เอกสาร SOP แบบกระดาษต้องผ่านสี่ขั้นตอนตั้งแต่การสรุปในคอมพิวเตอร์ของวิศวกรจนกระทั่งปรากฏบนผนังที่สถานีทำงาน 200 แห่ง ได้แก่ การพิมพ์ การประทับตรา การแจกจ่าย และการเก็บรวบรวมเวอร์ชันเก่า สมมติว่าโรงงานผลิตชิ้นส่วนโลหะความแม่นยำสูงแห่งหนึ่งมีการเปลี่ยนสายการผลิตแปดครั้งต่อวัน แต่ละครั้งจำเป็นต้องตรวจสอบเวอร์ชันของคำสั่งงานผ่านการค้นหา เปรียบเทียบ และลงนามด้วยตนเอง ซึ่งใช้เวลาเกือบสองชั่วโมงต่อวันสำหรับหัวหน้าสายการผลิตเพียงอย่างเดียว การเปลี่ยนมาใช้ Kanban แบบอิเล็กทรอนิกส์ทำให้เซิร์ฟเวอร์สามารถแจกจ่ายเวอร์ชันได้อย่างสม่ำเสมอ และหน้าจอที่สถานีทำงานจะรีเฟรชอัตโนมัติ ช่องว่างด้านประสิทธิภาพไม่ได้เกิดจากกระดาษหรือหน้าจอ แต่อยู่ที่ว่าการไหลเวียนของเวอร์ชันถูกควบคุมโดยระบบหรือไม่ การนำระบบจดจำภาพด้วยปัญญาประดิษฐ์ (AI Visual Recognition) ไปใช้กับงานผลิตชิ้นส่วนโลหะความแม่นยำสูงก็ใช้ตรรกะเดียวกัน นั่นคือไม่ใช่เพียงแค่การซื้ออัลกอริทึมแล้วติดตั้งบนสายการผลิต แต่ต้องดำเนินการเป็นขั้นตอนตามกำหนดโครงการ
1. ระยะก่อนเริ่มใช้งาน: ชัดเจนว่า "ต้องจดจำอะไร" และ "ใครจะเป็นผู้ใช้"
ความท้าทายในการตรวจจับสำหรับงานผลิตชิ้นส่วนโลหะความแม่นยำสูงมีความเฉพาะเจาะจง ได้แก่ ขนาดเล็ก ความมันวาวสูง และรูปร่างของความบกพร่องที่หลากหลาย ข้อผิดพลาดที่สำคัญที่สุดในช่วงเริ่มต้นโครงการคือการพยายามทดสอบด้วยโมเดลการมองเห็นทั่วไปโดยตรง รายการที่ต้องตรวจสอบต้องระบุให้ชัดเจนก่อนว่าเป็นรอยขีดข่วนบนพื้นผิว วัสดุขาดหาย ขอบคม หรือการตัดสินการประกอบเสร็จสิ้น เกณฑ์การตัดสินสำหรับแต่ละประเภทความบกพร่องต้องเขียนเป็นข้อความและรูปภาพลงในคำสั่งงาน ไม่ควรเก็บไว้ในความจำของผู้ตรวจสอบคุณภาพเท่านั้น ขั้นตอนนี้สอดคล้องกับการจัดโครงสร้างเอกสาร ESOP โดยกฎการจดจำต้องสามารถอธิบายได้และจัดการเวอร์ชันได้
ในเวลาเดียวกัน ต้องกำหนดบทบาทของผู้ใช้ ผลลัพธ์จากระบบจดจำภาพด้วยปัญญาประดิษฐ์สำหรับชิ้นส่วนโลหะความแม่นยำสูงจะสิ้นสุดที่ระดับสถานีทำงาน ผู้ปฏิบัติงานจะเห็นคำแนะนำ OK/NG หัวหน้าสายการผลิตจะดูการกระจายตัวของความบกพร่องตามกะ และวิศวกรคุณภาพสามารถติดตามรูปภาพได้ ซึ่งหมายความว่าผลการแจ้งเตือนและการตัดสินจากโมดูลการจดจำภาพสามารถส่งตรงไปยังเครื่องรวมศูนย์ที่สถานีทำงานได้โดยไม่ต้องสร้างระบบเทอร์มินัลแยกต่างหาก
2. ระยะดำเนินการ: กล้อง แสง กำลังประมวลผล และการผสานเข้ากับระบบที่มีอยู่
การกระทำหลักในช่วงการนำไปปฏิบัติจริงคือความเสถียรของการถ่ายภาพ ความมันวาวบนพื้นผิว คราบน้ำมัน และมุมวางที่เบี่ยงเบนของชิ้นส่วนโลหะอาจทำให้ผลิตภัณฑ์เดียวกันให้ผลลัพธ์ที่แตกต่างกันในเวลาที่ต่างกัน ในการออกแบบโซลูชัน สายการผลิตขึ้นรูปชิ้นส่วนโลหะความแม่นยำสูงแห่งหนึ่งได้ติดตั้งสถานีตรวจสอบหกแห่ง แต่ละแห่งมีแสงไฟเฉพาะและเซนเซอร์กระตุ้น พร้อมกับการรับภาพที่ซิงโครไนซ์กับรอบการผลิต ไม่มีทางลัดที่นี่ แสงต้องปรับ โฟกัสต้องปรับ และต้องทำการรันตัวอย่าง
