Yapay Zeka ile Kalite Kontrol: Görüntü İşleme, SPC ve Tam İzlenebilirlik

Kalite kontrol ve kalite yönetim sistemi: fark nedir?

Kalite kontrol, ürünün belirlenen şartlara uyup uymadığını ölçme ve muayene etme işidir: bir kumpasla ölçü almak, bir yüzeyi gözle incelemek, bir etiketi okumak. Kalite yönetim sistemi ise bu kontrollerin neye göre, ne sıklıkla ve kim tarafından yapılacağını, sonuçların nasıl kaydedileceğini ve bir uygunsuzluk bulunduğunda ne olacağını tanımlayan çerçevedir. ISO 9001 gibi standartlar bu çerçevenin gerekliliklerini belirler.

Pek çok fabrikada kalite kontrol yapılır, ama kaydı kâğıtta ya da dağınık Excel dosyalarında kalır. Sonuç tanıdıktır: ölçüm değerleri saatler sonra sisteme girilir, kontrol dışı bir eğilim ancak parti bittikten sonra fark edilir ve bir müşteri şikâyetinde hangi lotun etkilendiğini bulmak günler alır. Kalite yönetim yazılımı (QMS), kontrolün kendisini değil, kontrolün etrafındaki bu kayıt ve karar zincirini dijitalleştirir.

Görüntü işleme ise denklemin diğer tarafıdır: insan muayenesinin yorulduğu, örneklemenin yetmediği ya da hat hızının elle kontrolü imkânsız kıldığı yerlerde her parçayı kamera ile denetler. İki çözüm birlikte çalıştığında, görsel muayenenin sonuçları da elle kaydedilen ölçümlerle aynı kalite kayıtlarına düşer.

Dijital kalite yönetim sistemi neleri kapsar?

Meta Smart Factory Kalite Yönetimi (QMS), girdi kontrolünden son kontrole kadar tüm süreci kapsar:

• Dijital kontrol planları: Karakteristikler, toleranslar, yöntemler, sıklıklar ve numune büyüklükleri parça ve operasyon bazında bir kez tanımlanır.
• Süreç içi muayene: Operatörler ve kalite kontrolcüler ölçümleri yönlendirmeli talimatlarla doğrudan iş istasyonundaki terminal ya da tabletten kaydeder.
• Ölçüm cihazı entegrasyonu: Veri çıkışı olan dijital kumpaslar, teraziler ve diğer ölçüm cihazları değerleri doğrudan muayene kaydına gönderir; yazım hatası ortadan kalkar.
• SPC ve kontrol grafikleri: İstatistiksel proses kontrolü, süreç kontrolden çıktığında otomatik uyarı verir.
• Uygunsuzluk yönetimi: Uygunsuzluk raporu (NCR), 8D veya 5 Neden ile kök neden analizi, düzeltici faaliyetler ve onaylar dijital iş akışıyla yürür.
• Tedarikçi kalitesi: Mal kabuldeki girdi kontrol sonuçları, zaman içinde parça ve lot bazında olgulara dayalı bir tedarikçi kalite puanı oluşturur.
• Denetime hazır kayıt: Kontrol planları, muayene kayıtları, uygunsuzluklar ve düzeltici faaliyetler tarihi ve onaylayanın adıyla tek yerde durur.

Kalite modülü makine bağlantısı olmadan da çalışır. Platform makineye zaten bağlıysa, her kayıt geldiği makine, vardiya ve lot ile otomatik damgalanır. Bu bağlantının nasıl kurulduğunu MES üretim takip sistemi sayfamızda anlatıyoruz.

Görüntü işleme ile kalite kontrol nasıl çalışır?

Görüntü işleme ile kalite kontrol, bir kameranın parçayı her çevrimde aynı koşullarda görüntülemesi, bir yapay zeka modelinin bu görüntüyü değerlendirmesi ve kararın hat üzerinde uygulanması zinciridir. MSF Yapay Zeka Görüntü İşleme çözümünde bu zincir şu bileşenlerden oluşur:

1. Tetikleme: PLC'den ya da bir sensörden gelen sinyal, parçanın doğru konumda olduğunu bildirir.
2. Aydınlatma ve kamera: Her istasyon aranan kusura göre projelendirilir: aydınlık alan, karanlık alan, arkadan, kubbe ya da eş eksenli aydınlatma. Ayrık parçalar için alan taramalı, sürekli bant için satır taramalı kameralar; hareketli parçalar için global shutter kullanılır. Yükseklik veya biçim ölçülecekse lazer üçgenleme ya da yapılandırılmış ışıkla 3D görüntüleme devreye girer.
3. Çıkarım: Görüntü, şirket içindeki GPU görüntü işleme sunucusunda derin öğrenme modeliyle değerlendirilir. Sunucu 8–10 kamera akışına göre boyutlandırılır; görüntüler fabrikadan çıkmaz.
4. Karar: Sonuç kabul, ret veya inceleme olarak üretilir.
5. Uygulama: Ret kararı itici, ayırıcı ya da kilitleme mekanizmasını PLC üzerinden sürer; parçanın hattan çıktığını bir sensör teyit eder.
6. Kayıt: Her karar; görüntüsü, zaman damgası, istasyonu, iş emri, partisi ve model sürümüyle saklanır.

