Kokybės kontrolė inline ir AI liejime - vaizdo sistemos 2025

Įvadas į tiesioginę kokybės kontrolę

Tiesioginė kokybės kontrolė plastikų liejimo pramonėje patiria audringą transformaciją. Dar prieš keletą metų dauguma įmonių rėmėsi rankine patikra kas kelis ciklus. Šiandien, spaudžiamos automobilių, medicinos ar vartojamosios elektronikos pramonės, svarbu defektą aptikti per sekundes, dar prieš partijai pasiekiant pakavimo liniją.

IDC prognozuoja, kad iki 2026 m. daugiau nei 70% įmonių naudos pažangias vaizdo sistemas , susietas su dirbtiniu intelektu.

Tiesioginės kontrolės privalumai:

• Atliekų mažinimas
• Mažesnė brangių grąžinimų rizika
• Greitesnis PPAP patvirtinimas___
• Galimybė garantuoti PPM klientams

Šiame vadove mes parodome, kaip sukurti QA architektūrą, kokias technologijas pasirinkti ir kaip jas sujungti su skaitmeniniais dvyniais, MES ir robotika, kad sukurtume visiškos kokybės ekosistemą.

Remiantis McKinsey tyrimu, išmaniosios tiesioginės kontrolės diegimas sutrumpina reagavimo į defektą laiką vidutiniškai nuo 50 minut iki mažiau nei 5 minut . Gaminant milijoną detalių per metus, tai atneša šimtų tūkstančių zlotų santaupas – mažiau laužo, mažiau viršvalandžių, mažiau streso, susijusio su skubiu visų palečių rūšiavimu.

Tai taip pat yra pagrindinis tvarios gamybos strategijos ramstis, nes kiekviena negaminta atlieka yra realus anglies pėdsako mažinimas.

Kas yra tiesioginė kokybės kontrolė vartyme?

Tiesioginė kontrolė reiškia automatizuotą kiekvienos detalės patikrą tiesiai prie vartymo lizdo arba integruotoje celėje su robotu. Sistema renka duomenis (vaizdą, terminį profilį, garsą, svorį), analizuoja juos ir palygina su etaloniniu modeliu. Sprendimas „pass/fail" priimamas per trumpesnį laiką nei ciklo trukmė, o rezultatas nedelsiant perduodamas į MES, eDHR arba atsekamumo sistemą.

Skirtingai nuo neprisijungimo patikros, tiesioginė kontrolė nereikalauja rankinio mėginių ėmimo. Ji yra proceso dalis, todėl reaguoja akimirksniu ir pašalina riziką, kad defektingos detalės bus praleistos. Šis sprendimas puikiai dera su „zero defect manufacturing" filosofija ir kokybės standartais, tokiais kaip IATF 16949, ISO 13485 ar IPC.

Vis didesnę reikšmę įgyja ir dirbtinis intelektas . Neuroniniai tinklai mokosi atpažinti defektus net tada, kai jų negalima apibūdinti paprastomis taisyklėmis (pvz., subtilūs spalvos pokyčiai optinėse detalėse). Dėl to galima automatizuoti patikrą ten, kur anksčiau sprendė tik operatorius.

Tiesioginė kontrolė taip pat apima duomenų valdymą. Kiekvienas patikros rezultatas priskiriamas formos numeriui, lizdui, medžiagos partijai ir operatoriui. Taip susidaro skaitmeninis dvynys produktas – neįkainojamas reklamacijų ar FMEA analizių atveju. Integracija su CMMS leidžia automatiškai pranešti apie techninę priežiūrą, kai defektų skaičius viršija perspėjimo slenkstį.

Kokybės sistemų istorija

Automatinės liejimo kontrolės ištakos siekia 80-ųjų, kai paprasti jutikliai tikrino tik detalės buvimą. Tikrasis proveržis įvyko 2000-2010 m., kai išsivystė linijinių kamerų technologija ir sumažėjo CCD kamerų kainos. Šiuo laikotarpiu vaizdo sistemos daugiausia buvo diegiamos automobilių pramonėje, kur reikalaujamas PPM siekė keliolika vienetų.

