0
(0)
کنترل کیفیت با استفاده از هوش مصنوعی

کنترل کیفیت

کنترل کیفیت همیشه دغدغه ی ذاتی تولید و رضایت مشتری بوده است. هدف اصلی تولید، تولید محصولاتی است که مشتریان بتوانند خرید و استفاده کنند. از این رو تولید محصولات مورد نیاز مشتریان با کیفیت مناسب و قیمت مناسب ضروری است.

اتوماسیون عامل بسیار مهمی در صنعت است که منجر به تولید محصول به صورت انبوه می گردد. پس از تولید محصول؛ برای تصمیم گیری در مورد رد یا پذیرش با اندازه گیری پارامترهای کیفی انجام می پذیرد. تقریبا در تمام صنعت برای اندازه گیری پارامترهای کیفی مانند ابعاد و ویژگی های محصول تولیدی بازرسی به صورت دستی انجام می شود. بازرسی دستی زمان بر، پرهزینه، گاهی اوقات دارای خطا است و چنین نوع بازرسی برای اشکال پیچیده بسیار دشوار است و همچنین روش در برخی موارد مخرب. برای غلبه بر این مشکلات ، کنترل کیفیت برای محصولات حساس صنعتی با استفاده از تکنیک های پردازش تصویر امکان پذیر است.

در بسیاری از موارد باز هم قضاوت انسان به دانش و تجربه قبلی بستگی دارد. در بسیاری از موارد ممکن است پذیرش یا رد محصولات بر اساس یک نظر اشتباه از یک خبره تبدیل به فرهنگ در سازمان شود و ساختار بازرسی را به اشتباه تغییر دهد ، یا ممکم است بازرس متوجه نوعی عدم انطباق در محصولات شود اما قادر به دسته بندی نوع عدم انطباق نباشند.

اتوماسیون کنترل کیفیت

چنین فرآیندهایی که بطور دستی انجام می پذیرند ، زمان زیادی را با تعاملات انسانی صرف می کنند. به منظور کاهش یا حذف زمان بدون ارزش افزوده، باید از ابزار های بازرسی کیفیت موثر و اتوماسیون فرآیندها استفاده کرد. در تلاش های اخیر انجام شده سعی بر ای بوده است تا این فرآیند با بکارگیری دوربین های بینایی ماشین خودکار شود.

تکنیک پردازش تصویر دارای مزیت تجزیه و تحلیل تصویر گرفته شده برای اندازه گیری چند ناحیه از محصول است. از این رو، کنترل کیفیت حین تولید و محصول نهایی ، حتی در تیراژ های تولید بسیار بالا ،  هر جزء از محصول تضمین می‌شود. فرآیند اتوماسیون شامل حرکت اجزا، گرفتن تصویر، پردازش تصویر و تصمیم گیری با استفاده از حسگرها، محرک ها و میکروکنترلر می باشد.

خوش آمدید! این یک متن آزمایشی برای جعبه تبلیغاتی است. شما می توانید آن را حذف کنید و یا با متن دلخواه خود جایگزین کنید!

مزایای بکار گیری هوش مصنوعی

بازرسی کیفیت چرخه کامل ساخت ، مواد اولیه ، اجزا و قطعات در مراحل مختلف تولید تا محصول نهایی را پوشش می دهد. بازرسی ها به شناسایی عیوب در مراحل اولیه کمک می کند و در نتیجه هزینه های تولید را کاهش می دهد. بازرسی می تواند برای مقایسه مواد خام، اجزا یا محصولات موجود با مشخصات کیفی تعیین شده ، انجام پذیرد. اگر یک کالای بازرسی شده در محدوده تعیین شده یا مجاز قرار گیرد، آن کالا پذیرفته می شود، در غیر این صورت رد می شود. کنترل کیفیت به بهبود کیفیت محصول، خودکارسازی فرآیندهای تولید و کاهش هزینه های ساخت کمک می کند.

فناوری بینایی ماشین از دوربین های دیجیتال و پردازش تصویر برای جایگزینی یا تکمیل بازرسی ها و اندازه گیری های دستی استفاده می کند.

بازرسی کیفیت قطعات کاری فشرده است و ممکن است مستعد خطا باشد. همچنین، بازرسی 100٪ دستی قطعات یا محصولات ساخته شده گران و زمان بر است و ممکن است امکان پذیر نباشد. بینایی ماشین یک تکنیک بازرسی سریع، اقتصادی، قابل اعتماد و عینی را ارائه می دهد. همچنین یک تکنیک خودکار، غیر مخرب و مقرون به صرفه است که می تواند در صنایع برای کاربردهای مختلف مورد استفاده قرار گیرد. برخی از مزایای کلیدی استفاده از بینایی ماشین را می توان به شرح زیر برشمرد:

دقت:

سیستم‌های بینایی ماشین دقت بیشتری در بازرسی کیفیت در مقایسه با اپراتورهای انسانی ارائه می‌دهند. حتی زمانی که انسان ها به ذره بین یا میکروسکوپ تکیه می کنند، ماشین ها همچنان دقیق تر هستند زیرا می توانند قطعات را با تلرانس های مختلف ببینند و مطمئن شوند.