Mevcut hatlara sonradan eklemek olağandır. İşin büyük kısmı yazılım değil, mekanik ve elektriktir: tetik sinyali, reddi uygulayacak bir aktüatör ve sunucuya giden kablo güzergâhı. Takvimi belirleyen de modeli eğitmek değil, parçanın her çevrimde kameraya aynı şekilde sunulmasını sağlamaktır.

Yapay zeka ile hata tespiti: neyi yakalar, neyi yakalayamaz?

Yapay zeka kalite kontrol sistemleri, kuralı önceden yazılamayan görsel kusurlarda klasik kural tabanlı görüntü işlemeye göre esneklik sağlar. MSF Görüntü İşleme'nin tipik kullanım alanları şunlardır:

• Çizik, çatlak, leke ve eksik parça gibi yüzey ve görünüm kusurları
• Montajda doğru bileşenin, doğru yönde ve eksiksiz takıldığının doğrulanması
• Seri numarası, tarih kodu ve etiketlerin OCR ile okunması
• Düzlem içi ölçüler, baskı ve renk kontrolü

Sınırlarını bilmek, yanlış beklentiyle başlayan projeleri önler. Kamera neyi göremiyorsa model de göremez: iç çatlaklar, yüzey altı gözeneklilik, kaynak nüfuziyeti, tork ve malzeme özellikleri farklı bir ölçüm yöntemi ister. Kusurun tutarlı bir görsel imzası yoksa, kabul sınırı tarif edilebilir bir eşik yerine kişisel beğeniye dayanıyorsa veya parçalar kameraya öngörülemez açılarla geliyorsa sistem zorlanır.

Bir modelin başlaması için genellikle birkaç yüz örnek görüntü yeterlidir; operatörler sınıflandırmaları onayladıkça ya da düzelttikçe model gelişir. Ancak yeni bir tedarikçi, malzeme lotu, takım aşınması ya da parça revizyonu hattı eğitim verisinin dışına taşıyabilir. Bu yüzden yeniden eğitim bir proje aşaması değil, sahibi belli bir bakım görevi olarak planlanmalıdır.

Yanlış ret, kaçan kusur ve inceleme bandı

Her görsel kalite kontrol sistemi iki yönde yanılabilir: sağlam parçayı reddedebilir ya da kusurlu parçayı geçirebilir. Karar eşiği bu ikisini birbirine karşı takas eder. Eşiği sıkılaştırırsanız sağlam parçalar fireye ya da yeniden muayeneye gider; gevşetirseniz kusurlar kaçar.

MSF Görüntü İşleme bu ikilemi üçüncü bir sonuçla yönetir: sınırdaki parçalar, hattı durduran bir ret yerine bir inceleme bandına, yani bir incelemeciye yönlendirilir. Böylece tespit, hattı yanlış retlerle boğmadan sıkı ayarlanabilir. Her karar görüntüsüyle saklandığı için, reddedilen parçaları belirli aralıklarla insan kararıyla karşılaştırmak mümkündür. Hatalı retleri hiç gözden geçirilmeyen bir istasyonu operatörler er geç devre dışı bırakmayı öğrenir; bu denetim, sistemin güvenilirliğini korur.

Reddedilen parçanın akıbetine (hurda, yeniden işleme veya şartlı kabul) kararın sahibi karar verir. Sonuç MSF Kalite'ye gider, SPC grafiklerine düşer ve görüntüsü ekli bir uygunsuzluk kaydı açtırabilir. Bir kusur sınıfı eğilim göstermeye başladığında kimin devreye gireceği ise kamera monte edilmeden önce netleştirilmelidir.

İzlenebilirlik: hatadan lota, makineye ve tedarikçiye

İzlenebilirlik, sevk edilmiş bir parçada bulunan hatanın nereden geldiğini ve aynı riski taşıyan diğer parçaların hangileri olduğunu bulabilmektir. Ne kadar geriye gidebileceğiniz, üretim sırasında neyin kaydedildiğine bağlıdır. Lotun her operasyonda okutulduğu yerde kayıt size makineyi, operatörü, giren malzeme lotunu ve muayene değerlerini verir; aynı sorgu bu bilgileri paylaşan diğer parçaları da bulur. Operasyonun okutmadan kapatıldığı yerde ise iz incelir ve sipariş düzeyinde kalır.

Görüntü işleme izlenebilirliği iki yoldan güçlendirir: lazer markalama, seri numarası ve tarih kodlarını OCR ile okuyarak parçanın kimliğini doğrular ve her muayene kararını görüntüsüyle o kimliğe bağlar. Böylece bir şikâyette sınırlandırma, bir haftalık evrak işi değil, bir sorgu olur.

Malzeme tarafındaki lot ve son kullanma tarihi takibini depo yönetim sistemi (WMS) sayfamızda, verinin analizini üretim veri analizi sayfamızda ele alıyoruz.

Görsel kalite kontrol hangi sektörlerde kullanılır?