Paskutinę dekadą stebime „antrąją bangą". Pirma, vaizdų apdorojimas persikėlė į GPU , leidžiant analizuoti milisekundėmis.

Antra, atsirado 3D kameros (struktūrinės šviesos, skrydžio laiko) ir terminiai jutikliai, kurie gali aptikti sienelių storio skirtumus ar aušinimo „karštuosius taškus". Galiausiai, plačiai papito programinė įranga, paremta mašininiu mokymusi. Dėl to QA sistemos tapo lankstesnės, greitesnės ir tikslesnės nei bet kada anksčiau.

2024-2025 m. prasideda trečiasis etapas: integracija su skaitmeniniais dvyniais, MES bei duomenų platformomis. Kontrolės duomenys patenka į prognozinius modelius, kurie gali automatiškai koreguoti liejimo mašinos parametrus arba pranešti apie formos valymo būtinybę. QA taip tampa uždaro kokybės valdymo ciklo dalimi.

Ne mažiau svarbios ir reguliacijos. Direktyvos MDR, CSRD ar nauji reikalavimai PPAP 5.0 tiesiogiai nurodo pilno kokybės sekimo būtinybę. QA automatizacija tampa sertifikavimo reikalavimu, o ne tik pranašumu. Įmonės, kurios aplenks šią tendenciją, auditus praeis greičiau ir įgis pranašumą teikiant pasiūlymus.

Tiesioginės kontrolės sistemų tipai

QA sistemas galima suskirstyti į kelias kategorijas:

• 2D vaizdo sistemos – linijinės arba matricinės kameros, analizuojančios paviršių ir kontūrą.
• 3D vaizdo sistemos – tūrio matavimai, lazerinis profiliavimas, stereoskopija.
• Lazerinė metrologija – kritinių matmenų matavimai su ±0,01 mm tikslumu.
• Terminė analizė – IR kameros, aptinkančios karštuosius taškus, nepakankamą aušinimą.
• Akustinė/vibracinė analizė – mikrofonai ir akselerometrai, fiksuojantys būdingus defektų signalus.
• Hibridinės sistemos – kombinuojančios vaizdą su svėrimu, funkcijų testais, elektriniais, sandarumo testais.

Pasirinkimas priklauso nuo detalės tipo, gamybos apimties ir kliento reikalavimų. Praktikoje populiarėja tendencija derinti kelis metodus – pvz., 2D kamera defektų spalvai nustatyti + 3D skeneris matmenų kontrolei. Dėl to sistema susidoroja su didesniu defektų skaičiumi, o duomenys tampa patikimesni.

2D vaizdo sistemos

2D kameros yra populiariausia technologija, idealiai tinkanti paviršiaus defektams aptikti: dėmėms, nudegimams, įbrėžimams, spaudos trūkumams. Liejimo cechuose naudojamos ir matricinės (judančios), ir linijinės (pastumiamų elementų) kameros. Pagrindiniai elementai: skiriamoji geba (tipiškai 5-12 MP), nuskaitymo greitis, tonų diapazonas ir tinkamai parinktas apšvietimas (žiedinis, šoninis, struktūrinis).

Klasikiniam vaizdų apdorojimui naudojamos bibliotekos, tokios kaip Halcon, Cognex VisionPro ar OpenCV . Įrankių rinkinys apima slenksčius, filtravimą, morfologiją, kontūrų analizę, OCR, spalvų patikrą. AI versijoje naudojami CNN (pvz., EfficientNet, YOLOv8 ) mokomi defektų ir gerų detalių nuotraukų. Toks derinys užtikrina aukštą efektyvumą ir trumpus ciklo laikus.

Vis dažniau 2D vaizdo sistema montuojama tiesiai ant manipuliatoriaus ar coboto, kuris paima detalę. Kamera nufotografuoja skrendančią detalę, o rezultatas perduodamas robotui, kuris detalę padeda į lizdą OK/NOK. Taip eliminuojamos papildomos stotys ir sutrumpinamas detalių kelias.