سرعت:

قطعات را می توان با سرعت بالاتری نسبت به بازرسی توسط اپراتورهای انسانی بازرسی کرد. علاوه بر این، چنین بازرسی هایی با سرعت بالا را می توان با کارایی و بهره وری بیشتر انجام داد.

تکرارپذیری:

بازرسی های کیفیت را می توان دقیقاً به همان روش توسط سیستم های بینایی ماشین بدون خستگی، 24 ساعته و 365 روز در سال تکرار کرد. در مقابل، بازرسان انسانی ممکن است در زمان‌های مختلف به اقدامات متفاوتی برسند، حتی اگر تمام قطعات دقیقاً یکسان باشند.

بازرسی 100%:

سیستم های بینایی ماشین را می توان به گونه ای طراحی کرد که 100% قطعات یا محصولات تولید شده را بازرسی کند. در غیر این صورت، اغلب بازرسی قطعات یا محصولاتی که به صورت تصادفی با استفاده از روش‌ها و ابزارهای آماری نمونه‌ برداری شده‌اند ، ممکن است.

هزینه:

از آنجایی که سیستم ‌های بینایی ماشین سریع‌ تر از انسان هستند، چنین بازرسی‌های خودکاری می‌توانند هزینه‌ها را کاهش دهند. دقت فرآیند جهت کاهش ارسال قطعات معیوب به مشتریان را بهبود بخشند. این امر به نوبه خود هزینه های خرابی خارجی مانند تعویض، از دست دادن فروش و گارانتی یا وارانتی را کاهش می دهد

یکی از مزایای اصلی سیستم بینایی ماشین، روش بازرسی غیر تماسی آن است. بازرسی های تماسی ، آن دسته از بازرسی ها هستند که بازرس برای اندازه گیری حتما باید در محیط اجرای فرایند حضور داشته باشد یا تماس مستقیم با قطعه داشته باشد. چنین مزیتی به ویژه در مواردی که اجرای اندازه گیری های تماسی دشوار است مفید است. سیستم‌های بینایی ماشین را می‌توان در محیط‌ هایی که برای بازرسی انسان خطرناک است نیز به کار برد.

خوش آمدید! این یک متن آزمایشی برای جعبه تبلیغاتی است. شما می توانید آن را حذف کنید و یا با متن دلخواه خود جایگزین کنید!

مراحل استقرار سیستم بینایی ماشین

تیم مشاورین داده بنیان جهت داده محور ساختن سازمان و ارائه راهکارهای تحول دیجیتال در سازمان هی در 9  فاز کلی اقدام به ارائه خدمات خود می نماید ، لازم به ذکر است که با توجه به هر سازمان ، نوع محصول و مشخصات فنی ، تیراژ تولید و فرایند های تولید می تواند متفاوت باشد و تیم داده بنیان ، راهکار های خود را متناسب سازمان شما ارائه می دهد.

در اولین گام از پروژه های هوش مصنوعی ، تیم مشاور داده بنیان با برگزاری جلسه ای همراه با خبرگان حوزه های تولید ، کنترل کیفیت و طراحی در سازمان مشخص می گردد که چه پارامتر ها با مشخصه های فنی میبایست جهت کنترل کیفیت در نظر گرفته شوند. هدف اصلی این فاز از پروژه تعیین مشخصه هایی است که :

  • دارای اهمیت ویژه برای مشتری باشند
  • دارای تیراژ تولیدی بالا باشند
  • بازرسی 100 درصد چنین ویژگی هایی هزینه بر باشد
  • نیروی انسانی قادر به تشخیص صحیح چنین مواردی نباشد

پس از مشخص شدن مشخصه های مهم محصول جهت بازرسی ، میبایست مشخص گردد که چنین عدم انطباق هایی در فرایند تولید ، در کدام یک از ایستگاه های کاری مشاهده می شوند. بدیهی است برخی از موارد عدم انطباق می توانند در چند فرایند متفاوت مشاهده شوند. هدف اصلی این فاز مشخص نمودن ایستگاه های کاری مهم برای شناسایی عدم انطباق ها می باشد.

