Dżemy i przetwory
Wychwytuj błędy poziomu napełnienia, przesunięcia etykiet, problemy z osadzeniem wieczek i zanieczyszczenia, zanim słoiki opuszczą linię rozlewniczą.
Zautomatyzowana kontrola jakości na liniach rozlewu dżemów, marmolad i przetworów, działająca na odnowionym iPhone obok Twojej napełniarki, zakrętarki, etykieciarki i pakowaczki zbiorczej.
Niedopełniony słoik, którego żaden operator nie wychwyci, dopóki kontrola jakości sieci nie zważy opakowania zbiorczego w magazynie, etykieta odchodząca w rogu, którą pakowaczka zawija, nie zauważając problemu, wieczko, które odstaje i odskakuje na trzecim słoiku w sześciopaku na półce sklepowej. Na linii dżemów i przetworów dostarczającej do handlu detalicznego i gastronomii każdy słoik, który wyjeżdża z ukrytą wadą, kosztuje Cię dwa razy. Słoik wyjeżdża pod Twoją marką. Potem kupiec oddzwania, sieć zgłasza obciążenie zwrotne, a kolejny przegląd kategorii trafia do konkurencji z najbliższych targów. Operatorzy wychwytują oczywiste wady, ale stopniowy dryf poziomu napełnienia, który kamera widzi na wyjściu z napełniarki, to dokładnie ten, który zmęczony człowiek pomija po trzeciej godzinie. Zautomatyzowana kontrola jakości w produkcji dżemów i przetworów zamyka tę lukę, a nie potrzebujesz do tego systemu wizyjnego za sześciocyfrową kwotę.
Czym jest zautomatyzowana kontrola jakości w produkcji dżemów i przetworów?
Wykrywanie wad przez AI w dżemach i przetworach wykorzystuje kamerę oraz model wizyjny, który obserwuje każdy słoik opuszczający napełniarkę, zakrętarkę, etykieciarkę i pakowaczkę zbiorczą, i oznacza sztuki niezgodne, zanim trafią do magazynu sieci. Zamiast operatora przy stole kontrolnym albo sztywnej wizji maszynowej opartej na regułach model uczy się kształtu słoika, grafiki etykiety, zawartości owoców i geometrii wieczka w Twoim portfolio SKU, a następnie stosuje spójny punkt kontroli wizualnej na wszystkich zmianach, przy różnych prędkościach linii i przy zmianach receptury.
Dżemy i przetwory są wyjątkowo trudne do kontrolowania przy prędkości linii, ponieważ zawartość owoców z założenia różni się w obrębie tej samej partii, mętność galaretki wygląda inaczej w liniach truskawkowych, malinowych i morelowych, a niedopełniony słoik, który psuje wielopak, wygląda w oświetleniu linii pakującej identycznie jak normalna zmienność wolnej przestrzeni. Wizja maszynowa oparta na regułach zbudowana wokół jednego kształtu słoika przestaje działać w momencie, w którym przechodzisz na inne SKU, inną etykietę albo inną recepturę owocową. Kontrola prowadzona przez AI radzi sobie z tymi wariantami, ponieważ model uczy się z rzeczywistych klatek produkcyjnych, a nie ze sztywnego progu.
Efektem jest zautomatyzowany punkt kontroli wizualnej, który uzupełnia Twoją próbkę z końca linii i daje Ci zapis obrazu dla każdego słoika. Kiedy sześć tygodni później wraca zapytanie od sieci handlowej, możesz wyciągnąć klatki z dokładnie tego okna produkcyjnego i albo potwierdzić wadę, albo odrzucić zarzut z dowodami.
Wady, które wykrywamy na liniach produkcji dżemów i przetworów
Błędy poziomu napełnienia i dryf wolnej przestrzeni
Błędy poziomu napełnienia to słoiki niedopełnione i przepełnione, wywołane zużyciem tłoka napełniarki, zmianami lepkości partii w trakcie serii albo dryfem temperatury w warniku. Niedopełnienia łamią specyfikację masy opakowania zbiorczego w magazynie sieci, a przepełnienia powodują zanieczyszczenie wieczka przy zakrętarce. Operatorzy oglądają linię napełniania okiem, ale nie są w stanie obejrzeć każdego słoika, więc przypadki graniczne przechodzą przez stół kontrolny. Model AI uczy się wolnej przestrzeni zgodnej ze specyfikacją dla każdego SKU i oznacza dryf, gdy tylko lokalna wysokość napełnienia przekroczy Twoją tolerancję, a klatki są dostępne, więc możesz wyregulować napełniarkę, zanim cała paleta wyjedzie poza specyfikacją.