Premium aplikacijose taip pat naudojamos hiperspektrinės 2D kameros. Jos leidžia aptikti cheminės sudėties skirtumus, o gaminant iš perdirbtų medžiagų padeda pastebėti teršalus ar svetimus polimerus. Nors investicija didesnė, ji greitai atsiperka gaminant kosmetikos pakuotes ar medicininius komponentus.

3D vaizdo sistemos ir lazerinė metrologija

3D sistemos remiasi lazeriniu profiliavimu, šviesos struktūra, stereovizija arba time-of-flight technologija. Puikiai tinka sudėtingų formų detalių matavimui, kai reikalinga informacija apie aukštį, tūrį ar paviršių lygiagretumą. Tikslumas siekia keliolika mikrometrų, o duomenis galima palyginti su CAD modeliu, gaunant nuokrypių žemėlapius.

Lazerinė metrologija dažnai naudojama matuoti detales medicinos ir elektronikos pramonei (pvz., optiniai elementai, jungtys). Sistemos gali matuoti sienelės storį, griovelių gylį, skylių padėtį, netgi lenkimo kampą. Integravimas su robotu leidžia priartinti zondą prie bet kurio taško, kas padidina celės lankstumą.

Vis populiaresnė tampa „digital overlay“ technologija: 3D duomenys uždedami ant AR modelio, o operatorius realiu laiku mato, kur atsiranda nuokrypiai. Tai leidžia greičiau priimti korekcinius sprendimus ir dokumentuoti rezultatus klientui.

3D sistemas taip pat galima sujungti su įtempio analize: duomenys apie deformacijas patenka į skaitmeninį formos dvynį, kuris siūlo aušinimo korekciją arba slėgio profilio pakeitimą. Dėl to metrologija tampa uždarosios kilpos tobulinimo dalimi, o ne tik ataskaitų teikimo įrankiu.

Akustinė ir terminė analizė

Terminė analizė su IR kameromis leidžia įvertinti temperatūros pasiskirstymą ant išėmimo detalės iškart po išėmimo. Dėl to matome defektus dar prieš jiems pasirodžiant vizualiai – pvz., nepakankamą aušinimą, karštuosius taškus, skirtumus storiuose. Duomenis galima susieti su aušinimo parametrais ir injekcijos programa.

Akustinė arba vibracinė analizė susijusi su garsais ir virpesiais, kurie atsiranda detalei atsitrenkiant į jutiklį arba testų metu. Kai kurie struktūriniai defektai (plyšiai, pūslės) pakeičia garso charakteristiką, kurią galima aptikti naudojant plačiajuosčius mikrofonus. Šis metodas tinka tikrinant 100% metalo-plastikės elementus ir produktus su kritiniu sandarumu.

Šiuolaikinės sistemos sujungia akustinius duomenis su AI, naudodamosi transformaciją falkomis ir spektrogramas. Modeliai klasifikuoja garsus pagal skirtingus defektų tipus. Šis metodas ypač veiksmingas komponentams, kur defektai yra nematomi (pvz., mikroplyšiai stiklo pluoštu armuotose dalyse).

QA celės konstrukcija ir pagrindiniai elementai

Pilna QA sistema susideda iš: detalių paėmimo stoties (robotas/kobotas), kamerų ir apšvietimo, papildomų jutiklių (svoris, jėga, temperatūra), apdorojančių kompiuterių, analitinės programinės įrangos, operatoriaus sąsajos bei integracijos su MES/SCADA . Viskas turėtų atitikti saugos reikalavimus (PE/PL, šviesos užuolaidos) ir būti paprasta priežiūroje.

Valdymo architektūra dažnai apima PLC valdiklį, pramoninį kompiuterį su GPU , duomenų bazės serverius ir operatoriaus panelę HMI. Papildomai įrengiami IoT moduliai, kurie perduoda rezultatus į debesį ar skaitmeninius dvynius. Dėl to kokybės duomenys tampa prieinami visai organizacijai, o ne tik QA skyriui.

