ИИ-контроль брака: разметка дефектов, сменный отчет и решение технолога
Красная рамка на изображении ещё не решение о браке. Автоматическое выявление дефектов продукции работает, когда сменный отчёт связывает класс дефекта с изделием, решением контролёра и фактическим действием.
«Камера отмечает пятно на детали. Один контролёр считает его браком, другой допускает после очистки, а в отчёте оба решения записаны как «дефект поверхности». На следующий день модель учат на этих записях и получают ещё больше спорных снимков. Камера не устраняет противоречия в критериях — она ускоряет их распространение.»
С чего начать: договоритесь, что означает «не годится»
Первый набор классов ограничивают одним изделием и несколькими наблюдаемыми признаками. Для каждого класса нужен эталон, граница допустимости и вариант «решение не определено». Два контролёра независимо размечают одну выборку, несовпадения разбирает технолог и фиксирует правило. Усреднение двух ответов правильный эталон не создаёт.
Эффективная точка старта в контроле качества
Одно изделие, согласованные классы и контрольная выборка до обучения. Версия правила разметки хранится в журнале, чтобы снижение брака не совпало с переписанным определением брака.
Модельный сценарий: массовый рост одного класса дефекта за смену
Камера начинает чаще отмечать дефект поверхности. Sherpa AI Server сначала проверяет источник: освещение, блики, загрязнение объектива, смену поставщика материала. Похожие наблюдения группируются по согласованному признаку с сохранением исходных карточек. Технолог получает одну задачу с масштабом и вероятной причиной, а не сотню отдельных рамок.
Паспорт пилота на одной странице
- 1Участок процесса: Визуальный контроль одного изделия, сменный журнал и решение технолога.
- 2Базовая линия: 1 200 изделий за смену по 12 секунд ручного просмотра — 240 минут (условные данные).
- 3Контрольная выборка: 400 изделий: 80 подтверждённых дефектных и 320 годных, с пограничными примерами.
- 4Границы системы: Подозрение и запись в журнал; управление отбраковщиком и режимом линии — отдельное проектирование.
- 5Критерий успеха: Каждое изделие прошло путь от подозрения до решения или видно как открытое; связь кадра с изделием не теряется.
Четыре звена ИИ-контроля брака
ИИ в решении автоматизации производства отвечает за ограниченный участок: модель предлагает класс, контролёр подтверждает наблюдение, технолог решает спор и утверждает правило.
Классы и эталоны
Граница допустимости, назначение изделия и вариант «решение не определено» для каждого класса.
Связь кадра с изделием
ID изделия или партии, время, операция, камера, освещение и версия модели.
Очередь решений
Карточка ждёт подтверждения результата повторной обработки, а не закрывается вместе с уведомлением.
Сменный отчёт
Обработано, подозрения, подтверждённые дефекты, повторные осмотры и незавершённые решения.
Пять этапов пилота визуального контроля
Пилот останавливается при потере связи кадра с изделием, неизвестной версии правила или отсутствии ответственного за спор.
Классы дефектов
Эталоны и границы для одного изделия, утверждённые технологом.
Двойная разметка
Независимая оценка двух контролёров и разбор несовпадений с фиксацией правила.
Проверка съёмки
Блики, загрязнение объектива, край поля зрения и маршрут повторного или ручного осмотра.
Приёмочный набор
400 изделий с ошибками по критичным классам, разобранными поштучно.
Рабочий поток
Смена с естественным составом изделий и независимым контролем выборки.
Как оценить пилот: четыре группы метрик
Обогащённый дефектами набор проверяет поведение модели, но не прогнозирует нагрузку обычной смены. Для расчёта труда нужен поток с естественным составом изделий.
Выявление дефектов: 76 из 80 подтверждённых дефектных — 95% в условном приёмочном наборе.
Лишние подозрения: 16 из 320 годных — 5%; каждое требует времени контролёра.
