質量控制方法因行業而異,而且每家制造商,每種產品都不盡相同。但在實際產品檢查時,大多數制造質量過程看起來都大同小異。訓練有素的檢查員對每個單元進行目測評估,并判定合格或不合格。
當然,員工的工作效率很高。但是,在執行重復性任務時,員工也容易出現意外錯誤、疲勞或分心。此外,員工還會休息、度假,甚至退休。 ?
幾十年來,制造商一直在自動化質量控制過程,并通過攝像頭、照明和機器視覺系統來增強檢查員的能力。雖然許多機器增強功能提高了檢查速度和數量,但仍存在諸多限制。
因此,制造商正在尋求更高水平的人工智能 (AI) 和機器學習工具(例如 FactoryTalk? Analytics? VisionAI?),以改進其質量檢查過程。
Rockwell Automation 高級產品經理 Carl Lewis 解釋道:“我們的 AI 驅動型質量控制解決方案,能夠讓制造商看到他們錯過了什么。使用我們的方案,無需編寫代碼,就可以利用視覺檢測,來改善質量、提高產量,并從實時生產數據中獲得關鍵見解。” AI 視覺檢測系統提供的數據,可直接助力生產更優質的產品。Lewis 表示:“這有助于制造商減少產品缺陷和浪費,縮短停產時間,并降低運營成本。”
新一代 AI 驅動型視覺檢測和機器學習系統可以學習并動態適應不斷變化的條件,同時全天候收集、組織和傳送質量數據。
這些數據有助于質量人員和工廠操作人員快速了解和解決生產問題。Lewis 表示:“這會給我們帶來非凡的意義。該系統有助于識別汽車裝配線缺陷以及可能會導致產品召回問題的消費品缺陷。此外還有無數的工業用例,包括確定尺寸缺陷、包裝異常或者其他出廠前質量問題。這種人工智能和機器學習視覺檢測工具具有巨大的價值。”