چرا بازرسی بینایی در خط آزمایشی کار میکند و در شیفت دوم شکست میخورد
تقریبا همه استقرارهای ناامیدکننده بازرسی به همان چند دلیل تکراری شکست میخورند و هیچکدام مدل نیست. میان نمایش و خط در حال کار چه چیزی تغییر میکند، و چگونه طراحی کنیم که این تغییر اهمیتی نداشته باشد.
سامانه بازرسی خودکار در میان پروژههای صنعتی از این نظر غیرعادی است که معمولا بیدرنگ کار میکند. چند صد تصویر جمع میکنید، آشکارسازی را آموزش میدهید یا پیکربندی میکنید، آن را روی خط اجرا میکنید و عیبها را پیدا میکند. بعد وارد تولید میشود، نرخ رد نادرست بالا میرود، اپراتوری آن را به حالت مشورتی میبرد و ظرف دو ماه به دوربینی بدل میشود که هیچکس نگاهش نمیکند. دلایل تکرارشوندهاند و تقریبا هیچکدام درباره مدل نیستند.
نخستین و بزرگترین دلیل نورپردازی است. سامانه بینایی قطعه را نمیبیند؛ نوری را میبیند که از قطعه بازتاب شده، و هر خاصیتی که برایتان مهم است — کنتراست میان خراش و پسزمینهاش، اینکه سطحی مات دیده شود یا براق، اینکه عیب تیره روی ماده تیره اصلا دیده شود یا نه — خاصیتی از روشنایی است نه از دوربین. آزمایشی که زیر هر نوری که اتفاقا در سلول بوده ساخته شده، وقتی در غلتکی در بعدازظهر آفتابی باز شود، وقتی مهتابیهای سقفی با الایدی با دمای رنگ متفاوت عوض شوند، یا وقتی لامپی پیر شود و خروجیاش پانزده درصد افت کند بیآنکه کسی متوجه شود، رفتار متفاوتی خواهد داشت. محصور کردن ایستگاه بازرسی و کنترل نور آن کار بیزرقوبرقی است و معمولا همان تفاوتی است که سامانهای را زنده نگه میدارد و سامانه دیگری را نه.
دلیل دوم آن است که مجموعهداده آزمایشی نمونهای از تولید نیست. تصاویری که در دو هفته بهار جمع شدهاند شامل یک دسته ماده از یک تامینکننده، یک بازه دمای محیط، عادتهای تنظیم یک اپراتور و همان عیبهایی است که اتفاقا رخ دادهاند. تولید شامل تامینکننده دوم است که پرداخت سطحش کمی فرق دارد، شامل دسته زمستانی، شیفت شب، و رده عیبی که سالی چهار بار پیدا میشود. آشکارسازی که روی اولی آموزش دیده بخش زیادی از دومی را ناهنجار میبیند، و شکست شبیه افت مدل به نظر میرسد در حالی که در واقع جهان صرفا بزرگتر شده است.
دلیل سوم نامتوازنی ردههاست که ناخوشایند است نه ظریف. خطی که با بازدهی قابل قبولی کار کند عیب بسیار کمی تولید میکند، پس مجموعهدادهای که از اجرای خط جمع شود عمدتا قطعات سالم است. همین دقت کلی را به معیاری بیفایده بدل میکند — آشکارسازی که همه چیز را قبول کند ۹۹٫۵ درصد امتیاز میگیرد — و ردههای نادر را به چیزهایی بدل میکند که کمترین شواهد را دربارهشان دارید، و همانها هستند که اهمیت دارند. پاسخهای عملی این است که عیبها را عامدانه جمع و نگهداری کنید نه اینکه ضایعاتشان کنید، کتابخانه فیزیکی از قطعات خراب شناختهشده برای اعتبارسنجی مجدد نگه دارید، و به جای دقت کلی با دقت و فراخوانی روی رده عیب اندازهگیری کنید.
دلیل چهارم آن است که هیچکس بر سر تعریف عیب توافق نکرده است. از سه بازرس بخواهید همان پنجاه قطعه را درجهبندی کنند و بر سر چند تا اختلاف خواهند داشت، معمولا همانهای حاشیهای، یعنی دقیقا قطعاتی که از سامانه دربارهشان پرسیده خواهد شد. اگر برچسبها ناسازگار باشند، سقف کارایی مدل را همان ناسازگاری تعیین میکند و هیچ مقدار آموزشی از آن فراتر نمیرود. اجرای یک تمرین کوتاه توافق پیش از هر مدلسازی — همان قطعات، چند بازرس، اندازهگیری نرخ تطابق — به شما میگوید عدد دستیافتنی واقعا چیست، و اغلب مشخصه مفیدتری از مشخصه اولیه تولید میکند.
دلیل پنجم رانش است و همان است که سامانه کارآمد را به سامانه رهاشده بدل میکند. دوربین وقتی به فیکسچری ضربه بخورد کمی جابهجا میشود. لنز گرد میگیرد. تامینکننده عوض میشود. محصول بازنگری میشود. بدون اعتبارسنجی مجدد زمانبندیشده در برابر قطعات شناختهشده، نخستین نشانه دردسر قضاوت اپراتور است که سامانه بیش از گذشته اشتباه میکند، و این خیلی دیرتر از آغاز رانش میرسد و اعتماد را یکباره از بین میبرد. عبور هفتگی یک مجموعه نمونه مرجع از ایستگاه، با ثبت نتایج، چند دقیقه هزینه دارد و به جای یک نظر، یک منحنی به شما میدهد.
از اینها چه چیزی برای طراحی نتیجه میشود. نور را کنترل کنید و ایستگاه را محصور کنید. اپتیک و فاصله کاری را به شکل مکانیکی ثابت کنید تا نتوان جابهجایشان کرد. از همان ابتدا تصاویر تولید را جمع کنید، از جمله تصاویر کسلکننده را، و عیبها را نگه دارید. پیش از آنکه عددی وعده دهید، توافق برچسبگذاری را اندازه بگیرید. نقطه کار را عامدانه انتخاب کنید — بازرسی معاوضهای میان رد نادرست و فرار عیب است و اینکه به کدام سو متمایل شوید تصمیمی تجاری است نه فنی، پس کسی را مالک آن کنید. هر تصمیم را همراه تصویرش ثبت کنید، چون سامانهای که قضاوتهایش بعدا قابل بازبینی نیست نه قابل بهبود است و نه مورد اعتماد قرار میگیرد.
و انسان را عامدانه در حلقه نگه دارید نه تصادفی. قویترین استقرارها جای بازرس را نمیگیرند؛ قطعاتی را که سامانه دربارهشان مطمئن نیست به بازرس میسپارند، که کاری کوچکتر و جالبتر از نگاه کردن به همه چیز است، و دقیقا همان نمونههای حاشیهای برچسبخوردهای را تولید میکند که نسخه بعدی مدل به آنها نیاز دارد.