Rozwiązania
Wizyjna kontrola jakości na produkcji
Modele wizyjne mierzą spawy, rozpoznają części i sprawdzają zestawy ze specyfikacją. Przypadki niepewne trafiają do operatora, a system startuje dopiero wtedy, gdy w trybie cienia dorówna Waszym kontrolerom.
Zmierzone u klientów
Dwa wdrożenia wizyjnej kontroli jakości, dwie liczby liczone w zakładzie, nie w laboratorium.
Kiedy to ma sens
- Wady wychodzą po fakcie: gdy kontrola je znajduje, wadliwe części są już zrobione, a czasem wysłane.
- Ludzie porównują części ze zdjęciami, listą materiałową albo specyfikacją, sztuka po sztuce.
- Warianty są łudząco podobne, a konfiguracja zmienia się między zamówieniami.
- Macie już zdjęcia z mikroskopu, kamer albo stanowisk kontroli, ale nikt nie analizuje ich na bieżąco.
Co macie na końcu
- System kontroli działający w Waszym procesie, ze zmierzonym efektem względem punktu wyjścia.
- Udokumentowaną skuteczność z trybu cienia, jeszcze przed startem.
- Zapis każdej kontroli, wspólny dla produkcji i klienta.
Co sprawdzamy
- 01
Geometria i wady spawów
Analiza obrazu mierzy geometrię spawu i rozpoznaje nieprawidłowości. Wyniki porównane z historycznymi raportami laboratorium dają ocenę automatyczną i powtarzalną dla każdej części.
- 02
Dryf procesu, zanim powstanie wada
Seria pomiarów zamienia się w trend. Gdy wskaźnik jakości jednego robota stale spada, zespół dostaje alert z lokalizacją, zdjęciami spawów i zaleceniem korekty.
- 03
Kompletność i warianty zestawów
Każdą część wydzielamy z obrazu, DINOv2 opisuje jej wygląd wektorem cech, wyszukiwanie podobnych wektorów wskazuje wzorzec, a OCR i reguły specyfikacji potwierdzają wariant.
- 04
Zapis tego, co sprawdzono
Raport łączy identyfikator zestawu, konfigurację, zdjęcia i wynik kontroli. Prowadzi do niego kod QR, więc montaż i klient mają jeden zapis tego, co sprawdzono przed przekazaniem.
Jak to działa
Pięć kroków od pierwszych zdjęć do systemu, który przejmuje powtarzalne sprawdzanie.
Krok 01
Obrazy i wzorce
Zbieramy zdjęcia, które już macie: z mikroskopu, kamer, stanowisk kontroli, i łączymy je z wynikami laboratorium, listą materiałową albo decyzjami kontrolerów.
Krok 02
Model i reguły
Modele wizyjne rozpoznają części i mierzą cechy; reguły specyfikacji i OCR dokładają to, czego obraz sam nie rozstrzyga.
Krok 03
Próg pewności
Wszystko, co niepewne, choćby nieczytelna etykieta, wstrzymuje akceptację i trafia do operatora. System nie zgaduje.
Krok 04
Tryb cienia
System pracuje obok Waszych kontrolerów, bez wpływu na produkcję, dopóki jego decyzje nie pokrywają się z decyzjami doświadczonych pracowników.
Krok 05
Start i douczanie
Alerty i wyniki trafiają do narzędzi, w których ludzie już pracują. Pilnujemy dryfu, douczamy modele na nowych wariantach i utrzymujemy rozwiązanie.
Czego potrzeba na start
01
Zdjęcia
Często wystarczą te, które już zbieracie. W projekcie spawów były to zdjęcia mikroskopowe i wyniki laboratorium, w kontroli zestawów wzorcowe zdjęcia części z identyfikatorami i wariantami.
02
Źródło prawdy
Lista materiałowa, specyfikacja albo historyczne decyzje kontrolerów, z którymi porównamy wynik modelu.
03
Miejsce w procesie
Stanowisko, na którym wynik kontroli coś zmienia: przed montażem, przed wysyłką albo przy robocie, który można skorygować.
Na początek
Diagnoza gotowości AI
Które zastosowania AI się Wam zwrócą i czy Wasze dane są na nie gotowe? Uszeregowana lista, architektura i roadmapa.
od 25 000 zł netto3 tygodnie
Przegląd kosztów platformy danych
Gdzie Wasza platforma danych przepala pieniądze, co da się poprawić od razu i ile dałoby wyjście z drogich licencji.
od 18 000 zł netto2 tygodnie
Pytania, które zadają kupujący
Czy potrzebujemy nowych kamer?
Często nie. W projekcie spawów wykorzystaliśmy zdjęcia mikroskopowe, które zakład już robił. Jeśli kamer brakuje, diagnoza gotowości AI pokazuje, gdzie i jakie są potrzebne.
Co z częściami, których model nie rozpozna?
Wstrzymuje akceptację i przekazuje je operatorowi razem z tym, co widzi. Takie przypadki stają się nowymi wzorcami, więc system uczy się na Waszych wyjątkach.
Czy to zakłóci produkcję?
Nie. System najpierw pracuje w trybie cienia obok Waszych ludzi i startuje dopiero po osiągnięciu uzgodnionej skuteczności.
Czy to może działać on-premise, bez chmury?
Tak. Zdjęcia i wyniki mogą zostać w infrastrukturze zakładu.
Od czego zacząć?
Od pilotażu na Waszych danych: jeden typ kontroli, Wasze zdjęcia, miara sukcesu uzgodniona na starcie i decyzja po trybie cienia.
Porozmawiajmy o Waszym projekcie
Opiszcie swój przypadek
Wybierzcie jeden problem.
Pokażcie dostępne dane.
Ustalmy mierzalny cel.
Wskażcie proces i dane, które macie. Odezwie się inżynier, nie call center.
Odpowiadamy w ciągu jednego dnia roboczego.