[@portabletext/react] Unknown block type "span", specify a component for it in the `components.types` prop
도자기 타일 생산용 자동 품질 검사란
도자기 타일용 AI 결함 검출은 카메라와 비전 모델을 사용하여 모든 타일이 글레이즈 라인, 키룬 출구, 분류 스테이션, 포장 라인을 떠나는 순간을 모니터링하고, 부적합 타일이 도매업자에게 도달하기 전에 표시합니다. 분류 벨트의 작업자나 경직된 규칙 기반 비전에 의존하는 대신, 모델은 귀하의 SKU 포트폴리오에서 타일 본체, 글레이즈 마감, 색조 대역, 디자인 패턴을 학습하고 교대, 라인 속도, 디자인 전환 전반에 걸쳐 일관된 시각적 체크포인트를 적용합니다.
도자기 타일은 라인 속도에서 검사하기가 특히 어렵습니다. 디지털 인쇄 디자인은 같은 SKU 내에서도 의도된 변동을 보이고, 글레이즈 마감은 매트, 광택, 럭스 제품 라인에서 다르게 보이며, 시공을 망치는 헤어라인 균열은 분류 라인 조명 아래에서 의도된 디자인 균열과 동일하게 보이기 때문입니다. 단일 디자인을 중심으로 구축된 규칙 기반 비전은 다른 색조, 다른 글레이즈 레시피, 다른 키룬 일정으로 전환하는 순간 무너집니다.
결과적으로 분류 라인 종단 샘플링을 보완하고 타일 단위 이미지 기록을 제공하는 자동 시각 체크포인트가 생깁니다. 6주 후 도매 클레임이 들어오면 그 배치의 정확한 생산 윈도우에서 프레임을 끌어내어 결함을 확인하거나 증거로 반박할 수 있습니다.
도자기 타일 라인에서 검출하는 결함
표면 균열과 헤어라인
표면 균열은 키룬 열 충격, 본체와 글레이즈 간 열팽창 불일치, 또는 컨베이어에서의 거친 취급으로 발생하는 글레이즈 또는 본체의 구조적 균열입니다. 헤어라인 균열은 종종 타일이 시공 후 그라우트되어야 보이며, 그 시점에는 이미 도매업자에게 출하되어 있습니다. 분류 작업자는 명백한 균열을 잡지만 디자인 패턴처럼 보이는 초기 단계 헤어라인은 놓칩니다. AI 모델은 사양 글레이즈 텍스처를 학습하고 라인 작업자보다 훨씬 빨리 로컬 균열 특징을 검출합니다.
글레이즈 핀홀과 크롤링
글레이즈 결함에는 갇힌 가스, 오염된 본체 표면, 또는 미경화 글레이즈 점도로 발생하는 핀홀, 크롤링, 블리스터링이 포함됩니다. 핀홀은 시공된 타일에서 물 침투점을 만들고 동결 융해 보증 시험에서 거부됩니다. 크롤링은 글레이즈가 비드 형태로 모여 본체를 노출시키며 럭스 SKU에서 가시적입니다. AI 모델은 SKU별 사양 글레이즈의 시각적 특징을 보유하고 로컬 패턴이 사양에서 벗어나는 순간 핀홀 밀도와 크롤링 클러스터를 표시합니다.
색조와 패턴 편차
색조 편차는 디지털 인쇄 헤드 마모, 잉크 점도 드리프트, 또는 키룬 분위기 변화로 발생하는 디자인 색조의 점진적 일탈입니다. 최악의 케이스는 분류 작업자가 검사하는 샘플 사이에 위치하므로 분류 등급을 통과하지만, 시공된 바닥은 룸 전체에 가시 색조 패치를 보입니다. AI 모델은 SKU별 학습된 기준 패턴을 보유하고 로컬 색조 델타가 사양을 초과하는 순간 드리프트를 표시하여, 부적합 색조 배치가 도매업자에게 도달하기 전에 라인이 인쇄 헤드를 청소하거나 잉크 공급을 조정할 기회를 얻습니다.
치수와 직각도 일탈
치수 결함은 프레스 마모, 키룬 위치 효과, 또는 디지털 캘리브레이션 드리프트로 발생하는 길이, 폭, 또는 직각도 일탈입니다. 사양 외 타일은 시공 시 그라우트 라인이 맞지 않아 메이슨이 거부합니다. 작업자의 캘리퍼 샘플링은 추세를 잡지만 그 사이의 윈도우는 놓칩니다. AI 모델은 분류 라인에서 모든 타일의 치수와 직각도를 측정하고 사양 대역에서 벗어난 타일을 표시하므로, 라인은 조기에 프레스나 키룬 매개변수를 조정할 수 있습니다.
모서리 결손과 코너 파손
모서리 결손은 컨베이어 간 전송 충격, 분류 시 거친 취급, 또는 적재 중 스택 충격으로 발생합니다. 코너 파손은 시공된 바닥에서 가시적이며 보증 클레임을 발생시킵니다. 작업자는 명백한 결손을 잡지만 분류에 합격하여 시공자가 타일을 박스에서 꺼낼 때 거부되는 경계선 모서리는 놓칩니다. AI 모델은 1프레임에서 모서리 텍스처를 캡처하고 귀하의 수용 임계값을 초과하는 타일을 표시합니다.
