06 · Technologie
Digitální kontrola s AI
Klasická kontrola hledá vady, které někdo předem popsal. Model se učí, jak vypadá správný díl, a všimne si i toho, co v katalogu vad ještě není.
Klasická kontrola hledá vady, které někdo předem popsal. Model strojového učení se naučí, jak vypadá dobrý kus, a upozorní na odchylku i tam, kde by pravidlo nikoho nenapadlo napsat.
Projeví se to hlavně u vzhledových vad — skvrn, nerovnoměrného lesku, jemných deformací. Každý kus zanechá digitální stopu se snímkem a mírou jistoty. Hraniční případy míří na kontrolora a model se z jeho rozhodnutí učí dál.
- 99,2 %Typická úspěšnost klasifikace po zaučení
- −64 %Pokles kusů k ručnímu posouzení
- 100 %Digitální záznam s mírou jistoty
Jak to probíhá
-
Sběr dat
Nasnímáme reálné kusy včetně vadných. Bez dostatečné datové sady nemá smysl pokračovat — a řekneme to.
-
Zaučení modelu
Model trénujeme na vašich dílech a vašich vadách. Výsledkem je měřitelná úspěšnost, ne příslib.
-
Ověření
Souběžný provoz vedle stávající kontroly. Porovnáme rozhodnutí modelu a člověka na stejných kusech.
-
Provoz a učení
Sledujeme jistotu modelu, doplňujeme hraniční případy a průběžně doučujeme.
Časté dotazy
U jednodušších vzhledových úloh vystačíme s několika stovkami snímků dobrých kusů a desítkami vadných. U jemných nebo vzácných vad jich potřebujeme řádově víc — proto začínáme sběrem dat a ne slibem výsledku.
Proto běží nejdřív souběžně s vaší stávající kontrolou. Teprve když na stejných kusech doložíme shodu, přebírá rozhodování. Hraniční případy posílá člověku vždy.
Snímky i model jsou vaše. Provoz může běžet kompletně ve vaší síti bez odesílání čehokoli ven — u citlivých zakázek je to standard.
Zmenší to objem opakované práce a uvolní kapacitu na případy, kde je potřeba úsudek. Ve všech dosavadních nasazeních zůstal člověk rozhodující instancí u hraničních kusů.
Souvisí s tím