laborasztalon jól működő modell ezért könnyen elbukhat a soron, ahol vibráció, por, olajpára, változó környezeti fény és eltérő termékpozíció jelenik meg. A próbaüzemnek ezeket a valós körülményeket kell leképeznie.
A megtérülés nem csak a kiváltott munkaidőből áll
A minőségellenőrzés automatizálásának üzleti indoklásakor gyakori hiba, hogy a számítás kizárólag az ellenőrzést végző dolgozó munkaidejére épül. Ez ritkán mutat teljes képet. A tényleges érték több helyen jelenhet meg: kevesebb selejtben és újramunkában, kisebb reklamációs kitettségben, stabilabb ciklusidőben, gyorsabb gyökérok-elemzésben és jobb auditálhatóságban.
Vegyünk egy tipikus helyzetet: az operátor látja, hogy valami nem stimmel, de a hibás darab már továbbment, a műszak végén pedig nincs elég adat annak megállapítására, hogy melyik gépbeállítás, alapanyag-tétel vagy szerszámállapot okozta az eltérést. A megfelelően kialakított kamerarendszer a vizsgálatok eredményét időbélyeggel, termékazonosítóval és – a rendszer kialakításától függően – a vizsgálati képpel együtt is rögzítheti. Így a minőségügy nem emlékezetekből, hanem konkrét bizonyítékokból dolgozik.
A megtérülési modellben ezért érdemes számszerűsíteni a hibaköltséget darabonként, a reklamációk és visszahívások várható költségét, az újraellenőrzések idejét, valamint a termeléskiesést is. Ugyanakkor reálisan kell kezelni a beruházási oldalt: a kamera, optika és világítás csak egy része a költségnek. A mechanikai kialakítás, a vezérléssel való kapcsolat, a védőburkolat, az adatmentés, a validáció és a karbantartás is a teljes megoldás része.
A kamerarendszer akkor erős, ha kapcsolódik a gyártási adatokhoz
Önmagában egy piros-zöld jelzés is hasznos, de korlátozott értéket ad. A nagyobb eredmény akkor jön, amikor az ellenőrzési eredmények összekapcsolhatók a termékazonosítóval, a gyártási paraméterekkel és az anyagmozgatási adatokkal.
Egy MES rendszerhez vagy termelési adatgyűjtő rendszerhez integrált kamerás állomás például megmutathatja, hogy egy adott hibatípus melyik gépnél, szerszámnál, beszállítói tételnél vagy műszakban sűrűsödik. Ha a termék RFID-val, vonalkóddal vagy más egyedi azonosítóval követhető, a hibás darab útja és az érintett gyártási előzmények is visszakereshetők.
Ez nem azt jelenti, hogy minden projekthez teljes MES bevezetés szükséges. Egy kisebb üzem számára már az is előrelépés lehet, ha a rendszer strukturáltan naplózza a selejt okait, és a műszakvezető napi riportot kap. Nagyobb, soktermékes gyártásnál viszont az integráció nélkül könnyen újabb elszigetelt adatforrás jön létre, amelyből nehéz vezetői döntést hozni.
Bevezetési buktatók, amelyek a pilot után jelentkeznek
A sikeres bemutató még nem azonos az üzembiztos rendszerrel. A pilot során gyakran csak néhány termékvariáns, tiszta mintadarab és ideális megvilágítás szerepel. Éles üzemben megjelennek a szerszámkopásból eredő eltérések, a beszállítói anyagok természetes szórása, a nem tökéletes pozicionálás és a kezelői beavatkozások.
Külön figyelmet érdemel a téves selejtezés aránya. Ha a rendszer túl szigorú, jó darabokat dob ki, ez pedig gyorsan aláássa a termelés bizalmát. Ha túl engedékeny, hibás terméket enged át. A küszöbértékek kialakítása ezért nem feltétlenül egyszeri technikai beállítás, hanem minőségügyi és termelési döntés. Kell egy világos eljárás arra is, hogyan vizsgálják felül a kétes eseteket, és ki módosíthatja a paramétereket.
A rendszer üzemeltetésének és karbantartásának felelősségét már induláskor ki kell jelölni. Ki tisztítja az optikát? Ki ellenőrzi, hogy a világítás teljesítménye nem változott? Ki kezeli az új termékvariánsokat? Ki jogosult a modell újratanítására? Ha ezekre nincs válasz, a kezdetben jól működő megoldás fokozatosan pontatlanná válhat.
Így érdemes elindítani a projektet
A legkisebb kockázatot egy jól körülhatárolt, nagy üzleti hatású ellenőrzési pont kiválasztása jelenti. Nem feltétlenül a leglátványosabb hiba a legjobb kezdés, hanem az, ahol rendelkezésre állnak a hibás és jó minták, az ellenőrzési kritérium objektíven leírható, és a beavatkozás még csökkenti a veszteséget.
A pilot előtt gyűjtsenek valós termelési mintákat több műszakból, különböző alapanyag-tételekből és eltérő gépállapotokból. A teszt sikerét ne csak a találati arány alapján értékeljék. Vizsgálják a ciklusidőt, a téves selejtezést, a kezelhetőséget, a rendelkezésre állást és azt is, hogy az eredmény hogyan jut el a megfelelő szereplőhöz.
A kamerarendszer nem csodafegyver a gyártási fegyelem hiányára. Viszont jól kiválasztott feladatra telepítve olyan következetes minőségügyi adatforrássá válhat, amely nemcsak kiszűri a hibát, hanem segít megelőzni a következő hibás darab megszületését is.