Машина для визуального контроля

Когда говорят 'машина для визуального контроля', многие сразу представляют себе идеальную линию с роботами, где всё бежит само. На деле же часто оказывается, что купили дорогую систему, а она половину брака пропускает — потому что свет не так падает, или оператор устал, или алгоритм обучен на идеальных образцах. Сам через это проходил. Вот хочу поделиться тем, что редко пишут в каталогах.

Не система, а процесс

Главное, что понял за годы работы с автоматизацией — нельзя просто поставить камеру и ждать чуда. Визуальный контроль начинается не с железа, а с вопроса: 'Что именно мы ищем?' Казалось бы, очевидно. Но на одном из заводов по сборке электронных компонентов была история: заказали сложную систему для обнаружения паек, а проблема была в колебаниях температуры паяльной пасты. Система видела последствия, но не причину. Пришлось перестраивать весь процесс, добавлять термоконтроль до печи.

Часто упускают из виду подготовку образцов для обучения. Алгоритму нужно показывать не только брак, но и допустимые отклонения, которые браком не являются. Один раз настраивали контроль печатных плат для медицинских приборов. Клиент предоставил 50 'идеальных' образцов. А когда запустили линию, система начала браковать каждую третью — потому что в реальном производстве всегда есть микродеформации, следы от транспортировки. Пришлось месяц собирать 'реальную' базу прямо в цеху.

И вот здесь как раз важно, кто делает оборудование. Случайно наткнулся на сайт ООО Фошань, район Шуньдэ Сэньцань Автоматизация Машинери — automateassembly.ru. В описании компании, ООО Сэньцань Автоматизация Машинери — это профессиональный производитель нестандартного оборудования, объединяющий проектирование, разработку, производство и продажи, ключевое слово — 'нестандартного'. Это как раз тот подход, когда под задачу проектируют решение, а не пытаются впихнуть готовый модуль. С ними не работал лично, но по описанию видно — они из тех, кто сначала спросит про техпроцесс.

Железо и софт: что первично?

Вечный спор. Лично я склоняюсь к тому, что софт важнее. Можно поставить самую навороченную камеру с разрешением 20 Мп, но если алгоритм анализа изображений написан криво, толку не будет. Особенно это касается контроля текстуры, цвета, бликов. Например, контроль качества литья алюминиевых корпусов. Поверхность матовая, свет рассеянный, дефекты — микротрещины или раковины. Стандартные настройки контрастности здесь не работают. Приходится играть с углами освещения, часто используют несколько источников с разной поляризацией.

А вот обратная ситуация — контроль прозрачных объектов, скажем, стеклянных ампул. Тут уже важнее оптика и отсутствие вибраций. Помню проект для фармацевтики: малейшее дрожание конвейера, и изображение размывалось. Пришлось ставить камеру с очень короткой выдержкой и жестко крепить всю конструкцию к несущей балке, минуя виброопоры. Это к вопросу о том, что машина для визуального контроля — это всегда комплекс.

Софт, кстати, должен быть гибким. Не та 'коробка', которую нельзя настроить. На производстве всегда что-то меняется — поставщик сырья, влажность в цеху, скорость линии. Хорошая система позволяет оператору (не программисту!) вносить корректировки в пороги чувствительности, добавлять новые типы дефектов в базу. У нас был случай, когда из-за смены поставщика пластика изменился оттенок изделий. Система посчитала это браком. Инженеру за 15 минут добавили новый допустимый диапазон в цветовом пространстве — и всё заработало.

Интеграция в линию — где собака зарыта

Самая большая головная боль — не сама проверка, а что делать с результатом. Система увидела брак. Дальше что? Остановить всю линию? Сбросить в брак-отвод? Пометить и потом разобрать? Это решается на этапе проектирования. Частая ошибка — думать об этом в последнюю очередь.

