[@portabletext/react] Unknown block type "span", specify a component for it in the `components.types` prop
창문과 문 생산의 자동 품질 검사란 무엇입니까?
창문과 문용 AI 결함 검출은 카메라와 비전 모델을 사용해 절단기, 코너 용접기, 글레이징 스테이션, 포장 라인을 떠나는 모든 프레임, 새시, 도어 리프를 관찰하고, 비적합 유닛이 출하 야드에 도달하기 전에 표시합니다. 포장 스테이션의 라인 운영자나 경직된 룰 기반 비전 대신, 모델은 자기 SKU 포트폴리오의 프로파일 형상, 호일 색상, 실링 화합물, 하드웨어 레이아웃을 학습하고, 교대, 라인 속도, 제품 변경에 걸쳐 일관된 시각적 체크포인트를 적용합니다.
창문과 문은 호일 및 래커 마감 표면이 우드그레인과 단색에서 스크래치를 다르게 보여주고, 코너 용접 비드가 PVC 화학 사이에서 다르게 읽히며, 매끈한 래치 동작을 망치는 하드웨어 마운팅이 작업장 조명 아래서 정상 나사 시팅과 동일하게 보이기 때문에 라인 속도에서 검사하기가 특히 어렵습니다. 단일 프로파일을 중심으로 구축된 룰 기반 비전은 다른 색상, 다른 하드웨어 셋, 또는 다른 글레이징 두께로 바꾸는 순간 무너집니다. AI 주도 검사는 모델이 고정 임계값이 아닌 실제 생산 프레임에서 학습하기 때문에 그 변동을 처리합니다.
결과는 라인 종료 샘플을 보완하는 자동 시각 체크포인트이며, 유닛별 이미지 기록을 제공합니다. 6주 후에 시공자 문의가 돌아오면, 정확한 생산 윈도우의 프레임을 끌어와 결함을 확인하거나 증거로 반박할 수 있습니다.
창문과 문 생산 라인에서 잡아내는 결함
프레임 스크래치와 표면 자국
표면 스크래치는 호일, 래커, 또는 아노다이즈드 프로파일의 미세한 절단, 드래그 자국, 스커프로 나타나며, 트랜스퍼 롤러, 포장 접촉, 또는 스테이션 사이의 운영자 처리로 인해 발생합니다. 가장 나쁜 사례는 보호 필름 아래에 앉아 있다가 시공자가 현장에서 랩을 벗길 때만 표면화됩니다. 포장 라인의 운영자는 명백한 사례를 잡아내지만 작업장 조명 아래의 경계선 자국을 놓칩니다. AI 모델은 각 호일과 마감에 대해 사양 내 표면 시그니처를 학습하고, 자기 허용 오차를 넘는 로컬 편차를 표시하며, 다음 배치가 출하되기 전에 트랜스퍼 롤러 정비나 스테이션 사이 처리를 조정할 수 있도록 프레임을 제공합니다.
실링 테이프 어긋남
실링 테이프와 가스켓은 조립 중에 프로파일 홈에 압입되는 고무와 폼 컴파운드이며, 어긋남은 외풍, 누설, 또는 사운드 브리지를 의미합니다. 원인은 고르지 않은 공급 압력, 절단 시 프로파일 버, 그리고 피팅 중 운영자 오류를 포함합니다. 수동 운영자는 명백한 갭을 잡아내지만 들린 테이프 끝과 랩을 통과해 첫 시공에서 실패하는 로컬 핀치를 놓칩니다. AI 모델은 각 프로파일에 대해 적절히 시팅된 실의 시각적 시그니처를 유지하고, 로컬 패턴이 사양에서 벗어나는 즉시 들림, 갭, 핀치를 표시합니다.
글레이징 비드 갭과 시팅
글레이징 비드는 유리를 고정하는 스냅인 프로파일 조각이며, 부실하게 시팅된 비드는 프레임의 안쪽이나 바깥쪽에 가시 갭을 남깁니다. 원인은 비드 끝 불일치, 프로파일 치수 드리프트, 그리고 시팅 단계의 운영자 힘을 포함합니다. 결함은 글레이징 실의 수밀성을 망치고 프레임을 가로지르는 가시 라인으로 나타납니다. AI 모델은 각 프로파일에 대해 사양 내 비드 시팅을 학습하고, 글레이징 스테이션 출구에서 갭과 고르지 않은 시팅을 표시하므로, 운영자는 유닛이 랩에 도달하기 전에 조립을 수정할 수 있습니다.
코너 용접 비드 결함
PVC 프레임에서 네 개의 코너는 코너에 작은 비드를 생성하는 핫 플레이트 용접으로 결합됩니다. 깨끗한 비드는 강한 조인트이며, 부족하거나 탄 비드는 코너 강도를 망치는 온도, 시간, 또는 압력 편차를 알립니다. 운영자는 비드 형상을 눈으로 샘플링하지만 처리량이 높은 라인에서 모든 프레임의 모든 코너를 검사할 수 없습니다. AI 모델은 각 색상과 프로파일에 대해 사양 내 비드 시그니처를 학습하고, 용접기 출구에서 부족한, 탄, 또는 비뚤어진 비드를 표시하며, 전체 배치가 통과하기 전에 용접 매개변수를 조정할 수 있도록 프레임을 제공합니다.
하드웨어 핏과 나사 오류
하드웨어 오류는 누락된 나사, 잘못된 핸들 위치, 좌우가 바뀐 경첩, 그리고 프로파일을 휘는 과도하게 조인 마운팅 플레이트를 포함합니다. 결함은 래치 동작을 망치고 첫 시공에서 나타납니다. 수동 운영자는 가시 하드웨어를 점검하지만 랩을 통과하는 백셋 나사와 바뀐 경첩을 놓칩니다. AI 모델은 하드웨어 면을 직접 읽고 조립 출구에서 누락된 나사, 바뀐 구성 요소, 휘어진 마운팅 플레이트를 표시하도록 셋업할 수 있습니다.
