@keremyldz · 2 gün önce
Küçük atölyede kamera ve yapay zekayla yüzey hatası tespiti denedik: dört ayda öğrendiklerimiz
Bursa'da talaşlı imalat yapan, 40 kişilik bir atölyede makine mühendisiyim. Müşterilerimizden biri yüzey çiziklerine çok hassas, ayda birkaç kez parti geri dönüyordu. Son kontrolde iki arkadaş parçaları ışık altında tek tek inceliyordu ve vardiya sonuna doğru gözün yorulduğu belliydi. Bu yüzden basit bir görüntü işleme denemesine giriştik. Büyük entegratörlerle değil, elimizdeki imkânlarla.
İlk ay tamamen veri toplamaya gitti. Konveyör üstüne bir endüstriyel kamera ve halka ışık koyduk, her parçanın fotoğrafını çektik. Kalite kontrolcü arkadaşlar her fotoğrafı sağlam ya da hatalı diye işaretledi. İlk dersimiz burada çıktı: iki kontrolcü aynı parçaya farklı karar verebiliyordu. Sınırda kalan hafif çiziklerde uzlaşma yoktu. Modeli eğitmeden önce müşteriyle oturup kabul sınırını yazılı hale getirmek zorunda kaldık, örnek parçalarla bir referans panosu yaptık.
İkinci ders ışıkla ilgiliydi. Modelin başarısı ışığa modelin kendisinden daha çok bağlıydı. Öğleden sonra pencereden giren güneş yansımaları ilk haftalarda yanlış alarm yağdırdı. Kamera bölgesini kapattık, sabit ışık koşulu sağlayınca yanlış alarmlar belirgin biçimde düştü. Üçüncü ders: hatalı parça sayısı çok az olduğu için model başta neredeyse her şeye sağlam diyordu. Hatalı örnekleri çoğaltmak için hurdaya ayrılmış parçaları da fotoğrafladık, bu dengesizliği epey azalttı.
Şu an sistem kontrolcünün yerini almıyor, ona eşlik ediyor. Model şüpheli gördüğü parçayı ayırıyor, kontrolcü yalnızca onlara bakıyor. Sağlam dediği parçalardan da her vardiya rastgele bir örnek elle kontrol ediliyor. Dört ayın sonunda müşteriden dönen parti sayısı azaldı ama bunu tek başına modele bağlamıyorum, çünkü kabul sınırını netleştirmek de başlı başına iyileştirme oldu.
Benzer bir proje düşünen olursa önerim, yazılımdan önce ışık, fikstür ve kabul kriterini çözmesi. Model kısmı bizde işin en kolay tarafı çıktı. Asıl zaman, insanların aynı parçaya aynı kararı vermesini sağlamaya gitti.
İlk ay tamamen veri toplamaya gitti. Konveyör üstüne bir endüstriyel kamera ve halka ışık koyduk, her parçanın fotoğrafını çektik. Kalite kontrolcü arkadaşlar her fotoğrafı sağlam ya da hatalı diye işaretledi. İlk dersimiz burada çıktı: iki kontrolcü aynı parçaya farklı karar verebiliyordu. Sınırda kalan hafif çiziklerde uzlaşma yoktu. Modeli eğitmeden önce müşteriyle oturup kabul sınırını yazılı hale getirmek zorunda kaldık, örnek parçalarla bir referans panosu yaptık.
İkinci ders ışıkla ilgiliydi. Modelin başarısı ışığa modelin kendisinden daha çok bağlıydı. Öğleden sonra pencereden giren güneş yansımaları ilk haftalarda yanlış alarm yağdırdı. Kamera bölgesini kapattık, sabit ışık koşulu sağlayınca yanlış alarmlar belirgin biçimde düştü. Üçüncü ders: hatalı parça sayısı çok az olduğu için model başta neredeyse her şeye sağlam diyordu. Hatalı örnekleri çoğaltmak için hurdaya ayrılmış parçaları da fotoğrafladık, bu dengesizliği epey azalttı.
Şu an sistem kontrolcünün yerini almıyor, ona eşlik ediyor. Model şüpheli gördüğü parçayı ayırıyor, kontrolcü yalnızca onlara bakıyor. Sağlam dediği parçalardan da her vardiya rastgele bir örnek elle kontrol ediliyor. Dört ayın sonunda müşteriden dönen parti sayısı azaldı ama bunu tek başına modele bağlamıyorum, çünkü kabul sınırını netleştirmek de başlı başına iyileştirme oldu.
Benzer bir proje düşünen olursa önerim, yazılımdan önce ışık, fikstür ve kabul kriterini çözmesi. Model kısmı bizde işin en kolay tarafı çıktı. Asıl zaman, insanların aynı parçaya aynı kararı vermesini sağlamaya gitti.
4 0 yorum