Помогут ли системы машинного зрения и нейронные сети сократить количество брака и дефектов?

Материал подготовил: научный директор Центра AQT Григорьев С. П .

Мы можем наблюдать рост рекламных материалов в области применения машинного зрения на производственных предприятиях для контроля качества.

"Камера машинного зрения получает изображение от поверхности ... Полученное изображение проходит обработку для выявления зон дефектов, в дальнейшем анализируется нейронной сетью на предмет классификации дефектов. Результаты анализа выводятся на АРМ операторов, с интеграцией в АСУТП. Выявленные дефекты проходят онлайн классификацию по более чем 30 параметрам".

Конечно, системы машинного зрения помогут идентифицировать дефекты в потоке продукции или полуфабрикатов, а производственный менеджмент и разработчики будут вынуждены уделять должное внимание операциональным определениям , но без использования знаний в области статистического управления процессами такие системы будут принуждать оператора совершать большее количество ошибок первого и второго рода , лишь ухудшая положение дел.

Такие системы машинного зрения не смогут подсказать оператору, что ему необходимо делать для улучшения выхода процесса и тем более не возьмут на себя ответственность за результаты решений оператора, который использовал "анализ дефектов, выводимый на АРМ операторов".

"Всё это попытки «срезать углы» на пути к качеству. Здесь нет коротких путей".

[1] Эдвардс Деминг, Препятствия на пути преобразований
(W. Edwards Deming, Deming's obstacles to transformation)

Смотрите пояснение в статье Дональда Уилера: Правильные и неправильные пути использования полей допусков .

Смотрите пример вмешательства оператора в процесс управления потоком газа на предприятии, производящем метан биогенного происхождения в статье: Концепция вариабельности в управлении технологическими процессами .