طی این فاز با در نظر گرفتن فضای کار هر ایستگاه کاری ، نحوه انبارش محصولات نامنطبق و تجهیزات فعلی سازمان لیستی از تجهیزات مورد نیاز هر ایستگاه کاری مشخص می گردد و تعیین می شود که در بهینه ترین حالت ، برای هر یک از ایستگاه های کاری چه تجهیزاتی به منظور پردازش و عملکرد سیستم بینایی ماشین لازم است.

از آنجا که سیستم های مذکور بر پایه هوش مصنوعی بوده و پایه چنین تکنولوژی های هوشمندی ، یادگیری ماشین می باشند ، میبایست طی جمع آوری های تصاویر متعدد از محصولات منطبق و نامنطبق در هر ایستگاه کاری اقدام به تهیه مجموعه ای اولیه از منابع یادگیری نمود.

هدف اصلی این فاز تهیه یک دیتا ست از تصاویر محصولات نا منطبق (شامل تمامی عدم انطباق ها) و منطبق جهت پیاده سازی الگوریتم های هوش مصنوعی می باشد.

زیر سیستم های مکانیکی سیستم فوق بر اساس امکان سنجی های انجام شده در فاز های قبلی و مهندسی این سیستم ها میبایست در حین مراحل الگوریتم نویسی ، جا نمایی ، مستقر و تست عملکردی شوند و در صورت نیاز بازنگری های طراحی سیستم مکانیکی انجام پذیر.

بر اساس نوع مشخصه های فنی مورد نظر (کمی یا کیفی) هر مشخص با توجه به دقت مورد نیاز می تواند شامل الگورتیم های مختلفی در یادگیری ماشین باشد. فعالیت های اصلی این فاز:

  • تعیین الگوریتم
  • یادگیری ماشین
  • برنامه نویسی موثر (کاهش زمان پردازش)
  • برنامه نویسی کنترلر ها

می باشد.

پس از کد نویسی سیستم و یکپارچه سازی سیستم های عصبی و مکانیکی ، جهت کالیبره کردن سیستم با خط تولید میبایست بطور آزمایشی سیستم بر روی خط اجرا شود تا از عملکرد صحیح سیستم اطمینان حاصل شود. بدیهی است که عملکرد سیستم میبایست در شرایط واقعی تولید مورد آزمایش قرار گیرد ، لذا جهت انجام تست ، بازه زمانی معین مشخص می گردد.

لازم به ذکر است که ممکن است در این فاز بازنگری هایی در مهندسی زیر سیستم عصبی یا مکانیکی ، انجام پذیرد.

پس از انجام تست های نهایی سیستم ، آموزش ها و دستورالعمل ها راه اندازی سیستم به متولیان اجرای فرایند بازرسی ارائه می گردد و از نحوه اجرای بی نقص سیستم توسط افراد سازمان اطمینان حاصب می گردد.

لازم به ذکر است در کنار ایجاد سیستم هوش مصنوعی ، سیستم مذکور قابلبت تهیه گزارشات روزانه و دریافت داشبورد های محصولات نامنطبق می باشد که به مدیران این امکان را می دهد که در لحظه بتوانند آمار محصولات نامنطبق خود را از هر نوع در اختیار داشته باشند.

بدیهی است که هر چقدر دیتاست های بیشتری برای سیستم عصبی تشریح گردد ، دقت آن نیز افزایش می یابد و از سویی ممکن است برخی از مشخصه های فنی دیگر شناسایی شوند و مدیریت ارشد مایل به ایجاد نقاط بازرسی بر اساس چنین مشخصه های فنی باشد. بر این اساس میبایست موارد فوق جهت تعریف مجدد مشخصه های فنی و بهبود دقت مدل اعمال گردد.

پیاده سازی راهکار های کنترل کیفیت ، مبتنی بر هوش مصنوعی

مشخصا ارائه راهکار مبتنی بر هوش مصنوعی نیازمند وجود دانشی فنی و آکادمیک می باشد. تیم مشاورین داده بنیان مفتخر است با بکاری گیری به مرز های دانشی هوش مصنوعی و ابزارها داده محور مانند POWER BI ، TABLUE ،  PYTHONو … در کنار سازمان شما باشد تا بتوانید در کوتاه ترین زمان به شکلی موثر استراتژی های تحول دیجیتاب را در سازمان خود نهادینه سازید.

جهت دریافت مشاوره رایگان و هماهمنگی جلسه می توایند فرم ذیل را تکمیل نمایید تا کارشناسان ما در کوتاه ترین زمان با شما تماس حاصل نمایند.

برای افزودن متن دلخواه خود اینجا کلیک کنید

امتیاز به این مطلب

روی ستاره ها برای امتیاز دادن کلیک کنید.

میانگین امتیاز 0 / 5. تعداد رای ها 0

هنوز کسی به این مطلب امتیاز نداده است.