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".
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.