Przesunięcia i otarcia etykiet
Wady etykiet obejmują krzywe naklejenie, odstające naroża, ślady kleju i pogniecione panele, wywołane zużyciem wałka klejącego, błędami podawania stosu etykiet albo źle ustawionymi rolkami dociskowymi. Najgorsze przypadki siedzą na tylnym panelu i przechodzą przez stół kontrolny nastawiony na front, żeby zawieść w magazynie sieci. Operatorzy wychwytują oczywiste przekrzywienia, ale pomijają odstające naroża, które przechodzą przez etykieciarkę i zawodzą, kiedy folia dotknie pakowaczki zbiorczej. Model AI utrzymuje sygnaturę wizualną etykiety zgodnej ze specyfikacją dla każdego SKU i oznacza przekrzywienia, odstawanie oraz otarcia, gdy tylko lokalny wzorzec odbiega od specyfikacji.
Osadzenie wieczka i szczelność zamknięcia twist-off
Problemy z wieczkiem obejmują wieczka przekrzywione, brakujące przyciski bezpieczeństwa oraz niedokręcone zamknięcia twist-off, wywołane dryfem momentu zakrętarki, niewspółosiowością podawania wieczek albo zużyciem rolek gwintujących. Niedokręcone wieczka nie przechodzą testu próżni i prowadzą do zepsucia produktu przed datą minimalnej trwałości. Operatorzy sprawdzają wieczka przy przerwie, ale pomijają okna pomiędzy pomiarami. Model AI uczy się sygnatury wieczka zgodnego ze specyfikacją i oznacza wieczka przekrzywione, bez przycisku i niedokręcone na wyjściu z zakrętarki, a klatki są dostępne, więc możesz wyregulować moment, zanim wyjedzie cała partia.
Moment zamknięcia i wady pierścienia gwarancyjnego
Wady zamknięcia to bliscy krewni problemów z osadzeniem, w tym pęknięte pierścienie gwarancyjne, niepełne pierścienie zabezpieczające i wieczka obracające się swobodnie na gwincie. Przyczyny to zużycie rolek gwintujących, tolerancja partii wieczek i ustawienie zakrętarki. Te wady niszczą deklarację zabezpieczenia na etykiecie i prowadzą do odrzuceń przy kontroli w magazynie sieci. Model AI odczytuje z jednej klatki sygnaturę wizualną pękniętego pierścienia albo swobodnie obracającego się wieczka i oznacza każdy słoik niezgodny ze specyfikacją, zanim owinie go pakowaczka zbiorcza.
Rozłożenie owoców i galaretki
Problemy z rozłożeniem obejmują owoce osiadające na dnie słoika, oddzielenie galaretki w wolnej przestrzeni oraz nierówny stosunek owoców do galaretki, wywołane dryfem mieszania w zasobniku, zmiennością temperatury receptury albo niedopasowaniem dyszy napełniającej. Te wady psują wygląd produktu na półce i prowadzą do reklamacji publikowanych w internecie. Operatorzy sprawdzają wyjście z napełniarki, ale pomijają przypadki osiadłych owoców, które przechodzą przez stół kontrolny i źle wyglądają na półce supermarketu dwa tygodnie później. Model AI uczy się rozłożenia zgodnego ze specyfikacją dla każdego SKU i oznacza dryf na wyjściu z napełniarki, więc linia może wyregulować mieszanie w zasobniku albo temperaturę receptury.
Uszkodzenia i wyszczerbienia szkła
Wady szkła obejmują pęknięcia przy gwintowanej szyjce, wyszczerbienia na krawędzi oraz wtrącenia w korpusie, wywołane zużyciem chwytaków, uderzeniem w zakrętarce albo problemami z partią od dostawcy. Najgorsze przypadki siedzą po wewnętrznej stronie opakowania zbiorczego i ujawniają się dopiero, kiedy konsument otwiera słoik w domu. Model AI uczy się sygnatury szkła zgodnego ze specyfikacją i oznacza pęknięcia, wyszczerbienia oraz wtrącenia na wejściu pakowaczki zbiorczej, więc linia może odrzucić słoik, zanim trafi do opakowania.
Układ oświetlenia, który sprawdza się na linii dżemów, to rozproszone światło górne nad napełniarką i etykieciarką, pozwalające odczytać poziom napełnienia i etykietę, oraz pierścieniowe światło pod małym kątem przy zakrętarce do oceny osadzenia wieczka. iPhone Pro z obiektywem makro i szerokokątnym obsługuje siedem rodzin wad z jednego stanowiska kontroli na każdy krytyczny punkt kontrolny. Synchronizujemy zestaw z enkoderem przenośnika, dzięki czemu oznaczone słoiki uruchamiają decyzję o odrzuceniu albo wstrzymaniu dalej na linii. Dobór optyki ustalamy razem z Tobą podczas wdrożenia.