표면 함유물과 점
함유물은 본체 조제, 글레이즈 안료, 또는 마모된 내화재에서 비롯되는 소성 후 가시 페이스에 나타나는 검은 점, 라임 팝 스팟, 오염 입자입니다. 작업자는 명백한 검은 점은 잡지만 분류 조명에서는 사라지고 시공된 바닥의 햇빛에서 표면화되는 밝은 함유물은 놓칩니다. AI 모델은 사양 페이스 텍스처를 학습하고 귀하의 공차를 초과하는 로컬 편차를 표시하므로, 작업자는 원자재 스크리닝이나 글레이즈 여과를 확인할 수 있습니다.
도자기 타일 라인에서 이를 작동시키는 조명 설정은 글레이즈 마감과 색조를 읽기 위한 분류 라인 위 확산 오버헤드 광, 그리고 모서리 결손과 표면 결함을 읽기 위한 키룬 출구의 저각도 링 광의 조합입니다. 매크로와 광각 렌즈가 장착된 iPhone Pro는 중요 관리점당 단일 검사 스테이션에서 7개 결함 패밀리를 처리합니다. 표시된 타일이 하류 분류·홀드 결정을 구동하도록 리그를 컨베이어 인코더와 동기화합니다. 광학 설계는 온보딩 중에 귀하와 함께 진행합니다.
도자기 타일 라인에서 Enao가 운영되는 방식
전체 하드웨어 리그는 1,000유로 미만이며, 리퍼비시 iPhone Pro, 글레이즈·모서리 검사용 옵션 저각도 스폿 광이 있는 확산 오버헤드 광, USB-C 케이블, 글레이즈 라인·키룬 출구·분류 스테이션·포장 라인 위에 클램프하는 마운트로 구성됩니다. 첫 번째 배포에는 PLC 통합이 필요 없고, 리그는 비행 케이스에 들어가며 설치 중에도 라인은 가동을 유지합니다.
온보딩은 셀프 서비스입니다. 라인 담당자가 리그를 부착하고 Enao 앱을 열어 다음 전환 시 기준 프레임 수집을 시작합니다. 첫날 라벨링 없이 80% 정확도를 반환하고, 14일째까지 모델은 본 결함 패밀리에서 수동 검사원을 능가하여 작동하며, 라인이 확인하거나 거부하는 표시된 타일마다 개선됩니다.
각 라인은 자체 모델에 그 본체, 글레이즈 마감, 디자인 패턴이 어떻게 보이는지 가르칩니다. 같은 라인에서 다른 디자인이나 색조로 전환하면 모델은 1교대로 적응합니다. 유사 제품 패밀리에서 자매 라인을 온라인으로 가져오면 두 번째 모델은 첫 번째의 경험으로 시작하고, 한계 노력은 가파르게 떨어집니다.
부적합 타일은 더 이상 박스에 도달하지 않고, 폐기물은 QA 사무실이 아닌 검사 지점에서 기록되며, 작업자는 여전히 사람이 필요한 작업 부분에 주의 시간을 되찾습니다. 여기에는 키룬 셋업, 디지털 인쇄 헤드 유지보수, 도매 클레임 분석이 포함됩니다.
Enao와 수동 검사·기존 머신 비전 비교
도자기 타일 제조업체에게 비교는 다섯 가지 차원에서 첨예해집니다.
타일 라인에서의 셋업 시간 — 수동 시각 검사: 작업자 훈련에 수 시간, 지속적 인건비. 기존 머신 비전: 시스템 통합사와 3-9개월 통합, 더하여 디자인과 색조별 규칙 세트. Enao: 귀하의 팀이 1주일 안에 배포, 첫날 80% 정확도.
라인당 하드웨어 비용 — 수동 시각 검사: 초기 비용 없음, 지속적 인건비. 기존 머신 비전: 산업용 카메라, 구조화 조명, 통합 비용으로 라인당 40,000-200,000유로. Enao: 리퍼비시 iPhone Pro, 램프, 마운트로 라인당 1,000유로 미만.
신규 디자인, 색조, 글레이즈 레시피 대응 — 수동 시각 검사: 신규 디자인마다 작업자 재교육. 기존 머신 비전: 디자인마다 규칙 세트 재작성, 종종 통합사에 외주. Enao: 1교대로 신규 디자인, 색조, 글레이즈 레시피에 대해 모델 재학습, 코드 수정 불필요.
미세한 색조 드리프트와 헤어라인 균열 검출 정확도 — 수동 시각 검사: 교대 시작 시 높지만 3시간 후 측정 가능한 저하. 기존 머신 비전: 치수 검사에는 강하지만 미세한 색조 드리프트와 헤어라인 균열 검출에는 약함. Enao: 기준 프레임에서 본체, 글레이즈, 디자인 특징을 학습하고 교대와 운전을 통해 정확도를 유지.
누가 운영하는가 — 수동 시각 검사: 분류 라인 위 훈련된 작업자. 기존 머신 비전: 시스템 통합사 또는 전문 비전 엔지니어. Enao: 귀하의 라인 팀, 외부 전문가 불필요.
도매업자와 건축업자는 거부된 트럭의 비용으로 공급업체를 바꾸며, 청구 거절이나 조용한 사양 변경의 비용은 iPhone 기반 검사 리그의 비용을 훨씬 초과합니다. Enao는 그 격차를 위해 만들어졌습니다.
