الذكاء الاصطناعي

مراقبة الجودة بالرؤية الحاسوبية

نظام فحص بصري يعمل بالذكاء الاصطناعي يكتشف عيوب التصنيع بدقة 99.7%، مما يقلل الفحص اليدوي بنسبة 90%.

العميل مصنع قطع غيار السيارات
المدة 14 أسبوع
حجم الفريق 7 عضو
التصنيف الذكاء الاصطناعي

نظرة عامة على المشروع

نظام فحص بصري يعمل بالذكاء الاصطناعي يكتشف عيوب التصنيع بدقة 99.7%، مما يقلل الفحص اليدوي بنسبة 90%.

تفاصيل التنفيذ

نظرة عامة على المشروع

قمنا بتطوير نظام رؤية حاسوبية متقدم لمصنع رائد لقطع غيار السيارات يدير 5 خطوط إنتاج بإنتاج يومي يتجاوز 50,000 قطعة. يقوم النظام بأتمتة عمليات مراقبة الجودة باستخدام نماذج التعلم العميق التي تعمل على أجهزة الحافة للكشف عن العيوب في الوقت الفعلي.


التحدي

واجهت منشأة التصنيع مشاكل حرجة في مراقبة الجودة:

  • معدل عيوب مرتفع: معدل عيوب 2.3% يسبب شكاوى ومرتجعات كبيرة من العملاء
  • اختناق الفحص اليدوي: 45 مفتش جودة يعملون 3 ورديات، ولا يزالون يفتقدون العيوب
  • اكتشاف غير متسق: دقة المفتشين البشريين 85% مع تباين عالٍ
  • قيود السرعة: الفحص اليدوي يحد من سرعة الخط إلى 2 قطعة/ثانية
  • ضغط التكلفة: مراقبة الجودة تمثل 15% من تكاليف الإنتاج

الحل الذي قدمناه

صممنا نظاماً بيئياً شاملاً للفحص البصري مدعوماً بالذكاء الاصطناعي:

محطات الفحص متعددة الكاميرات

  • كاميرات صناعية 4K مع حوامل إضاءة مخصصة
  • التقاط متعدد الزوايا (6 مناظر لكل قطعة)
  • كاميرات مسح خطي للفحص المستمر

محرك الكشف بالتعلم العميق

  • هندسة CNN مخصصة محسنة لعيوب التصنيع
  • استدلال في الوقت الفعلي بأكثر من 500 إطار/ثانية لكل كاميرا
  • تصنيف عيوب متعددة (23 نوع عيب)
  • كشف الشذوذ لأنماط العيوب غير المعروفة

هيكل التنفيذ

المرحلة الأولى: التقييم والبنية التحتية (الأسبوعان 1-2)

  • تحليل خط الإنتاج ودراسة وضع الكاميرات
  • تجارب تحسين الإضاءة (12 تكوين إضاءة تم اختبارها)
  • جمع العينات عبر جميع أنواع العيوب (15,000 صورة)

المرحلة الثانية: تدريب النموذج والتحسين (الأسابيع 3-8)

  • خط أنابيب تعزيز البيانات (180,000 صورة تدريب تم إنشاؤها)
  • تدريب النموذج الأساسي باستخدام التعلم بالنقل
  • هندسة رأس مخصص للتصنيف متعدد التسميات
  • تكامل YOLO v8 لتحديد موقع العيوب
  • تحقيق دقة 99.7% على مجموعة التحقق

المرحلة الثالثة: تكامل الأجهزة والنشر (الأسابيع 9-11)

  • تركيب ومعايرة الكاميرات الصناعية
  • نشر NVIDIA Jetson AGX Orin في كل محطة
  • برمجة PLC لآلية الرفض الآلي
  • مزامنة سرعة الحزام الناقل

المرحلة الرابعة: التحقق من الإنتاج والتسليم (الأسابيع 12-14)

  • تشغيل متوازٍ مع الفحص الحالي (أسبوعان)
  • تحليل الإيجابيات/السلبيات الخاطئة وتحسين النموذج
  • برنامج تدريب المشغلين (جميع الورديات الثلاث)

النتائج والأثر

الإنجازات الكمية

المقياس قبل بعد التحسن
دقة الكشف 85% 99.7% +14.7 نقطة
معدل العيوب (الهاربة) 2.3% 0.08% انخفاض 96.5%
سرعة الفحص 2 قطعة/ثانية 8 قطع/ثانية أسرع 4 مرات
المفتشون اليدويون 45 5 انخفاض 89%
وقت المعالجة 500 مللي ثانية 80 مللي ثانية أسرع 84%
تكاليف الجودة $1.8M/سنة $420K/سنة توفير 77%

الأثر على الأعمال

  • العائد على الاستثمار: فترة استرداد 6 أشهر
  • مرتجعات العملاء: انخفاض 91% في المرتجعات المتعلقة بالجودة
  • طاقة الإنتاج: زيادة 25% بسبب الفحص الأسرع

الميزات الرئيسية

كشف العيوب في الوقت الفعلي (<100 مللي ثانية)
دقة كشف 99.7%
فحص متعدد الزوايا
تصنيف 23 نوع عيب
معالجة الذكاء الاصطناعي على الحافة
تكامل PLC
نظام الرفض الآلي
تحليل السبب الجذري
لوحة تحليلات الإنتاج
سجل تدقيق كامل

مستعد لبدء مشروعك القادم؟

فريقنا من الخبراء جاهز لمساعدتك في تحويل أفكارك إلى حلول رقمية مبتكرة.