Šiuolaikiniuose QA celės projektuose integruojamas ir žymėjimas, pakavimas bei lazerinis ženklinimas. Esant teigiamam rezultatui, sistema automatiškai atspausdina etiketę su DMC kodu, įrašo serijinį numerį į bazę ir perduoda detalę kitai operacijai. Visas procesas sekamas eDHR sistemoje, kas palengvina auditus ir reklamacijas.

Svarbus elementas yra ergonomika. Operatoriai turi turėti prieigą prie panelės, galimybę greitai keisti receptūras ir peržiūrėti nuotraukas. Intuityvūs pranešimai sutrumpina reagavimo laiką ir minimalizuoja klaidas. Todėl vis dažniau naudojamos jutiklinėsąsajos su 3D detalės vizualizacija ir reagavimo žingsniais.

Kameros, optika ir apšvietimas

Optikos parinkimas – pusė sėkmės. Reikia atsižvelgti į detalės dydį, darbinį atstumą, lauko gylį ir atspindžius. Blizgios medžiagos reikalauja difuzinio apšvietimo (kupolų), o matinės – kryptinio. Skaidriems elementams naudojamas koaksialinis apšvietimas, poliarizacija arba lazerinės linijos.

Kameros turėtų turėti pakankamą skiriamąją gebą, kad atitiktų defekto specifikaciją (pvz., 0,1 mm įbrėžimui0,05 mm reikia 0,03-0,05 mm pikselių). „High-speed“ programose naudingi jutikliai su global shutter ir 10GigE/CoaXPress sąsajos, kurios perduoda vaizdą šimtų kadrų per sekundę greičiu. Verta užtikrinti redundanciją – dviejų kamerų, skirtingais kampais, įrengimas padidina aptikimo patikimumą.

Negalima pamiršti darbo sąlygų: temperatūros, dulkių, vibracijų. Injekcijos celėms populiarios kameros IP65 korpusuose, o LED šviestuvai su oro aušinimu. Visi komponentai turi būti prieinami priežiūrai be ilgų prastovų.

AI, algoritmai ir programinė įranga

Sistemos širdis yra programinė įranga. Klasikinės vaizdo sistemos vis dar taikomos paprastiems defektams, tačiau tendencija aiški: AI . Neuroninių tinklų modeliai gali aptikti ne tik binarinius defektus, bet ir klasifikuoti jų tipą, intensyvumą bei tikėtiną priežastį.

Neuroninių tinklų modelių galimybės:

• Binarių defektų aptikimas (pass/fail)
• Defekto tipo klasifikavimas
• Defekto intensyvumo įvertinimas
• Tikėtinos priežasties identifikavimas

Treniravimui naudojami šimtai gerų ir defektuotų detalių nuotraukų. Tiekėjai, tokie kaip Tederic Smart Vision, siūlo paruoštus AutoML AutoML pipeline'us, kurie automatiškai parenka modelio architektūrą ir patvirtina veiksmingumą.

Sistemos AI reikalauja versijų valdymo ( ModelOps ). Kiekvienas modelis turi parametrus, įdiegimo datą, galiojimo sritį. Pakeitus formą ar medžiagą, reikia atlikti pakartotinį patvirtinimą. Dabartinės gamybos duomenys naudojami kaip grįžtamasis ryšys, leidžiantis nuolat mokytis (continuous learning). Atsakinguose projektuose naudokite AI AI ir klasikinių taisyklių derinį, kad užtikrintumėte sprendimų aiškumą.

Programinė įranga QA taip pat turėtų integruotis su MES/MOM . Inspekcijos rezultatai dalyvauja SPC , atnaujina kontrolės korteles, sukelia koreguojančius veiksmus, o viršijus rodiklius PPM automatiškai blokuoja partiją. Dėl to procesas uždaromas, o reakcija – momentinė.

Vis dažniau QA tampa duomenų platformos dalimi. Praktikoje tai reiškia KPI kokių kūrimo galimybę: defektų pasiskirstymą pagal lizdus, kokybės šilumos žemėlapius laike, palyginamąsias analizes. Tuos pačius duomenis galima panaudoti Six Sigma projektuose, greičiau pereinant nuo stebėjimo prie koreguojančių veiksmų.

