Detekcja defektów w produkcji – kontrola, która wychwytuje wadę we właściwym momencie

System wizyjny do detekcji defektów: co decyduje o skuteczności?

Dobra kamera jest tylko jednym z elementów układu. O wyniku często przesądza sposób oświetlenia powierzchni, dobór optyki, pozycja detalu i powtarzalność jego prezentacji. Na błyszczącym metalu odbicie światła może przypominać rysę; na powierzchni o zmiennej fakturze rzeczywista wada może ginąć w obrazie. Program nie zawsze naprawi błąd popełniony przy doborze światła i optyki.

System wizyjny do detekcji defektów projektuje się więc na podstawie produktu, rodzaju wady, tempa linii i warunków panujących na stanowisku. Trzeba uwzględnić także różne referencje, zmianę wyglądu materiału między partiami, drgania oraz dostępne miejsce na montaż kamer. Gdy jedna perspektywa nie pokazuje całej powierzchni, rozwiązaniem może być kilka ujęć, obrót detalu albo kamera współpracująca z robotem.

Przykładem jest stacja MV Center dla dostawcy z branży automotive. Robot prezentuje element przed czterema kamerami pracującymi z różnymi konfiguracjami oświetlenia. Układ sprawdza m.in. porowatość powierzchni, a konstrukcja stanowiska pozwala dodawać kolejne referencje bez rozbudowy linii o osobny zestaw kamer dla każdej z nich.

Warto wiedzieć

Wymaganie „wykrywać każdą rysę” nie wystarcza do wyceny ani do oceny wykonalności. Potrzebne są przykłady wad akceptowanych i nieakceptowanych, ich minimalny istotny rozmiar oraz informacja, gdzie mogą wystąpić. Szczególnie cenne są detale na granicy tolerancji – to na nich można sprawdzić, czy kryterium kontroli odpowiada decyzjom działu jakości.

Automatyczne wykrywanie defektów bez zbędnego odrzucania dobrych sztuk

Stanowisko musi znaleźć niezgodności, ale równie istotne jest to, ile poprawnych produktów uzna za wadliwe. Zbyt czułe ustawienia zwiększają liczbę fałszywych odrzuceń i obciążają kontrolę dodatkową. Zbyt łagodne przepuszczają defekty dalej. Ocena rozwiązania powinna więc obejmować oba rodzaje błędów, a nie wyłącznie pokaz kilku poprawnie rozpoznanych próbek.

Automatyczne wykrywanie defektów wymaga uzgodnienia kryteriów z działem jakości oraz testów na reprezentatywnych produktach zgodnych i niezgodnych. Przy wadach o dobrze określonych cechach można wykorzystać algorytmy oparte na regułach. Gdy wygląd niezgodności jest bardziej zmienny, pomocne bywają narzędzia deep learning. Te metody można też łączyć. Dobór sposobu analizy wynika z zadania; zastosowanie AI samo w sobie nie gwarantuje lepszej kontroli.

W testach należy uwzględnić różne partie, odmiany produktu i typowe zmiany procesu. Jeśli po uruchomieniu stanowiska zmieni się materiał, narzędzie albo sposób obróbki powierzchni, warto zweryfikować nastawy ponownie. Tak utrzymuje się zgodność decyzji systemu z aktualnymi wymaganiami jakościowymi.

Gdzie umieścić kontrolę i co zrobić z wynikiem inspekcji?

Kontrola przed kosztowną operacją pozwala wcześnie odrzucić wadliwy półprodukt. Stanowisko na końcu linii zabezpiecza wyrób gotowy przed pakowaniem. W niektórych procesach potrzebne są oba punkty: pierwszy ogranicza straty wewnętrzne, drugi sprawdza rezultat po montażu. Wybór miejsca zależy od tego, na którym etapie wada powstaje i kiedy da się ją zobaczyć.

Stanowisko AOI może współpracować z mechanizmem odrzutu, blokadą produktu, sterownikiem PLC i systemem raportowania. Sposób reakcji należy uzgodnić przed wdrożeniem: czy detal ma trafić do pojemnika braków, na stanowisko ponownej oceny, czy do poprawki. Należy też określić, jak przypisać wynik do sztuki lub partii oraz kto może zmieniać nastawy podczas przezbrojenia.

W projekcie kontroli odlewów aluminiowych dla branży automotive stanowisko MV Center sprawdzało m.in. obecność i prawidłowy montaż wkładek gwintowych oraz nitów przed pakowaniem. Niezgodne części były blokowane w systemie SAP. To przykład, w którym wartość inspekcji zależy nie tylko od rozpoznania wady, lecz także od właściwego przekazania decyzji do dalszego procesu.

Jak sprawdzić opłacalność wdrożenia przed zakupem?

Koszt rozwiązania zależy od liczby kontrolowanych cech, wymaganej rozdzielczości, czasu cyklu, liczby ujęć, mechaniki stanowiska oraz zakresu integracji z linią. Dwie aplikacje badające podobny defekt mogą wymagać zupełnie innego sprzętu, jeśli jedna pracuje na nieruchomym detalu, a druga musi oceniać produkt w ruchu.

Do rozmowy o inwestycji warto przygotować liczbę sztuk, skalę braków, koszt ich wykrycia na kolejnych etapach i koszt reklamacji. Znaczenie ma również czas poświęcany na kontrolę ręczną oraz możliwość wykorzystania danych z AOI do poprawy procesu. Na tej podstawie można porównać warianty stanowiska i oszacować zwrot z inwestycji dla danego zakładu.

W MV Center proces rozpoczynamy od ustalenia zakresu produktów, wad i warunków inspekcji. Następnie możemy wykonać bezpłatne testy na dostarczonych próbkach w MVC Vision Lab i przygotować raport wraz z propozycją techniczną oraz budżetową. Jeśli zadanie wymaga potwierdzenia działania w środowisku produkcyjnym, możliwy jest także etap demonstracyjny na linii, wyceniany osobno.

Pro tip

Do pierwszych testów prześlij nie tylko kilka oczywistych braków. Dodaj poprawne detale o różnym wyglądzie, produkty z wadami granicznymi oraz próbki z różnych partii. Taki zestaw szybciej ujawni, które różnice są istotne dla jakości, a które system powinien ignorować.