프로파일 색상과 호일 드리프트
호일 색상 드리프트는 호일 배치 변동, 핫 라미네이터 온도 드리프트, 또는 솔벤트 건조 비일관성으로 인한 표면 호일 색조의 점진적 편차입니다. 가장 나쁜 사례는 운영자가 검사하는 네 모서리 사이에 앉아 있기 때문에 QC 샘플을 살아남고, 드리프트한 배치에서 시공된 프레임은 입면의 나머지와 가시 불일치를 보입니다. AI 모델은 각 레인지에 대해 학습된 기준 색조를 유지하고, 로컬 색상 델타가 자기 사양을 넘는 즉시 드리프트를 표시하며, 라인이 업스트림 조건을 수정할 기회를 제공합니다.
창문과 문 라인에서 이를 작동하게 하는 조명 설정은 호일과 비드를 읽기 위한 코너 용접기와 글레이징 스테이션 위의 디퓨즈 오버헤드 라이트, 더해 유리와 실을 읽기 위한 포장 라인의 저각 링 라이트입니다. 매크로 및 광각 렌즈가 있는 iPhone Pro는 중요 제어 지점당 단일 검사 스테이션에서 7개 결함 패밀리를 처리합니다. 표시된 유닛이 다운스트림 다이버트 또는 보류 결정을 유도하도록 컨베이어 인코더와 장비를 동기화합니다. 온보딩 중에 광학을 함께 사양화합니다.
Enao가 창문과 문 라인에서 작동하는 방식
전체 하드웨어 장비는 1,000유로 미만이며, 리퍼비시 iPhone Pro, 유리 검사용 옵션 저각 링 라이트가 있는 디퓨즈 오버헤드 라이트, USB-C 케이블, 코너 용접기, 글레이징 스테이션, 또는 포장 라인 위에 클램프하는 마운트로 구성됩니다. 첫 배포에 PLC 통합은 필요하지 않으며, 장비는 비행 케이스에 들어가고, 설정하는 동안 라인이 계속 가동됩니다.
온보딩은 셀프서브입니다. 라인 팀이 장비를 마운트하고, Enao 앱을 열고, 다음 변경에서 기준 프레임 수집을 시작합니다. 첫날은 사전 라벨링 없이 80% 정확도를 반환하고, 14일째에는 모델이 본 결함 패밀리에서 수동 검사원보다 위에서 작동하며, 라인이 확인하거나 거부하는 모든 표시된 유닛과 함께 개선됩니다.
각 라인은 자기 프로파일 색상, 호일 레인지, 하드웨어 셋이 어떻게 보이는지 자기 모델에 가르칩니다. 같은 라인에서 다른 레인지로 바꾸면, 모델은 한 교대 만에 적응합니다. 비슷한 제품 패밀리로 자매 라인을 가동하면, 두 번째 모델은 첫 모델의 경험에서 시작하고 한계 노력은 급격히 떨어집니다.
사양을 벗어난 유닛은 랩에 도달하지 못하고, 스크랩은 QC 사무실이 아닌 검사 지점에서 기록되며, 운영자는 용접기 셋업, 글레이징 핏, 고객 클레임 등 여전히 사람이 필요한 작업에 필요한 주의 시간을 되찾습니다.
Enao가 수동 검사 및 기존 머신 비전과 비교되는 방식
창문과 문 생산자의 경우 비교는 다섯 차원에서 명확해집니다.
창문과 문 라인 셋업 시간 — 수동 시각 검사: 운영자당 몇 시간 교육, 지속적인 인건비. 기존 머신 비전: 시스템 통합 업체와 3~9개월 통합, 더해 프로파일별 룰 셋. Enao: 자기 팀이 한 주 만에 배포, 첫날 80% 정확도.
라인당 하드웨어 비용 — 수동 시각 검사: 사전 비용 없음, 지속적인 인건비. 기존 머신 비전: 산업용 카메라, 구조화 조명, 통합을 위해 라인당 40,000유로~200,000유로. Enao: 리퍼비시 iPhone Pro, 램프, 마운트로 라인당 1,000유로 미만.
신규 색상, 프로파일, 하드웨어 셋 처리 — 수동 시각 검사: 모든 신규 SKU에 대해 운영자 재교육. 기존 머신 비전: 레시피별 룰 셋 재작성, 종종 통합 업체에 외주. Enao: 한 교대 만에 신규 프로파일과 하드웨어에서 모델 재학습, 만질 코드 없음.
미세한 스크래치와 비드 드리프트의 검출 정확도 — 수동 시각 검사: 교대 시작에 높음, 3시간 후 측정 가능하게 떨어짐. 기존 머신 비전: 치수 점검에 강함, 미세한 스크래치 검출과 코너 용접 비드 드리프트에 약함. Enao: 기준 프레임에서 표면과 용접 시그니처를 학습하고 교대와 가동에 걸쳐 정확도를 유지합니다.
운영 주체 — 수동 시각 검사: 포장 라인의 교육된 운영자. 기존 머신 비전: 시스템 통합 업체 또는 전문 비전 엔지니어. Enao: 자기 라인 팀, 외부 전문가 필요 없음.
시공자, 설치자, 그리고 상인은 스크래치 난 배치 비용을 두고 공급사를 바꾸며, 청구 환수나 조용한 사양 교체 비용은 iPhone 기반 검사 장비 비용보다 훨씬 높습니다. Enao는 그 격차를 위해 구축되었습니다.
