Wykrywanie wad wizualnych we wtryskiwaniu tworzyw z AI

Poziom braków we wtryskiwaniu tworzyw podawany jest zwykle jako 2-3%, ale badania branżowe sugerują, że prawdziwa liczba jest bliższa 5-10%, gdy uwzględnisz wady wykryte dalej w procesie i zwroty od klientów. Przy cenie 1-5 USD za funt żywic konstrukcyjnych te ukryte straty szybko się sumują.

Wykorzystanie kontroli jakości opartej na AI do wychwytywania wad wizualnych, jednych z najczęstszych, poprawia zadowolenie klientów i marże. W tym wpisie opisujemy wady charakterystyczne dla wtryskiwania tworzyw sztucznych oraz to, jak zintegrować rozwiązania AI, aby je rozwiązać.

Poznaj prawdziwy koszt wad wizualnych i kontroli ręcznej

Każda wadliwa część kosztuje znacznie więcej niż sam materiał. Szacunki branżowe mówią, że trzeba siedmiu dobrych części, aby odrobić stratę z jednej odrzuconej, a koszty produkcji są czterokrotnie wyższe, zanim wyjdziesz na zero. Jeszcze kosztowniejsza niż bezpośrednie braki jest niezidentyfikowana przyczyna źródłowa. Dziś najlepszym rozwiązaniem jest zautomatyzowana kontrola jakości oparta na AI połączona z pracą operatorów.

Badania wskazują, że dokładność ręcznej kontroli wizualnej w środowisku produkcyjnym wynosi około 80%, co oznacza, że jedna na pięć wad zostaje przeoczona. Odsetek ten rośnie przy kontroli wyrywkowej, gdzie sporadyczne wady mogą umykać dłużej, co wydłuża czas do wykrycia wzorców i przyczyn źródłowych.

W zadaniach mechanicznych, takich jak skanowanie w poszukiwaniu wad przy dużej wydajności, systemy wizji maszynowej pracują znacznie efektywniej. Dzięki temu każdy element przechodzący przed kamerą zostaje sprawdzony, a operatorzy skupiają się na przypadkach granicznych.

W dzisiejszych rozwiązaniach modele AI i intuicyjne interfejsy ułatwiają też pracownikom etykietowanie nowych wad, dodawanie próbek do istniejących oraz aktualizowanie opisów, które pomagają zespołowi szukać przyczyn źródłowych. Na przykład kontrola jakości z AI potrafi ustawić progi akceptacji dla wady, dodać etykietę w rodzaju „przebarwienie” oraz konkretny opis: „Może wynikać z zanieczyszczenia”.

Wykrywanie niedolewów i wypływek we wtryskiwaniu tworzyw sztucznych

Niepełne wypełnienia (niedolewy) i nadmiar materiału w liniach podziału formy (wypływki) to dobrze widoczne wady, które prędzej czy później zostają wychwycone podczas kontroli jakości. Problem z obecnymi procesami polega na tym, jak dużo kosztują, zanim zostaną wykryte i skorygowane, zanim powstanie więcej braków. Rozwiązania automatyczne takie jak Enao Vision instaluje się na linii produkcyjnej, aby skanowały bez ingerencji w proces. Kontrola jakości wykrywa niedolewy i wypływki w czasie rzeczywistym, alarmując operatorów w ciągu kilku sekund od pierwszej wadliwej części, a nie dopiero wtedy, gdy uzbiera się pojemnik odrzutów.

We wtryskiwaniu tworzyw częstymi problemami są niedokształcone detale, zbyt cienkie ścianki i brakujące fragmenty. Można też zająć się przyczynami źródłowymi, takimi jak zbyt niskie ciśnienie wtrysku, niska temperatura stopu czy niewystarczające odpowietrzenie formy. System Enao Vision zapisuje każdą wadę według typu i lokalizacji, dając Ci dane do policzenia rzeczywistych kosztów jakości i wskazania, które wady i przyczyny naprawdę uderzają w Twój wynik finansowy.

Aby policzyć, czy zautomatyzowany system kontroli jakości jest wart inwestycji, warto traktować rozwiązania AI jako wydatek operacyjny, a nie jako amortyzowany wydatek inwestycyjny, jaki historycznie ponoszono na maszyny przemysłowe. Śledź swój rzeczywisty poziom braków, w tym części odrzucone dalej w procesie i zwroty od klientów. Zrozumienie realnego kosztu i oparcie na nim nowych inwestycji w optymalizację zabezpieczy Twoją przewagę konkurencyjną.