Pagrindiniai techniniai parametrai

Renkantis sistemą, verta analizuoti:

• Raiška ir aptikimo riba – kokius mažiausius defektus bus galima aptikti.
• CT (cycle time) – ar inspekcija tilps į turimą ciklo pertrauką.
• FP/FN – klaidingų atmetimų ir praleidimų procentas; paprastai siekiama <0,2% FP/FN.
• Temperatūrinis stabilumas – pokyčių sąlygų poveikis vaizdo kokybei.
• Scalability – galimybė pridėti naujas kameras, AI AI modelius, lizdus.
• Integracija – OPC-UA, MQTT, REST palaikymas, susiejimas su MES ir skaitmeniniu dvyniu.

Šiuos parametrus reikia matuoti tiek FAT/SAT metu, tiek eksploatacijos metu. Reguliarūs auditai padeda išlaikyti deklaruojamą veiksmingumą ir reikalaujami OEM klientų. Verta dokumentuoti kiekvieną etapą – nuo kalibravimo iki programinės įrangos atnaujinimų.

AI projektuose reikia papildomai analizuoti vadinamąjį duomenų dreifą . Jei įvesties duomenų pasiskirstymas keičiasi laikui bėgant (kitos granulių spalvos, nauji variantai), modelis gali prarasti veiksmingumą. Dreifo stebėjimas ir automatiniai įspėjimai leidžia greitai paleisti pakartotinio mokymo procesą.

Taikymo sritys ir atvejų analizės

Kokybės užtikrinimo sistemos naudojamos daugelyje sektorių:

• Automobilių pramonė – vidaus detalių, apšvietimo, jungčių, ADAS komponentų kontrolė. Reikalaujamas PPM mažesnis nei 10.
• Medicina – švirkštai, insulino pompų elementai, prietaisų korpusai. Lemiamas yra 21 CFR Part 11 patvirtinimas.
• Buitinė technika ir elektronika – fasadų elementai, dekorai, membraniniai klaviatūros, baterijų komponentai.
• Premium pakuotės – visiškas įbrėžimų ir dryžių pašalinimas, kontrolės su skaitmeniniais atspaudais sujungimas.
• Perdirbamos medžiagos – spalvų ir priemaišų monitoringas PCR partijose.

Pavyzdys: vartojimo prekių komponentų gamintojas įdiegė sistemą Tederic Smart Vision, kuri sujungia 12 MP kamerą, AI ir kontrolines svarstykles.

Pagrindiniai ROI rodikliai:

• Reakcijos laikas: nuo 50 minut iki <5 minut
• Defektų mažinimas: nuo 3,2% iki 0,3%
• Klaidingi atmetimai: <0,1%
• OEE pagerinimas: 40%

Kitas atvejis – medicinos įmonė, kur 3D + IR sistema monitoruoja 32 švirkštų lizdus – rezultate gautas PPM = 0,8 ir sutrumpinta PPAP validacija 40%.

QA duomenys taip pat naudojami prognoziniam aptarnavimui. Jei sistema pastebi kokybės prastėjimo tendenciją (pvz., didėjantis mikrotrūkių skaičius), ji sugeneruoja aptarnavimo užduotį ir perduoda parametrus proceso dvyniui. Dėl to galima suplanuoti lizdų poliravimą arba purkštukų keitimą prieš defektui tampant kritiniu.

Įdomus yra ir kosmetikos įmonės atvejis, kuri naudoja hiperspektrines kameras spalvų vienalytiškumui patikrinti detalėse iš PCR . Sistema, sujungta su AI, įvertina ΔE nuokrypį ir nukreipia dalį detalių restauracijai, kol jos pasieka premium klientą. Tai leido išlaikyti spalvų nuoseklumą nepaisant perdirbamo plastiko kokybės svyravimų.

Kaip pasirinkti tiesioginės kontrolės ir AI sistemą?

