
Hat üstünde görsel kalite kontrol: 0,1 saniyede OK / RED
Yüzey hatası, eksik parça ve montaj kontrolünü yapay zekâyla hat üzerinde yapmak. Kamera ve ışık kurulumu, veri toplama, PLC entegrasyonu ve fire oranına etkisi.
Görsel kalite kontrol, üretimin en yorucu işlerinden biridir. Bir operatör saatlerce aynı parçaya bakarak çizik, çapak, eksik vida veya yanlış takılmış bir bileşeni arar. Vardiyanın ikinci yarısında dikkat düşer; kaçan hatalar ya son montajda ya da müşteride ortaya çıkar. Yapay zekâ destekli görsel kontrol, bu tekrarlı işi saniyenin altında ve yorulmadan yapar.
Ne tür hatalar tespit edilebilir?
- Yüzey hataları: Çizik, çatlak, leke, boya akması, çapak.
- Eksik parça / montaj hatası: Vida, klips, conta, etiket eksikliği veya yanlış konum.
- Boyut ve şekil sapması: Referans görüntüye göre belirgin farklılıklar.
- Sınıflandırma: Doğru varyantın doğru hatta olup olmadığı.
Başarının yarısı kurulumdur
Kalite kontrolde model kadar önemli olan, görüntünün kendisidir. Değişken ortam ışığı, titreşim veya yanlış lens, en iyi modeli bile başarısız kılar. Bu yüzden kalite istasyonlarında genellikle:
- Sabit ve kontrollü aydınlatma (halka ışık, difüz panel veya hata tipine göre açılı ışık),
- Parça hızına uygun pozlama ve tetikleme,
- Hata boyutunu yeterli piksel yoğunluğuyla gösteren lens ve mesafe seçilir.
Veri toplama ve model eğitimi
Hazır modeller genel yüzey hatalarında iyi bir başlangıç sunar; ancak her ürün kendine özgüdür. Tipik süreç şöyle işler: Önce hat üzerinden hem sağlam hem hatalı parça görüntüleri toplanır, kalite ekibinizle birlikte hata tipleri tanımlanır ve etiketlenir. Model eğitilir, ayrı bir test verisiyle doğruluğu raporlanır. Canlıya alındıktan sonra yeni hata örnekleri düzenli olarak eklenerek model güncel tutulur.
Karar hatta uygulanmalı
RED kararı panelde kalırsa hatalı parça yine de bir sonraki istasyona geçer. Bu yüzden sistem PLC ile entegre edilir: Hatalı parça bir ayırma mekanizmasıyla hattan alınır veya kritik bir hata tekrarlandığında hat durdurulur. Her karar, görüntüsü ve zaman damgasıyla kaydedilir; kalite ekibi tekrarlayan kontrol yerine kök neden analizine odaklanır.
Detaylı bilgi için Kalite Kontrol çözümümüzü ve özel model eğitimi sürecimizi inceleyebilirsiniz.
Diğer yazılar
Tümü
Yapay zekâ ile KKD tespiti nasıl çalışır?
Baret, yelek, gözlük ve eldiveni kamera görüntüsünden kişi bazında kontrol eden sistemlerin arkasındaki mantık, doğruluğu etkileyen faktörler ve sahada dikkat edilmesi gerekenler.
Yazıyı oku
Forklift – yaya çarpışmalarını görüntü analitiğiyle önlemek
Depo ve üretim alanlarında forklift ile yaya arasındaki mesafeyi kamera üzerinden anlık ölçmek mümkün mü? Kalibrasyon, eşik belirleme ve saha tetikleme üzerine pratik bir rehber.
Yazıyı oku
Edge AI neden önemli? Görüntü tesisten çıkmadan analiz
Yapay zekâ analizini bulutta değil tesis içinde yapmanın gecikme, bant genişliği, süreklilik ve KVKK açısından getirdiği avantajlar; Edge, Cloud ve Hibrit modellerin karşılaştırması.
Yazıyı oku