Oświetlenie i systemy wizji maszynowej w wykrywaniu wad powierzchni

Wady powierzchni bywają trudniejsze dla kontroli wizualnej, ale właściwa konfiguracja pozwala zbudować solidny monitoring. Przy dobrze dobranym oświetleniu i kątach kamer wady powierzchni stają się widoczne dla systemów wizji maszynowej, w przeciwieństwie do kontroli ręcznej, gdzie dokładność wyraźnie spada, gdy operatorzy muszą stale poprawiać oświetlenie i kąty.

Zamiast zastępować całą kontrolę ręczną rozwiązaniami automatycznymi, zalecamy przetestowanie jednego rozwiązania i rozszerzanie go dopiero wtedy, gdy sprawdzi się na Twoich partiach. Szczegóły znajdziesz w naszym wpisie o domykaniu luki jakościowej w kontroli ręcznej, który pomoże zdecydować, gdzie umieścić kontrolę jakości.

Częste wady powierzchni przy wtryskiwaniu tworzyw to zapadnięcia, linie płynięcia i srebrzenie. Jeśli próbujesz rozwiązania do kontroli jakości z AI po raz pierwszy, zwiększ swoje szanse, czytając nasz wpis o konfiguracji. Jeśli masz wątpliwości, poproś dostawcę o rekomendacje dotyczące oświetlenia, uchwytów do kamer oraz wsparcia przy etykietowaniu wad, abyś mógł powiązać je z przyczynami źródłowymi, czy to ciśnieniem docisku, różnicami w tempie chłodzenia, czy wilgocią i uwięzionym gazem. Dzięki temu Twój zespół szybko zobaczy wartość partnera AI w kontroli jakości.

Jak kontrola jakości z AI wychwytuje zanieczyszczenia i różnice koloru

Zanieczyszczeniom notorycznie trudno zapobiec, a różnice koloru są równie trudne do wykrycia. Rozwiązania do kontroli jakości z AI obniżają koszt i ryzyko, zastępując kontrolę wyrywkową pełnym pokryciem, ale przestrzegamy producentów przed natychmiastowym rezygnowaniem z kontroli ręcznej.

Wybieraj dostawcę AI według tego, kto ma odpowiednie funkcje, wygodę obsługi i możliwości kamer, aby wychwycić Twoje najczęstsze wady. Na początek możesz porozmawiać z tymi czołowymi dostawcami systemów wizji maszynowej, aby zrozumieć, czym się różnią, czy chodzi o szybkość skanowania, model AI, czy zdolność kamer do wychwycenia drobin, ciał obcych i różnic koloru.

Jak zacząć

Dodawanie rozwiązań AI do linii produkcyjnej powinno iść zgodnie z zasadami produkcji lean. Rozumiejąc, gdzie leżą Twoje największe koszty, możesz zdecydować, gdzie kontrola jakości z AI przyniesie mierzalną poprawę, czy to w kosztach, przepustowości, czy w procesach.

W odróżnieniu od przeszłości rozwiązania do kontroli jakości z AI takie jak Enao Vision można przetestować, zanim zwiążesz się wieloletnią umową. Zalecamy rozmowę z różnymi dostawcami i sprawdzenie, ile czasu upływa, zanim można testować rozwiązanie na żywo na hali produkcyjnej. Dla pewności sukcesu proponujemy skupić się na jednej partii produkcyjnej i rozszerzać dopiero wtedy, gdy załoga poczuje się swobodnie. Aby zapewnić udaną konfigurację zautomatyzowanej kontroli jakości, zadbaj o kluczowe kroki, takie jak stabilne WiFi, żeby model AI mógł poprawnie przetwarzać dane, właściwe oświetlenie i uchwyty oraz wsparcie przy konfiguracji tam, gdzie go potrzebujesz. Enao Vision ułatwia sprawę, korzystając z kamer iPhone, których wymiana nie jest kosztowna, a pełny pakiet sprzętu (iPhone z 5G, lampy i uchwyty) mieści się poniżej 1 000 €.

Wady wizualne we wtryskiwaniu tworzyw są nieuniknione, ale ich wysyłka do klienta już nie. Technologia pozwalająca sprawdzić każdą część, sklasyfikować wady według typu i dać zespołowi dane potrzebne do usuwania przyczyn źródłowych, a nie tylko do sortowania odrzutów, istnieje już dzisiaj.

Wypróbuj Enao Vision przez pierwszy miesiąc za darmo i zobacz, jak działa na częściach wtryskiwanych.

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 wypływek, zapadnięć i przypaleń na gotowych wypraskach.