Wychwytuj błędy poziomu napełnienia, wady etykiet i pompek, odchylenia zdobień, czytelność kodów partii oraz zanieczyszczenia, zanim produkt opuści linię napełniania.
Automatyczna kontrola jakości produkcji kosmetyków i wyrobów higieny osobistej, działająca na odnowionym iPhone obok napełniarki, zakrętarki, stanowiska zdobienia, etykieciarki i pakowaczki zbiorczej.

Niedopełniona butelka serum, której żaden operator nie wychwyci, dopóki kontrola jakości sieci kosmetycznej nie zważy kartonu w magazynie, przekrzywiona etykieta, którą pakowaczka zbiorcza zamyka, nie widząc jej, pompka osadzona za wysoko, która źle dozuje na toaletce w pokoju hotelowym. Na linii kosmetyków i wyrobów higieny osobistej zaopatrującej rynek selektywny i masowy każda butelka, która wyjeżdża z ukrytą wadą, kosztuje Cię dwa razy. Butelka trafia na rynek pod Twoją marką albo w linii wyłącznej sieci. Potem dzwoni kupiec, sieć wystawia obciążenie zwrotne, a kolejny przegląd kategorii wygrywa konkurent na najbliższych targach kosmetycznych. Operatorzy wychwytują oczywiste wady, ale powolne odchylenie poziomu napełnienia, które kamera widzi na wyjściu z napełniarki, jest tym, co zmęczony człowiek pomija po trzeciej godzinie. Automatyczna kontrola jakości w produkcji kosmetyków i wyrobów higieny osobistej zamyka tę lukę, a do tego nie potrzebujesz systemu wizyjnego za sześciocyfrową kwotę.
Wykrywanie wad przez AI dla kosmetyków i wyrobów higieny osobistej wykorzystuje kamerę i model wizyjny, aby obserwować każdą butelkę, słoik i tubę na wyjściu z napełniarki, zakrętarki, etykieciarki i stanowiska pakowania zbiorczego oraz oznaczać sztuki niezgodne, zanim trafią do magazynu odbiorcy. Zamiast operatora przy stole kontrolnym albo sztywnej wizji opartej na regułach, model uczy się sylwetki butelki, grafiki etykiety, wykończenia zdobienia i pola kodu partii w Twoim portfolio SKU, a następnie stosuje spójny punkt kontroli wizualnej przez wszystkie zmiany, prędkości linii i przezbrojenia SKU.
Kosmetyki i wyroby higieny osobistej są szczególnie trudne do kontroli przy pełnej prędkości linii, ponieważ kolor masy wygląda inaczej w recepturach kryjących, półprzezroczystych i przezroczystych, grafika zdobienia na prestiżowej butelce jest celowo subtelna, a niedopełniony słoik, który psuje zestaw prezentowy, wygląda w oświetleniu pomieszczenia czystego identycznie jak zwykła zmienność przestrzeni nad produktem. Wizja maszynowa oparta na regułach i zbudowana wokół jednego SKU przestaje działać w momencie, gdy przechodzisz na inną butelkę, inne zdobienie albo inną recepturę. Kontrola prowadzona przez AI radzi sobie z tymi wariantami, ponieważ model uczy się na prawdziwych klatkach z produkcji, a nie na sztywnym progu.
Efektem jest automatyczny punkt kontroli wizualnej, który uzupełnia Twoją próbkę na końcu linii i daje Ci zapis obrazowy sztuka po sztuce. Kiedy sieć handlowa wraca z reklamacją sześć tygodni później, możesz wyciągnąć klatki z dokładnego okna produkcyjnego i albo potwierdzić wadę, albo odeprzeć zarzut, mając dowody.
Błędy poziomu napełnienia to butelki niedopełnione i przepełnione, wywołane zużyciem tłoka napełniarki, zmianami lepkości masy w trakcie produkcji albo dryfem temperatury w zbiorniku buforowym. Niedopełnienia nie spełniają deklarowanej objętości w magazynie sieci, a przepełnienia powodują zanieczyszczenie gwintu przy zakrętarce. Operatorzy oceniają napełnienie okiem, ale nie są w stanie obejrzeć każdej sztuki, więc przypadki graniczne przechodzą przez stół kontrolny. Model AI uczy się zgodnej ze specyfikacją przestrzeni nad produktem dla każdego SKU i oznacza odchylenie, gdy tylko lokalna wysokość napełnienia przekroczy Twoją tolerancję, a klatki są dostępne, żeby można było wyregulować napełniarkę, zanim cała paleta wyjedzie poza specyfikacją.
