Trung tâm kiến thức
Mục lục

Q: Hệ thống phân loại khuyết tật chất lượng bằng AI có khả thi với nhà máy vừa và nhỏ không?

A: Có, và rào cản thấp hơn nhiều so với điều nhiều chủ nhà máy vừa và nhỏ tưởng tượng. Nguyên lý cốt lõi của hệ thống phân loại khuyết tật chất lượng bằng AI không phức tạp: về bản chất, nó dùng một mô hình học sâu để thay thế việc kiểm tra bằng mắt thủ công, dạy cho máy nhận biết đâu là chi tiết tốt và đâu là chi tiết lỗi. Với nhà máy vừa và nhỏ, then chốt không phải công nghệ tiên tiến đến đâu, mà là có hợp túi tiền, có dùng được và có bền không.

I. Hiểu nguyên lý trước khi bàn đến tính khả thi

Nguyên lý cơ bản của hệ thống phân loại khuyết tật chất lượng bằng AI gồm ba bước. Thứ nhất là thu nhận ảnh: camera công nghiệp hoặc camera độ nét cao thông thường chụp các trạm làm việc then chốt trên dây chuyền, biến bề mặt sản phẩm, kích thước và trạng thái lắp ráp thành ảnh số. Thứ hai là huấn luyện mô hình: ảnh của chi tiết tốt và của từng loại khuyết tật, như xước, bẩn, thiếu chi tiết, lắp sai và nứt, được gán nhãn và đưa vào mạng nơ-ron tích chập (CNN) để mô hình tự học các đặc trưng khuyết tật. Thứ ba là suy luận trực tuyến: camera chụp theo thời gian thực trong khi dây chuyền chạy, mô hình quyết định trong vài chục mili giây xem ảnh thuộc lớp nào, xuất ra OK hoặc NG, và kích hoạt phân loại, cảnh báo hoặc ghi nhận.

hình minh họa

II. Nỗi đau thực sự của nhà máy vừa và nhỏ khớp chính xác với bài toán này

Nhà máy vừa và nhỏ thường gặp ba vấn đề trong kiểm tra. Thứ nhất, nhân viên kiểm tra thị giác thay đổi liên tục, đào tạo mất thời gian và tiêu chuẩn không nhất quán. Thứ hai, loại khuyết tật nhiều nhưng mẫu mỗi loại ít, nên các quy tắc thị giác truyền thống không bao phủ được. Thứ ba, tốc độ dây chuyền ngày càng tăng khiến mắt người mỏi và bỏ sót khuyết tật. Phân loại khuyết tật bằng AI giải quyết đúng ba điểm này. Nó không dựa vào quy tắc viết tay mà học từ mẫu; sau khi huấn luyện, tiêu chuẩn phán định của nó đồng nhất và không dao động theo tâm trạng hay mệt mỏi; và suy luận có thể chạy ở mức mili giây, nhanh hơn nhiều mắt người.

III. Khó khăn thực sự không phải thuật toán mà là dữ liệu và triển khai

hình minh họa

Điều nhà máy vừa và nhỏ thực sự đối mặt không phải là có huấn luyện được mô hình hay không, mà là có đủ ảnh khuyết tật hay không và việc triển khai có quá phức tạp hay không. Giả sử một công ty phụ tùng ô tô kiểm tra bề mặt chi tiết dập và chỉ có vài chục mẫu khuyết tật. Khi đó hãy dùng tăng cường dữ liệu và học chuyển giao, hoặc trước hết huấn luyện mô hình phát hiện bất thường trên chi tiết tốt rồi tích lũy dần mẫu khuyết tật. Về triển khai, nhiều giải pháp hiện hỗ trợ hộp tính toán biên, nên nhà máy không cần mua máy chủ và tuyển kỹ sư thuật toán. Thực tiễn của ZEVON theo hướng MES + AI cho thấy việc nhúng mô-đun kiểm tra AI vào dòng MES hiện có, để kết quả liên kết trực tiếp với lệnh sản xuất, lô và tham số thiết bị, là khả thi ngay cả với nhà máy vừa và nhỏ. Kinh nghiệm của ZEVON ESOP về chỉ dẫn công việc và truy xuất nguồn gốc chất lượng cũng giúp nhà máy đưa kết quả phân loại khuyết tật trở lại phục vụ cải tiến quy trình.

IV. Cách tính chi phí và lợi ích

Nhà máy vừa và nhỏ quan tâm nhất đến đầu vào và đầu ra. Với một giải pháp kiểm tra AI nhẹ, đầu tư phần cứng cộng phần mềm hằng năm thường có thể giữ trong khoảng tiền lương năm của vài nhân viên kiểm tra. Giả sử một nhà máy điện tử có ba trạm kiểm tra ngoại quan sau SMT với hai nhân viên kiểm tra thị giác mỗi trạm, tính theo ba ca là hơn mười người. Một hệ thống AI có thể bao phủ phần lớn các loại khuyết tật tiêu chuẩn và giải phóng nhân lực cho việc phán định lại và xử lý ngoại lệ. ZEVON đã phục vụ hơn 3.200 thiết bị đầu cuối, trong đó hơn 120 khách hàng trải trên hơn 15 ngành; nhiều khách hàng trong số này là nhà máy vừa và nhỏ, và kinh nghiệm của họ là bắt đầu từ một dây chuyền, một loại khuyết tật rồi nhân rộng sau khi chạy được.

hình minh họa

V. Lời khuyên thực tế cho nhà máy vừa và nhỏ

Thứ nhất, đừng theo đuổi việc bao phủ toàn bộ khuyết tật ngay từ đầu; hãy chọn công đoạn đau nhất, chuẩn hóa nhất và dễ tích lũy mẫu nhất. Thứ hai, ưu tiên giải pháp kết nối được với MES hoặc ESOP hiện có để dữ liệu kiểm tra không trở thành một ốc đảo mới. Thứ ba, hãy để tổ trưởng dây chuyền tham gia gán nhãn và xác nhận, vì họ hiểu rõ nhất khuyết tật trông như thế nào. Thứ tư, coi AI là trợ thủ chứ không phải thay thế hoàn toàn, giữ lại kênh phán định lại thủ công và xây dựng niềm tin dần dần.

Tóm lại, hệ thống phân loại khuyết tật chất lượng bằng AI hoàn toàn khả thi tại nhà máy vừa và nhỏ, miễn là chọn đúng điểm khởi đầu, kiểm soát được rào cản dữ liệu và triển khai nhẹ nhàng. Hãy chứng minh hiệu quả ở một trạm làm việc trước, rồi mở rộng ra cả dây chuyền, cuối cùng bao phủ các điểm kiểm tra then chốt của nhà máy; đó là con đường đáng tin cậy nhất để nhà máy vừa và nhỏ tiến tới thông minh hóa.

Chủ đề: AI-FAQ