Kontrola płytek ceramicznych z AI: 7 wad na linii

Nowoczesne linie produkcyjne płytek pracują z prędkością ponad 200 sztuk na minutę. Przy takiej prędkości ręczna kontrola staje się wąskim gardłem, a wady przechodzą dalej. Dla producentów płytek każda wadliwa płytka, która trafia do klienta, to reklamacja czekająca na swój moment. W Enao Vision nasza kontrola jakości oparta na AI sprawdziła ponad 70 milionów elementów w nieco ponad pół roku dla naszych klientów, w tym dla producentów płytek. Oto jak systemy wizji maszynowej oparte na AI można zintegrować z linią produkcyjną, aby usprawnić procesy i ograniczyć straty.

Dlaczego kontrola 100% na linii ma znaczenie

Stałym problemem ręcznej kontroli płytek ceramicznych jest to, że wady mogą dotyczyć tylko części partii. Wahania temperatury pieca w oknie dziesięciu minut potrafią wywołać wady, zanim proces się ustabilizuje. Zatkany aplikator szkliwa lub zdarzenie z zanieczyszczeniem mogą wpłynąć na kilka płytek, zanim problem sam ustąpi.

Kontrola ręczna w 100% jest zbyt kosztowna i nieefektywna. W tym miejscu wchodzi zautomatyzowana kontrola jakości. Potrafi ona pracować równie dokładnie po ośmiu godzinach zmiany i oznacza wady, na których operatorzy mogą się skupić. Dzięki rozwiązaniom opartym na AI kontrola maszynowa jest dziś tańsza i łatwiejsza do wdrożenia na linii produkcyjnej niż kiedykolwiek wcześniej. To nie jest wybór między kontrolą automatyczną a ręczną. Uważamy, że te dwie powinny pracować razem.

Wykrywanie wad powierzchni na płytkach ceramicznych

Wady powierzchni to najbardziej oczywiste problemy jakościowe, które trzeba wychwycić przed wysyłką: nakłucia, pęcherze i ściąganie szkliwa, żeby wymienić tylko kilka. Kłopot z kontrolą ręczną lub wyrywkową polega na tym, że zanim zostaną zauważone, cała partia może być już wyprodukowana.

Kiedy zautomatyzowana kontrola jakości jest wpięta w linie produkcyjne, wzorce wad pojawiają się niemal natychmiast. Co więcej, wspiera ona operatorów w szukaniu przyczyn źródłowych: problemów z procesem wypału lub składem masy, uwięzionego gazu podczas formowania, zanieczyszczeń czy kłopotów z przyczepnością szkliwa. Wychwycenie wady to dopiero połowa pracy, bo dopiero poprawna klasyfikacja umożliwia korektę procesu. Operatorzy robią to dziś łatwo, dodając etykiety i opisy oraz rysując ramki w interfejsach tak znajomych jak aplikacje używane na co dzień.

Jeszcze przed wyborem zautomatyzowanego rozwiązania do kontroli jakości warto zadbać o właściwe oświetlenie, które poprawia wykrywanie wad. Oświetlenie jaśniejsze, z wystarczającym kontrastem, ale ustawione pod kątem, który nie daje odblasków, pomoże zarówno operatorom, jak i systemom wizji maszynowej dokładnie sprawdzać powierzchnię pod kątem wad. Optymalne jest znormalizowane oświetlenie kontrolne o wartości 300 luksów według ISO 10545-2, przy oglądaniu płytek prostopadle z odległości co najmniej jednego metra, a szkolenie operatorów z konkretnych typów wad dodatkowo zwiększa powtarzalność. Inwestycja w kontrolę jakości opartą na AI daje dziś dodatkową korzyść: model trenujesz raz i z czasem zwiększasz jego dokładność kolejnymi danymi, zamiast szkolić od nowa każdego nowego pracownika.

Wykrywanie spękań włoskowatych szkliwa dzięki kontroli jakości opartej na AI

Spękania włoskowate, czyli drobne pajęczynowe pęknięcia w szkliwie, są szczególnie kłopotliwe, ponieważ mogą pojawić się po wypale, w czasie magazynowania, po ułożeniu, a nawet wiele miesięcy później. Wykorzystanie najnowszych technologii do wychwycenia tych mikroskopijnych szczegółów, które umykają kontroli ręcznej, znacząco obniży koszty operacyjne.

Norma ISO 10545-11 dotyczy właśnie badania odporności na spękania włoskowate, ale standardowe badanie wychwytuje tylko najpoważniejsze niedopasowania. Co więcej, pęknięcia, w których gromadzi się brud i bakterie, sprawiają, że płytki nie nadają się do zastosowań higienicznych, takich jak łazienki czy kuchnie gastronomiczne. Utrzymanie najwyższych standardów jakości buduje lojalność klientów i otwiera nowe rynki w konkurencyjnym otoczeniu.

Systemy wizji maszynowej oparte na AI pomagają przede wszystkim w wykrywaniu drobnych pęknięć powierzchni. Wyspecjalizowane kamery do kontroli jakości, wyposażone w obiektywy wychwytujące wady poza zasięgiem ludzkiego oka, oraz poprawnie ustawione oświetlenie poprawiają skuteczność wykrywania wad.

