ИИ-контроль качества на производстве: дефекты, выборка и ручная проверка

Раздел

AI-автоматизация бизнес-функций

Сложность

средняя

Обновлено

2026-07-13

Короткий ответ

ИИ-контроль качества на производстве стоит начинать с одного видимого дефекта, стабильной точки съемки и очереди ручной проверки. Модель может подсветить подозрительную деталь, классифицировать известный дефект и связать снимок с партией, но не должна незаметно заменять технологический контроль, менять допуски или отправлять продукцию клиенту без утвержденного правила.

ИИ для рекламаций помогает разбирать уже возникший клиентский случай. Здесь задача другая: обнаружить и документировать несоответствие в производстве до выпуска продукции.

Материалы ISO по управлению качеством разделяют обеспечение и контроль качества и связывают систему менеджмента качества с процессами, ответственностью и постоянным улучшением. Обзор ISO 9001 подчеркивает роль документированной информации, измерений и решений на основе подтверждений. Стандарт прослеживаемости GS1 помогает связать событие с объектом, местом и временем. Эти источники не задают готовую модель компьютерного зрения и не гарантируют качество распознавания на конкретной линии.

Выберите один контроль

Плохая постановка: «находить весь брак». Рабочая постановка описывает конкретное решение.

Если дефект определяется измерительным прибором, не заменяйте его картинкой только потому, что компьютерное зрение выглядит проще.

Каталог дефектов и данные

До обучения согласуйте название, границу и критичность каждого дефекта. «Плохое качество» не является классом.

класс_дефекта:
  идентификатор: "SURFACE-SCRATCH-02"
  определение: "видимое линейное повреждение поверхности"
  правило_измерения: "утверждено ответственным за качество"
  критичность: нужна_проверка
  допустимые_примеры: "проверенный набор данных, версия 3"
  спорные_примеры: "отдельная проверочная выборка"
  вариант_изделия: "PART-A"
  условия_съемки: "линия 2, камера 1"

Разделяйте обучающий, проверочный и приемочный наборы по партиям или времени, чтобы почти одинаковые кадры не попали в разные наборы. Храните не только дефекты, но и сложные нормальные примеры: блики, пыль, допустимые следы обработки, смену материала и упаковки.

Пропуск дефекта и ложная отбраковка

Одна общая точность скрывает цену разных ошибок.

• Пропуск дефекта: модель пропустила дефект. Для критичных несоответствий это главный риск.
• Ложная отбраковка: нормальная деталь ушла в брак или ручную проверку. Это создает лишнюю очередь и может остановить линию.
• Неизвестные условия: условия съемки или вариант продукта вне приемочного контура.

Задайте показатели по каждому классу и варианту продукта. Порог модели должен быть связан с возможностями ручной проверки: слишком низкий порог может формально повысить полноту обнаружения, но завалить контролеров шумом.

Встраивание в процесс

Сохраняйте исходное изображение, модель и версию, оценку уверенности, решение контролера, деталь, партию, время и линию. Если камера сдвинулась, свет изменился или появилась новая модификация продукта, система должна перейти на ручную проверку, а не продолжать «уверенно».

Безопасный запуск:

1. Проверка на архивных данных на размеченной истории.
2. Режим параллельного наблюдения рядом с текущим контролем.
3. Режим помощи: ИИ сортирует очередь, человек решает.
4. Ограниченная автоматическая отбраковка только для утвержденного класса и после отдельной приемки.
5. Периодическая выборочная ручная проверка даже после запуска.

Для замыкания обратной связи связывайте подтвержденные дефекты с рекламациями и системой управления товарными данными (PIM), но не смешивайте факты о продукте и вывод модели.

Чеклист

• Дефект описан наблюдаемым правилом, а не общим словом.
• Условия съемки зафиксированы и контролируются.
• Эталонная разметка имеет владельца и процедуру разногласий.
• Обучающие и приемочные данные разделены по партии или времени.
• Показатели рассчитываются отдельно для пропусков дефекта и ложной отбраковки.
• Неизвестные условия уходят на ручную проверку.
• Версия модели сохраняется с каждым решением.
• Критичный дефект не закрывается одной оценкой уверенности.
• Есть правило остановки при дрейфе данных, камеры или процесса.
• Пилот не обещает снижение брака, затрат или рекламаций без фактического исходного уровня.

FAQ

Сколько изображений нужно?

Универсального числа нет. Оно зависит от вариативности детали, дефекта, камеры, линии и цены ошибки. Приемка должна опираться на независимый набор реальных условий, а не на количество файлов само по себе.

Можно ли оставить контроль только силами ИИ?

Это решение зависит от критичности, регламентов и результатов приемки. Для первого пилота безопаснее режим помощи и периодическая ручная выборка.

Как оценить эффект?

Сравнивайте подтвержденные пропуски, ложные отбраковки, размер очереди ручной проверки и время решения на одном и том же участке. Не обещайте снижение брака или затрат до такого сравнения. Для подготовки пилота отправьте задачу в Woghan.