Подтверждённая доля брака: 50 / 1 200 = 4,17% рядом с 10 незавершёнными карточками; подозрения итогом не считаются.
Время контроля: 120 проверок по 30 секунд и 20 минут на журнал — 80 минут вместо 240.
Формула доли подтверждённого брака
Число 4,17% не завершает оценку: пропущенные моделью дефекты в журнале подозрений не видны, поэтому нужен независимый контроль выборки.
Доля брака = Подтверждённые дефекты ÷ Осмотренные изделия (+ отдельно: Открытые решения, Результат контрольной выборки)Архитектура: камера, модель, люди и журнал
Роботизация производственных процессов может включать автоматическую передачу записей между системами, но разрешение переносить данные не означает разрешения управлять отбраковщиком.
1. Камера и освещение
Кадр изделия с параметрами съёмки и признаками недостаточного качества изображения.
2. Sherpa AI Server
Класс подозрения, проверка источника и группировка похожих наблюдений.
3. Контролёр и технолог
Подтверждение наблюдения, разбор спора и утверждение изменения правила.
4. Sherpa RPA и MES
Запись решения, привязка к изделию и партии, контроль повторной обработки.
5. Сменный журнал
Сверка числа изделий с карточками и итоговыми решениями по версии правила.
Июньский анонс Siemens и HighByte посвящён контексту производственных данных — первичный источник. Разметка, тестовые выборки и расчёты предложены авторами; камера, монтаж и настройка в расчёт времени не включены.
Три ошибки, из-за которых камера не уменьшает брак
Путать обнаружение с предотвращением
Вопрос «как уменьшить брак на производстве» требует разделить их: лучшее обнаружение может временно увеличить зарегистрированную долю брака, а причину дефекта устраняют технологические решения.
Записывать подозрения как брак
Автоматизация производственной отчетности полезна, когда итог смены сверяется с журналом изделий и явным знаменателем. Подозрение не является итогом.
Отправлять каждую рамку технологу
Автоматизация и роботизация производственных процессов должны группировать похожие наблюдения и сохранять связь карточки с действием. Иначе технолог разбирает галерею, а не причину.
Мнение эксперта
Константин Артемьев Основатель и генеральный директор Sherpa Robotics«Контроль качества продукции с помощью ИИ мы принимаем не по подборке удачных картинок, а по журналу смены: какие изделия прошли путь от подозрения до решения и какие остались открытыми. Если технолог может восстановить причину каждого действия, у камеры появляется рабочее место в процессе, а у отчёта — основание.»
Что изучить перед запуском пилота
Эти материалы продолжают логику статьи: помогают найти процесс, выбрать закрытый ИИ-контур, определить роль RPA и сверить гипотезу с реальными внедрениями.
Частые вопросы
Можно ли оценить качество камеры по общей точности?
Нет: большинство годных изделий может скрывать пропуски редкого дефекта. Ошибки считают отдельно по значимым классам и сохраняют версию правила разметки.
Как разрешать расхождения контролёров в разметке?
Дать им одну выборку для независимой оценки. Несовпадения разбирает технолог и фиксирует правило; если решение зависит от назначения изделия, назначение указывается при разметке.
Что делать при отсутствующем или плохом кадре?
Отметить недостаток данных и отправить изделие на повторный или ручной осмотр. Отсутствие изображения не означает годность.
Почему после подключения камеры зарегистрированный брак вырос?
Система могла начать находить ранее пропускавшиеся дефекты. Улучшение обнаружения и изменение процесса изготовления разделяют.
Как доказать завершение сменной проверки?
Сверить число изделий с карточками и итоговыми решениями. Подозрения, подтверждённый брак и открытые проверки показываются отдельно.
Свяжите каждую рамку камеры с решением по изделию
Согласуем классы дефектов для одного изделия, настроим связь кадра с партией и сменный журнал и проверим ИИ-контроль Sherpa на приёмочном наборе с пограничными примерами.