ในส่วนของการผสานระบบ ระบบจดจำภาพด้วยปัญญาประดิษฐ์สำหรับชิ้นส่วนโลหะความแม่นยำสูงไม่ใช่เกาะที่โดดเดี่ยว ผลลัพธ์จากการจดจำต้องถูกบันทึกลงในฐานข้อมูลและเชื่อมโยงกับใบสั่งงาน กลุ่มสินค้า และรหัสอุปกรณ์ รูปภาพของผลิตภัณฑ์ที่ไม่ได้มาตรฐานต้องสามารถเรียกคืนได้ตามเงื่อนไข ข้อมูลการตัดสินจากสถานีงานแบบมองเห็นสามารถเข้าสู่ช่องทางรวบรวมเดียวกันได้ บนอินเทอร์เฟซเว็บ สามารถทำการค้นหาโดยใช้ชุดเงื่อนไขใดก็ได้ โดยรายการที่ล้มเหลวจะถูกทำเครื่องหมายสีแดง และแสดงข้อกำหนดการทดสอบเมื่อเลื่อนเมาส์เหนือ หากสมมติว่าโรงงานผลิตอิเล็กทรอนิกส์แห่งหนึ่งมีทั้งสถานีทดสอบเครื่องมือและสถานีตรวจสอบภาพพร้อมกัน ข้อมูลจะเข้าสู่ฐานข้อมูลเดียวกัน ทำให้ไม่ต้องสลับระหว่างระบบระหว่างการติดตามย้อนกลับ
3. ระยะตรวจสอบ: อาศัยชุดตัวอย่างและเวลาในรอบการทำงาน
การตรวจสอบออนไลน์เกิดขึ้นสองชั้น ชั้นแรกคือการตรวจสอบแบบออฟไลน์: ใช้รูปภาพของผลิตภัณฑ์ที่ดีและเสียที่สะสมมาสามเดือนเพื่อทดสอบซ้ำ เพื่อให้แน่ใจว่าอัตราการพลาดและอัตราการปฏิเสธผิดอยู่ในเกณฑ์ที่ยอมรับได้ ชั้นที่สองคือการตรวจสอบแบบออนไลน์: รันคู่ไปกับสายการผลิตอย่างน้อยสามรอบกะเต็ม เพื่อสังเกตผลกระทบของการเปลี่ยนแปลงแสง วัสดุ และการเปลี่ยนกะที่มีต่อผลลัพธ์การจดจำ ในการประมาณการโซลูชัน การตัดสินผิดพลาดในการตรวจจับภาพสำหรับชิ้นส่วนโลหะความแม่นยำสูงจะกระจุกตัวอยู่ในสถานการณ์การสะท้อนขอบและการเบี่ยงเบนของการวางเป็นหลัก ประเภทตัวอย่างเหล่านี้ต้องถูกแยกออกมาเป็นพิเศษในช่วงระยะตรวจสอบ
หลังจากผ่านการตรวจสอบ ให้ย้ายไปสู่การทดลองดำเนินการ ในช่วงเวลานี้ ให้คงการตัดสินใหม่ด้วยมนุษย์ไว้ บันทึกผลการตัดสินแบบมองเห็นและแบบมนุษย์ไปพร้อมกัน และวิเคราะห์ความแตกต่างทีละรายการ ขั้นตอนนี้ยังทำหน้าที่เป็นหน้าต่างสำหรับการอัปเดตคำสั่งงานให้ทันสมัย: หากเกณฑ์การจดจำมีการปรับเปลี่ยน ข้อความและรูปภาพใน ESOP ต้องได้รับการอัปเดตตามไปด้วย
4. ระยะหลังเริ่มใช้งาน: นำผลลัพธ์การจดจำไปรวมในการจัดการประจำวัน
การเปิดตัวระบบจดจำภาพด้วยปัญญาประดิษฐ์สำหรับชิ้นส่วนโลหะความแม่นยำสูงไม่ใช่จุดจบ การจัดการประจำวันต้องตอบคำถามสามข้อ ได้แก่ ประเภทความบกพร่อง สถานีทำงาน และกลุ่มสินค้าที่มีความบกพร่องเข้มข้นในช่วงกะนั้น มีการส่งการแจ้งเตือนไปยังผู้รับผิดชอบอย่างทันท่วงทีหรือไม่ และรูปภาพในอดีตสามารถสนับสนุนการติดตามข้อร้องเรียนของลูกค้าได้หรือไม่ ในรายการโมดูล MES แบบเบา ระบบนับภาพด้วย AI การชั่งน้ำหนัก การระบุวัสดุขาดหาย และการระบุความบกพร่อง จะทำงานร่วมกับ Andon, Kanban อิเล็กทรอนิกส์ และการติดตามคุณภาพบนแพลตฟอร์มเดียวกันตามต้องการ การนำ ESOP และ MES แบบเบาไปใช้ร่วมกันไม่ขัดแย้งกัน โดย MES แบบเบาเป็นเซตย่อยที่ครอบคลุมกว่าของ ESOP ทำให้สามารถพัฒนาต่อไปได้อย่างราบรื่นบนแพลตฟอร์มเดียวกัน