Jak Enao działa na linii dżemów i przetworów
Pełny zestaw sprzętowy kosztuje poniżej 1 000 € i składa się z odnowionego iPhone Pro, rozproszonego światła górnego z opcjonalnym pierścieniowym światłem pod małym kątem do kontroli wieczek, kabla USB-C oraz uchwytu, który mocuje się nad napełniarką, zakrętarką, etykieciarką albo pakowaczką zbiorczą. Integracja z PLC nie jest potrzebna przy pierwszym wdrożeniu, zestaw mieści się w walizce transportowej, a linia pracuje dalej, kiedy go ustawiasz.
Wdrożenie prowadzisz samodzielnie. Twój zespół linii montuje zestaw, otwiera aplikację Enao i zaczyna zbierać klatki referencyjne przy najbliższym przezbrojeniu. Pierwszego dnia dostajesz 80% skuteczności bez żadnego wcześniejszego etykietowania, a do czternastego dnia model pracuje lepiej niż kontroler ręczny w rodzinach wad, które już widział, i poprawia się z każdym oznaczonym słoikiem, który linia potwierdza albo odrzuca.
Każda linia uczy własny model tego, jak wyglądają jej kształty słoików, grafiki etykiet i receptury owocowe. Kiedy na tej samej linii przechodzisz na inną recepturę albo inną etykietę, model dostosowuje się w ciągu jednej zmiany. Kiedy uruchamiasz siostrzaną linię z podobną rodziną produktów, drugi model startuje z doświadczenia pierwszego i nakład pracy gwałtownie spada.
Słoiki poza specyfikacją przestają docierać do pakowaczki zbiorczej, braki są rejestrowane w punkcie kontroli, a nie w biurze kontroli jakości, a Twoi operatorzy odzyskują godziny uwagi potrzebne na te części pracy, które nadal wymagają człowieka, w tym ustawienie napełniarki, dostrajanie receptury i obsługę reklamacji.
Jak Enao wypada na tle kontroli ręcznej i tradycyjnej wizji maszynowej
Dla producentów dżemów i przetworów porównanie zaostrza się wokół pięciu wymiarów.
-
Czas wdrożenia na linii dżemów. — Ręczna kontrola wizualna: godziny szkolenia na operatora i stały koszt pracy. Tradycyjna wizja maszynowa: od trzech do dziewięciu miesięcy integracji z integratorem systemów plus zestaw reguł na każdy słoik i etykietę. Enao: wdrożenie w tydzień przez Twój własny zespół, pierwszego dnia 80% skuteczności.
-
Koszt sprzętu na linię. — Ręczna kontrola wizualna: brak kosztu początkowego, stały koszt pracy. Tradycyjna wizja maszynowa: od 40 000 € do 200 000 € na linię za kamery przemysłowe, oświetlenie strukturalne i integrację. Enao: poniżej 1 000 € na linię, odnowiony iPhone Pro, lampa i uchwyt.
-
Obsługa nowych SKU, etykiet i receptur. — Ręczna kontrola wizualna: przeszkolenie operatorów na każde nowe SKU. Tradycyjna wizja maszynowa: przepisanie zestawu reguł dla każdej receptury, zwykle zlecane integratorowi. Enao: ponowne nauczenie modelu nowych słoików, etykiet i receptur owocowych w ciągu jednej zmiany, bez dotykania kodu.
-
Skuteczność wykrywania subtelnego dryfu napełnienia i otarć etykiet. — Ręczna kontrola wizualna: wysoka na początku zmiany, wyraźnie spada po trzech godzinach. Tradycyjna wizja maszynowa: mocna w kontroli wymiarów, słaba przy subtelnym dryfie poziomu napełnienia i wykrywaniu otarć etykiet. Enao: uczy się sygnatur napełnienia, etykiety i wieczka z klatek referencyjnych i utrzymuje skuteczność przez kolejne zmiany i serie.
-
Kto to obsługuje. — Ręczna kontrola wizualna: przeszkolony operator przy stole kontrolnym. Tradycyjna wizja maszynowa: integrator systemów albo wyspecjalizowany inżynier wizyjny. Enao: Twój zespół linii, bez zewnętrznego specjalisty.
Sieci handlowe i kierownicy kategorii zmieniają dostawcę z powodu kosztu jednej odrzuconej palety, a koszt obciążenia zwrotnego albo cichej zmiany listingu jest znacznie wyższy niż koszt zestawu kontrolnego opartego na iPhone. Enao powstało właśnie dla tej luki.