Sprendimą verta grindžiant reikalavimų matrica:

1. Apibrėžkite kritinius defektus ir leistiną PPM.
2. Nurodykite detalės geometriją, medžiagą ir optiką (blizgesys, skaidrumas).
3. Patikrinkite ciklo laiką ir galimą inspekcijos langą.
4. Įvertinkite infrastruktūrą – ar turite vietos linijinei stočiai, ar geriau integruoti kamerą ant roboto.
5. Atsižvelkite į reguliacinius reikalavimus (FDA, IATF, ISO 13485 ) ir ataskaitų formatą.
6. Pasirinkite AI platformą su skaidriu mokymo ir validacijos procesu.

Tuomet įgyvendinamas POC/Pilotas. Rekomenduojama bent 2-3 savaičių testavimo, kurio metu renkami duomenys iš realios gamybos (įvairūs variantai, spalvos, priemaišos). Esant teigiamam rezultatui, projektas pereina į industrializaciją. Svarbus kokybės, automatikos ir IT skyrių bendradarbiavimas – be jo integracija su MES ar ERP bus sunki.

Rinkdamiesi tiekėją, atkreipkite dėmesį į aptarnavimo prieinamumą, nuotolinės pagalbos galimybes, mokymo programas ir licencijavimą. Taip pat verta susitarti, kas atsako už AI modelių atnaujinimą ir ar vaizdų duomenys lieka įmonėje (IP/RODO aspektai).

Kokybiškai subrendusios įmonės taip pat kuria strateginį planą . Jos nustato, kurie kontrolės projektai bus įgyvendinami pirmiausia, kokie KPI bus patobulinti ir kaip QA sistema įsilies į skaitmeninio dvynio strategiją. Tai leidžia išvengti atsitiktinių investicijų ir kurti nuoseklų ekosistemą.

Sistemos priežiūra ir validacija

QA sistema, kaip ir injekcinė mašina, reikalauja reguliarių patikrų. Reikėtų nustatyti tvarkaraštį: kasdienį optikos valymą, savaitinį nustatymų patikrinimą, mėnesinę kalibravimą ir programinės įrangos peržiūrą, metinę revalidaciją. Kiekvienas etapas turėtų būti dokumentuotas ir susietas su procedūromis ISO.

AI modelius reikia atnaujinti kartu su formų, medžiagų ar paviršiaus apdailos pokyčiais. Geriausia išlaikyti etaloninių duomenų biblioteką, prie kurios galima grįžti kilus pretenzijoms. „Golden sample“ (etaloninių pavyzdžių) politikos įgyvendinimas palengvina kalibravimą ir rezultatų nuoseklumo kontrolę tarp pokyčių.

Taip pat verta įgyvendinti QA kameros būsenos stebėseną: temperatūros, drėgmės, vibracijos jutiklius. Dėl to sistema pati informuoja apie sąlygas, kurios gali paveikti vaizdo kokybę. Kartu su CMMS galima generuoti priežiūros pranešimus automatiškai, panašiai kaip vyksta prognozuojamas injekcinių mašinų aptarnavimas.

Reguliuojamuose cechuose (medicinos, aviacijos) būtina vesti IQ/OQ/PQ validacijas ir dokumentuoti pakeitimus. Verta naudotis skaitmeniniais parašo įrankiais bei versijų saugyklomis, kad sutrumpintumėte peržiūrų laiką ir lengviau įrodytumėte, kad sistema visą gyvavimo ciklą veikė pagal procedūrą.

Santrauka

Tiesioginė kokybės kontrolė su AI palaikymu tampa nauju standartu plastikų liejime. Ji leidžia pasiekti zero defect manufacturing tikslus, patenkinti klientų reikalavimus ir teikti duomenis realiuoju laiku. Raktas į sėkmę – tinkamas technologijų parinkimas, integracija su esama infrastruktūra ir sisteminga priežiūra. Įmonės, kurios jau dabar įgyvendins intelektualias vaizdo sistemas , įgis konkurencinį pranašumą, sutrumpins reagavimo į problemas laiką ir padidins klientų pasitikėjimą. Skaitmeniniame amžiuje kokybė nėra papildomas elementas – tai tvarios plėtros ir pelningumo pagrindas.