Görsel kalite kontrol, kusurun kamera ile görülebildiği ve parçanın her çevrimde aynı şekilde sunulabildiği her üretimde değerlendirilebilir. Sahada en sık karşılaştığımız senaryolar şunlardır:

• Plastik enjeksiyon ve ambalaj: çapak, eksik dolum, renk sapması, baskı ve etiket kontrolü
• Gıda ve içecek: ambalaj bütünlüğü, kapak ve etiket doğruluğu, tarih kodu okuma
• Metal ve otomotiv parçaları: yüzey çiziği, çatlak, montajda eksik veya ters takılmış bileşen
• Çelik ve döküm: yüzey kusurlarının hat üzerinde izlenmesi
• Elektronik: komponent varlığı, yönü ve lehim görünümü

Sektörden bağımsız olarak ilk soru aynıdır: aradığınız kusurun tutarlı bir görsel imzası var mı? Bu sorunun cevabı, hangi istasyondan başlanacağını ve hangi kamera ile aydınlatma kurgusunun gerektiğini belirler. Sektörel örnekler için akıllı fabrika sayfamıza da göz atabilirsiniz.

Kalite yönetim sistemi ve ERP ilişkisi

"Muayene sonuçlarını zaten ERP'ye giriyoruz" itirazı sık duyulur. ERP ve kalite yönetim sistemi farklı şeyler tutar. ERP, bir lotun kabul edildiğini, reddedildiğini ya da şartlı kabule gittiğini kaydeder; stoğu bloke etmek ve fireyi işlemek için buna ihtiyacı vardır. Tek tek ölçümleri, kontrol grafiğini, hatanın fotoğrafını ya da 8D raporunu tutmaz.

MSF yaklaşımında ayrıntı kalite sisteminde kalır; kabul, ret ya da şartlı kabul kararı bir arayüzle ERP'ye devredilir, stok orada bloke edilir ve fire orada işlenir. Hangi muayene sonucunun hangi stok statüsünü oluşturacağı, ERP'nize göre kurulan eşlemenin parçasıdır. Metadx bu eşlemeyi, CANIAS ERP ve TROIA altyapısındaki deneyimi ve web servis entegrasyonlarıyla kurar; ayrıntılar için ERP entegrasyonu sayfamıza bakabilirsiniz.

Bir not: Yazılım ISO 9001 belgesi vermez; denetçi ekibinizin gerçekte ne yaptığına bakar. Dijital kalite sistemi ise denetim öncesindeki kanıt derleme telaşını ortadan kaldırır, çünkü kanıt yeniden üretilmez, sorgulanır.

Metadx'in görsel kalite kontrol uygulamaları

Metadx, yapay zeka destekli görsel kalite kontrolü farklı sektörlerde sahaya taşımıştır. Kendi uygulamalarımız arasında şunlar yer alır:

• Suudi Arabistan'da (BRC Industrial, KSA) yapay zeka destekli MES ve görsel kalite kontrol uygulaması
• Çelik sektöründe yapay zeka ile izleme
• Lazer markalama kontrolü ve izlenebilirlik uygulaması

Bu projelerden çıkardığımız ders, görsel muayenenin başarısının kod yazılmadan önce verilen kararlara bağlı olduğudur: hatanın tanımı, parçanın kameraya nasıl sunulacağı ve nasıl aydınlatılacağı. Uygulamaların ayrıntılarına uygulamalar ve başarı hikâyeleri sayfalarımızdan ulaşabilirsiniz.

Metadx ile kalite kontrol projesi: adım adım

1. Mevcut durum analizi: Bugünkü muayene noktalarını, kayıt yöntemlerini, şikâyet ve fire verisini inceleriz. Hangi hata tiplerinin peşinde olduğunuzu birlikte netleştiririz.
2. Kontrol planları: Şikâyeti en çok getiren parçalardan başlayarak karakteristikleri, toleransları ve sıklıkları sisteme taşırız. Bu iş kalite mühendislerinizin bilgisine dayanır ve projenin asıl emeğidir.
3. Görsel muayene fizibilitesi: Görüntü işleme düşünülen istasyonda kusur, parça, çevrim süresi ve aydınlatma koşullarını değerlendiririz; sağlam parçalardan ve her kusur sınıfından temsil edici görüntüler toplarız.
4. Kurulum ve entegrasyon: Kamera, aydınlatma, tetik ve ret mekanizmasını PLC ile bağlar; sonuçları MSF Kalite ve ERP'ye aktarırız.
5. Eğitim ve yayılım: Operatörleri, kalite kontrolcüleri ve yeniden eğitimden sorumlu kişiyi eğitir, kalan istasyonlara kademeli olarak yayılırız.

Meta Smart Factory'nin Türkiye exclusive partner'ı olarak Metadx, yazılım, donanım ve entegrasyon için tek muhatap olur. Kapsamı daraltılmış bir başlangıç için MSF kavram kanıtı (PoC) programları, "görsel hataların çok fazlası kontrolden kaçıyor" gibi tek bir sorunu kendi verinizle test etmenizi sağlar.