Rozmawiając z dostawcą kontroli jakości opartej na AI, warto zapytać o zalecenia dotyczące oświetlenia i wsparcie przy konfiguracji, ponieważ mocno wpływa to na jakość zdjęć. Poza tym to, czy dostawca ma kamery o najwyższej rozdzielczości w branży, wcale nie musi być konieczne: przetestuj rozwiązania na linii, żeby zrozumieć, jak jego sprzęt współpracuje z oprogramowaniem. Na przykład Enao Vision pracuje z iPhone'em jako kamerą i hotspotem 5G oraz z uchwytem, przy czym sprzęt mieści się spokojnie poniżej 1 000 €, a zalecenia dotyczące oświetlenia dopasujemy do Twojej konfiguracji, żebyś mógł testować w ciągu kilku godzin.

Wykrywanie różnic koloru i dobieranie odcieni na linii produkcyjnej

Choć wady tworzą realne zagrożenia, różnice wizualne również mocno wpływają na odbiór produktu. Automatyczne skanery dopasowujące gradienty koloru sprawiają, że płytki z tej samej partii produkcyjnej rzeczywiście pasują do siebie na ścianie lub podłodze klienta.

Różnica odcienia to jedna z najczęstszych reklamacji i jednocześnie jedna z najtrudniejszych do wychwycenia przy kontroli ręcznej. Nasze oczy przyzwyczajają się do stopniowych zmian, więc operatorzy mogą nie zauważyć dryfu, który rzuca się w oczy, gdy płytki z początku i końca partii położy się obok siebie. Większość producentów sortuje płytki według odcienia (A, B, C) i pakuje je w odpowiednie partie, ale ręczne sortowanie odcieni jest subiektywne, a niespójne sortowanie prowadzi do mieszanych partii.

Rozwiązania do kontroli jakości oparte na AI są trenowane i stale doskonalone dzięki bibliotece wad. Oznacza to, że można je trenować spójnie z fizycznymi wzorcami odniesienia i porównywać płytki bezpośrednio z biblioteką danych, zamiast polegać na pamięci pojedynczego operatora. Obiektywna ocena odcienia każdej płytki pomoże operatorom wykryć dryf, zanim przekroczy tolerancję, i pozwoli na ciaśniejsze sortowanie odcieni.

Wykrywanie wad wymiarowych za pomocą systemów wizji maszynowej

Wady wymiarowe, takie jak wypaczenie, krzywizna krawędzi i różnice rozmiaru (kaliber), utrudniają układanie, ale rozwiązania AI potrafią wykryć je wizualnie.

Dzięki najnowszym technologiom rozwiązania do monitoringu przemysłowego można instalować na różnych etapach, aby wspierać kontrolę jakości. Na przykład czujniki temperatury przy nagrzewaniu i chłodzeniu zmniejszają ryzyko wypaczeń, a automatyczne systemy pomiaru wymiarów wychwytują odchyłki geometrii. Kontrola jakości oparta na AI jest jednocześnie rozwiązaniem monitorującym i ostatnim sprawdzeniem, zanim produkty trafią do wysyłki.

Kontrola wizualna z systemami wizji maszynowej jest szczególnie przydatna przy wychwytywaniu odprysków krawędzi, uszkodzeń narożników i problemów z prostoliniowością krawędzi, które umykają systemom pomiarowym. Systemy te można trenować do śledzenia wypaczenia po przekątnej i na krawędziach, aby zapewnić płaskość. Na przykład Enao Vision jest zainstalowane na linii produkcyjnej naszych klientów jako uzupełnienie pomiaru wymiarów i wychwytuje wizualne wady krawędzi, odpryski, wyszczerbione narożniki oraz nieregularności powierzchni przy krawędziach, których automatyczne suwmiarki nie wykrywają.

Jak zacząć

Ręczna kontrola na liniach produkcyjnych to niepotrzebny kompromis wobec najnowszej generacji zautomatyzowanej kontroli jakości. Producenci mogą dziś wybierać spośród wielu dostawców, od pełnych pakietów z własnymi kamerami i specjalnymi szkoleniami po rozwiązania konfigurowalne, które można przetestować na linii w ciągu kilku godzin. Nowe technologie i modele cenowe dają też producentom większą elastyczność niż kiedykolwiek, aby dobrze wykorzystać budżet i przetestować dostawców, zanim zwiążą się z nimi na lata. Na początek możesz zajrzeć do naszego zestawienia czołowych dostawców systemów wizji maszynowej.

Rozwiązanie Enao Vision oparte na iPhone'ie możesz testować przez pierwszy miesiąc bezpłatnie. Sprzęt (odnowiony iPhone, lampa, kable, uchwyt) mieści się spokojnie poniżej 1 000 €. Wypróbuj Enao Vision za darmo na jednej ze swoich linii produkcyjnych płytek ceramicznych, aby zobaczyć, jak to działa.

Zacznij

Chcesz zobaczyć, jak Enao Vision działa na Twojej linii? Zacznij za darmo z iPhone'em, którego już masz, albo wypróbuj demo, aby zobaczyć wykrywanie pęknięć, odprysków i różnic odcienia na gotowych płytkach.