Wady zamknięć obejmują przekrzywione pompki, brakujące rurki zasysające, przesunięte zakrętki i niedociśnięte zamknięcia dozowników, wywołane dryfem momentu zakręcania, niewspółosiowością podawania zakrętek albo problemami z tolerancją gwintu. Przekrzywione pompki nie przechodzą próby dozowania na toaletce, a niedociśnięte zamknięcia przeciekają w transporcie. Operatorzy sprawdzają zakrętki wyrywkowo na przerwie, ale pomijają okna pomiędzy nimi. Model AI uczy się zgodnej ze specyfikacją sygnatury zamknięcia i oznacza przekrzywione, pozbawione rurki zasysającej oraz niedociśnięte zamknięcia na wyjściu z zakrętarki, a klatki są dostępne, żeby można było skorygować moment zakręcania, zanim wyjedzie cała partia.
Wady etykiet i zdobień obejmują przekrzywione naklejenie, odstające narożniki, źle spasowaną folię tłoczoną na gorąco i błędy obrotu, wywołane zużyciem walca klejowego, błędami podawania stosu etykiet, dryfem bębna zdobiącego albo niewspółosiowością walca dociskowego. Najgorsze przypadki znajdują się z tyłu prestiżowej butelki i przechodzą przez kontrolę etykiety od frontu, żeby zostać odrzucone w magazynie. Model AI utrzymuje wizualną sygnaturę zgodnej ze specyfikacją etykiety i zdobienia dla każdego SKU i oznacza przekrzywienie, odstawanie oraz błąd obrotu, gdy tylko lokalny wzór odbiegnie od specyfikacji.
Wady nadruku zdobiącego obejmują przerwaną folię, brakujące punkty sitodruku i postrzępiony tekst tłoczony na gorąco, wywołane zużyciem walca foliowego, zanieczyszczeniem siatki sitodrukowej albo dryfem temperatury stempla. Takie wady nie przechodzą kontroli listingu selektywnego i wywołują reklamacje konsumentów przy zwrotach zestawów prezentowych. Model AI uczy się zgodnej ze specyfikacją sygnatury zdobienia dla każdego SKU i oznacza przerwaną folię, brakujące punkty oraz postrzępiony tekst na stanowisku zdobienia, żeby linia mogła się wyregulować, zanim wyjedzie cała produkcja.
Wady kodów partii obejmują wyblakły tusz, rozmazane cyfry, brakujące znaki i błędne kody receptury, wywołane zaniedbaniami w serwisie drukarki atramentowej, zużyciem taśmy albo błędami przy przezbrojeniu receptury. Takie wady nie przechodzą kontroli przyjęcia towaru u odbiorcy i powodują odrzucenia palet w magazynie. Model AI odczytuje pole kodu partii na każdej klatce i oznacza kody nieczytelne, brakujące albo w niewłaściwym formacie na wyjściu z etykieciarki, żeby linia mogła skorygować drukarkę, zanim wyjedzie cała paleta.
Wady kosmetyczne obejmują zarysowania powierzchni szkła, wgniecenia na tubach, błędy tłoczenia i linie płynięcia na barku butelki, wywołane zużyciem taśmy przenośnika, uderzeniem w zakrętarce albo problemami z partią od dostawcy. Najgorsze przypadki przechodzą przez stół kontrolny i odpadają dopiero przy przyjęciu towaru w sieci selektywnej. Model AI uczy się zgodnej ze specyfikacją sygnatury kosmetycznej i oznacza zarysowania, wgniecenia oraz błędy tłoczenia na wejściu do pakowaczki zbiorczej, żeby linia mogła kierować je na wyrzut, zanim karton zostanie zamknięty.
Układ oświetlenia, który sprawdza się na linii kosmetycznej, to rozproszone światło górne nad napełniarką i etykieciarką do odczytu poziomu napełnienia, etykiety i zdobienia, lampa pierścieniowa pod niskim kątem przy zakrętarce do odczytu osadzenia zamknięcia oraz podświetlenie tylne przy pakowaczce zbiorczej do odczytu kompletacji opakowania. 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, żeby oznaczone sztuki wyzwalały decyzję o wyrzucie albo wstrzymaniu dalej na linii. Optykę dobieramy razem z Tobą podczas wdrożenia.
