Визуальный контроль качества часто держится на внимательности человека. Контролёр смотрит изделие, сравнивает с нормой, замечает дефект, решает, что делать дальше. Такой подход может работать годами, но у него есть предел: усталость, разная трактовка дефекта, высокая скорость линии, спорные случаи и позднее обнаружение проблемы.
Автоматизация визуального контроля нужна не для того, чтобы “поставить камеру”. Камера сама по себе не управляет качеством. Польза появляется, когда система видит нужный признак, фиксирует событие, связывает его с партией и передаёт сигнал туда, где по нему принимают решение.
Сначала признак
Проект начинается с ответа на простой вопрос: что именно нужно видеть. Царапину, пятно, смещение, коробление, отсутствие детали, неправильную сборку, нарушение формы, загрязнение, повреждение упаковки. Если признак описан расплывчато, система будет спорить с людьми так же, как люди спорили между собой.
Нужно определить норму и отклонение. Где допустимый разброс, где дефект, что делать со спорным случаем. Иногда для этого приходится пересмотреть правила ОТК. Это нормальная часть работы: автоматизация быстро показывает, что часть критериев раньше держалась на опыте конкретного контролёра.
Условия съёмки
Визуальный контроль зависит от света, расстояния, положения изделия, скорости движения, фона, бликов, пыли и вибрации. Один и тот же дефект может быть хорошо виден утром и почти исчезать при другом освещении. Поэтому точку контроля нужно проверять на линии, а не только в кабинете по фотографиям.
Для решений на базе визуальных датчиков это особенно заметно. Устройство создаётся под задачу: камера, свет, корпус, крепление, алгоритм, реакция на сигнал. Если не продумать физические условия, даже хорошая модель будет ошибаться.
Данные и обучение
Если используется искусственный интеллект, нужны реальные примеры. Нормальные изделия, дефектные изделия, разные партии, спорные варианты, разные режимы линии. Чем больше различий в материале и условиях, тем осторожнее нужно собирать выборку.
Разметка должна быть согласованной. Если один специалист считает пятно дефектом, а другой допускает изделие, модель получит противоречивые ответы. В таких случаях сначала нужно договориться о правилах качества, а уже потом обучать систему.
Сигнал без процесса
Самая частая ошибка - система нашла дефект, но дальше ничего не изменилось. Оператор увидел сигнал, записал на бумаге, потом передал мастеру, затем данные вручную попали в отчёт. В таком сценарии автоматизация только ускорила обнаружение, но не убрала ручной разрыв.
Событие должно попадать в систему контроля качества или производственную систему: тип дефекта, изображение, время, линия, партия, статус изделия, ответственный. Тогда визуальный контроль становится частью маршрута качества, а не отдельной лампочкой на линии.
Связь с производством
Дефект влияет не только на ОТК. Он может остановить участок, отправить партию на доработку, изменить сменный план, потребовать проверки оборудования или сырья. Поэтому визуальный контроль должен быть связан с производственным контекстом.
В связке с MES событие можно привязать к операции, смене и заданию. В связке с QAS - к решению по качеству. В связке с ERP - к партии, складу и заказу. Чем меньше ручного переноса между этими слоями, тем быстрее предприятие понимает, что произошло.
Ошибки запуска
- Выбирать камеру до описания дефекта и точки контроля.
- Обучать систему на красивых примерах, которые не похожи на реальную линию.
- Не хранить изображение спорного случая вместе с событием качества.
- Не продумать, кто подтверждает отбраковку и кто отвечает за ложные срабатывания.
- Считать успехом сам факт распознавания, хотя сигнал не влияет на процесс.
Как оценивать пользу
Польза визуального контроля измеряется не количеством камер. Смотреть стоит на другое: дефект находят раньше, меньше спорных изделий проходит дальше, быстрее разбирают причины, меньше ручного просмотра, понятнее связь дефекта с партией и операцией.
Иногда после запуска количество зафиксированных дефектов растёт. Это не всегда плохой признак. Возможно, предприятие наконец увидело то, что раньше терялось между сменами. Плохой признак другой: система видит дефекты, но производство не меняет реакцию.
С чего начать
- Выбрать один вид дефекта с понятной ценой ошибки.
- Проверить, виден ли он в стабильных условиях на линии.
- Собрать реальные изображения нормальных и проблемных изделий.
- Описать реакцию: сигнал, статус, отбраковка, доработка или остановка.
- Связать событие с партией, сменой и системой качества.
Визуальный контроль качества становится полезным, когда он встроен в автоматизацию производства. Не камера ради камеры, а раннее выявление отклонения и понятное действие после него.