Medinių kaiščių defektų nustatymas

AI kompiuterinės regos sprendimo įgyvendinimas greitos medinių kaiščių gamybos procese

Mūsų klientas - medinių kaiščių gamintojas baldų, žaislų ir kitų pramonės šakų įmonėms.

Verslo problema

Reiklioje medinių kaiščių gamybos aplinkoje didžiausias jų iššūkis yra susidoroti su daugybe vizualinių defektų ant plataus jų gaminių asortimento.

  • Esamos gamybos linijos pagamina iki 1500 medinių kaiščių per minutę.
  • Iki 30% iš pagamintų medinių kaiščių turi vizualinių defektų.
  • Esamoms gamybos linijoms reikėjo didelių mechaninių pakeitimų arba naujų mašinų, kad būtų sumažintos defektų normos.

PROJEKTO TIKSLAI

  • Sudiegti DI kompiuterinės regos sprenidmą, nesutrikdant esamų gamybos linijų ir nereikalaujant sukurti didelių mechaninių pokyčių.
  • Rasti sprendimą esamai išstūmimo sistemai, kuri į atskirą maišą išstūmia defektuotus kaiščius.
  • Pasiekti klaidingai neigiamą DI modelio atpažinimo rodiklį iki < 0,2% - bendras defektuotų kaiščių skaičius, neatpažintas teisingai.
  • Pasiekti klaidingai neigiamą DI modelio atpažinimo rodiklį < 5% - bendras kaiščių skaičius be defektų atpažįstamas ir išmetamas kaip defektuoti kaiščiai.
  • Atpažinti defektus, kurių mažiausias dydis gali būti 2 mm x 2 mm.
  • Sukurti universalų sprendimą, galintį atpažinti vizualinius defektus 40 skirtingų kaiščių tipų.
  • Sukurti lankstų sprendimą su galimybe koreguoti priimtiną defektų dydį įvairiems verslo poreikiams.

Kaiščio defektai

Mūsų DI sprendimas

  • Cybernetics per 4 savaites apmokė DI modelius, tam panaudojusi tūkstančius skirtingų kaiščių nuotraukų.
  • Šie modeliai atlieka realaus laiko analizę žaibišku greičiu — sistema sprendimą apie kaiščio kokybę priima vos per 25 milisekundes.
  • Patobulinome esamus išmetimo mechanizmus, kad mūsų DI modeliai galėtų juos tiesiogiai valdyti bei kontroliuoti defektų pašalinimą — nereikėjo didelių įrangos ar gamybos linijos pakeitimų.
  • Mūsų paruošta DI analizės sistema padėjo identifikuoti skirtingus defektų tipus, dydžius, defektų skaičių pamainoje bei kitas tendencijas.

Rezultatai

  • Nepašalintų defektų gamybos linijoje sumažėjo nuo ~30% iki vos 0,2%.
  • Kiekvienas defektas buvo atpažintas 99,8 % tikslumu.
  • Visa DI defektų aptikimo sistema sudiegta be didelių pokyčių esamoje gamybos linijoje ir veikia nepriklausomai nuo kitų gamybos linijos dalių.
  • Sistema pasiekė visus našumo tikslus: greitį, tikslumą, galimybę prisitaikyti prie kintančių verslo poreikių — viskas buvo sklandžiai integruota į esamą gamybos procesą.

Džiaugiamės pasiektais rezultatais, padidinta gamybos linijos kokybe bei sukurta papildoma duomenų analitika. Sistema ne tik pašalina brokuotas dalis, bet ir renka duomenis pagal defektų tipus, dydžius bei pamainos statistiką, leidžiant verslui duomenimis grįstai tobulinti esamą sistemą.


Šis atvejis yra galingas išmaniosios gamybos pavyzdys — kai DI suteikia milžinišką vertę gerinant kokybę, mažinant nuostolius ir leidžiant greitai prisitaikyti prie įvairių gamybos linijų. Tai puikus pavyzdys, kaip gamybos aikšteles galima revoliucionizuoti nekeičiant visko iš pagrindų.