Pełny zestaw sprzętowy kosztuje poniżej 1 000 € i składa się z odnowionego iPhone Pro, rozproszonej lampy górnej z opcjonalną lampą pierścieniową pod niskim kątem do kontroli zakrętarki i podświetleniem tylnym do kompletacji opakowań zbiorczych, kabla USB-C oraz uchwytu, który mocuje się nad napełniarką, zakrętarką, stanowiskiem zdobienia, etykieciarką albo pakowaczką zbiorczą. Integracja z PLC nie jest potrzebna przy pierwszym wdrożeniu, zestaw mieści się w walizce transportowej, a linia pracuje dalej w trakcie montażu.
Wdrożenie prowadzisz samodzielnie. Twój zespół linii montuje zestaw, otwiera aplikację Enao i zaczyna zbierać klatki referencyjne przy najbliższym przezbrojeniu. Pierwszego dnia model osiąga 80% skuteczności bez żadnego wcześniejszego etykietowania, a po czternastu dniach pracuje lepiej niż kontroler ręczny na rodzinach wad, które już widział, poprawiając się z każdą oznaczoną sztuką potwierdzoną albo odrzuconą przez linię.
Każda linia uczy własny model tego, jak wyglądają jej kształty butelek, grafiki zdobień i geometrie zakrętek. Kiedy przechodzisz na inne SKU albo inną recepturę masy na tej samej linii, model dostosowuje się w ciągu jednej zmiany. Kiedy uruchamiasz siostrzaną linię z podobną rodziną produktów, drugi model startuje z doświadczenia pierwszego, a nakład pracy wyraźnie spada.
Sztuki poza specyfikacją przestają docierać do pakowaczki zbiorczej, straty są rejestrowane w punkcie kontroli, a nie w biurze jakości, a Twoi operatorzy odzyskują godziny uwagi potrzebne na te części pracy, które nadal wymagają człowieka, w tym ustawienie napełniarki, strojenie receptur i analizę zwrotów konsumenckich.
Dla producentów kosmetyków i wyrobów higieny osobistej porównanie zaostrza się wokół pięciu wymiarów.
Czas uruchomienia na linii kosmetycznej. — Ręczna kontrola wizualna: godziny szkolenia na operatora i stały koszt pracy. Klasyczna wizja maszynowa (softwebsolutions, scortex, Cognex, Overview.ai, intelgic): od trzech do dziewięciu miesięcy integracji z integratorem systemów oraz zestaw reguł na każde SKU. Enao: wdrożenie w tydzień przez Twój własny zespół na odnowionym iPhone, pierwszego dnia 80% skuteczności.
Koszt sprzętu na linię. — Ręczna kontrola wizualna: brak kosztu początkowego, stały koszt pracy. Klasyczna wizja maszynowa: od 40 000 € do 200 000 € na linię za kamery przemysłowe, oświetlenie strukturalne i integrację. Enao: poniżej 1 000 € na linię, z odnowionym iPhone Pro, lampą i uchwytem.
Obsługa nowych SKU, zdobień i receptur masy. — Ręczna kontrola wizualna: ponowne szkolenie operatorów przy każdym nowym SKU. Klasyczna wizja maszynowa: przepisanie zestawu reguł na każdą recepturę, zwykle zlecane integratorowi. Enao: ponowne trenowanie modelu na nowych butelkach, zdobieniach i recepturach w ciągu jednej zmiany, bez dotykania kodu.
Skuteczność wykrywania subtelnych odchyleń zdobienia i uszkodzeń kosmetycznych. — Ręczna kontrola wizualna: wysoka na początku zmiany, wyraźnie spada po trzech godzinach. Klasyczna wizja maszynowa: mocna w pomiarach wymiarowych, słaba przy subtelnym odchyleniu zdobienia i wykrywaniu uszkodzeń kosmetycznych. Enao: uczy się sygnatur napełnienia, etykiety, zdobienia i zakrętki z klatek referencyjnych oraz utrzymuje skuteczność przez kolejne zmiany i partie.
Kto to obsługuje. — Ręczna kontrola wizualna: przeszkolony operator przy stole kontrolnym. Klasyczna wizja maszynowa: integrator systemów albo wyspecjalizowany inżynier wizyjny. Enao: Twój zespół linii, bez potrzeby angażowania zewnętrznego specjalisty.
Sieci kosmetyczne i menedżerowie kategorii w dystrybucji selektywnej zmieniają dostawcę przez koszt jednej odrzuconej palety, a koszt obciążenia zwrotnego albo cichej wymiany listingu jest znacznie wyższy niż koszt zestawu kontrolnego opartego na iPhone. Enao jest zbudowane właśnie pod tę lukę.