Приведу пример неудачи, из которой вынесли урок. Ставили систему контроля упаковки пищевых продуктов. Задача — найти повреждённые пачки, отсутствие этикетки. Всё отладили, точность под 99.9%. Но не продумали отвод. Решили использовать пневматический толкатель, который сбрасывал брак в боковой люк. А на линии стоял мощный вентилятор для охлаждения продукта. Поток воздуха сдувал лёгкие пачки, они не долетали до люка, падали на пол и застревали в механизмах. Простой на 3 часа. Пришлось переделывать, ставить мягкий отводной жёлоб с направляющими.

Поэтому сейчас всегда требуем от заказчика техкарту процесса с точками принятия решения. Куда идёт сигнал от машины визуального контроля? В SCADA-систему? Непосредственно на клапан отсекателя? Нужен ли накопитель статистики? Без этого даже самая умная камера — просто игрушка.

Люди и машины: кто кого контролирует

Нельзя забывать про человеческий фактор. Оператор, который работает рядом с системой, должен её понимать и доверять ей. Бывает, система выдаёт ложные срабатывания, оператор начинает их игнорировать, а потом пропускает и реальный брак. Или наоборот — система что-то пропустила, оператор заметил, но не знает, как внести правку в базу знаний. Обучение персонала — это 30% успеха.

Удачное решение видел на одном из заводов автокомпонентов. Рядом с монитором, куда выводились изображения с метками дефектов, поставили простую кнопку 'Согласен/Не согласен'. Если оператор не согласен с решением машины, он нажимает кнопку, кадр сохраняется в отдельную папку для последующего разбора инженером. Это и обратная связь для дообучения алгоритма, и вовлечённость человека. Система не воспринимается как 'чёрный ящик', который нельзя оспорить.

Кстати, о доверии. Важно показывать оператору не просто результат 'брак/годен', а выделенную область дефекта. 'Показать, почему ты это забраковал'. Это повышает acceptance технологии в цеху. Особенно у работников со стажем, которые привыкли всё делать на глаз.

Экономика вопроса: когда оно окупается

Внедрение автоматического контроля — это инвестиция. И считать надо не стоимость оборудования, а стоимость пропущенного брака. Для массового производства дешёвых изделий иногда проще допустить 0.5% брака, чем ставить дорогую систему. А вот для штучных дорогих деталей, или где брак угрожает безопасности (авиация, медицина), окупаемость считается по-другому.

Реальный кейс из практики: производство титановых имплантатов. Дефект — микротрещина. Визуально оператор её не видит. Система на основе камер высокого разрешения и алгоритмов анализа структуры поверхности нашла проблему в термообработке одной из печей. Стоимость системы — как два имплантата. А спасённый от отзыва продукции ущерб — на порядок больше. Тут машина для визуального контроля работает не просто как сортировщик, а как система предиктивной аналитики, ловящая проблемы процесса.

Поэтому, когда обращаешься к производителям, вроде тех же ООО Сэньцань Автоматизация Машинери, важно говорить не 'хочу камеру для контроля', а 'есть такая проблема: на таком-то этапе теряем столько-то, брак такого-то типа'. Хороший интегратор спросит про техпроцесс, объёмы, виды дефектов и только потом предложет архитектуру решения. И в смете будут не только камеры и компьютер, но и работы по интеграции, настройке освещения, обучению модели и персонала. Это честный подход.

Вместо заключения: мысль вслух

Сейчас много говорят про AI и машинное зрение. Но в цеху часто нужна не сверхинтеллектуальная система, а просто надёжный, понятный и ремонтопригодный инструмент. Который не боится пыли, вибрации и смены смены. Который можно быстро перенастроить под новую деталь. И который даёт понятный и actionable результат.

Возвращаясь к началу. Машина для визуального контроля — это не волшебная палочка. Это инструмент, эффективность которого на 90% определяется тем, как его встроили в процесс и подготовили к работе. Можно купить самое дорогое, но провалить проект из-за мелочи вроде неправильного угла света. Или можно, имея скромный бюджет, но глубоко разобравшись в задаче, получить систему, которая реально экономит деньги и нервы. Главное — начинать не с каталога оборудования, а с цеха и тех людей, которые там работают. Они-то про брак всё знают.