Identifikacija komponente
Vezujemo rezultat kontrole za seriju i broj dela.
Data & AI Engineering
Povežite podatke vizuelne kontrole sa komponentama i proizvodnjom
Kada je komponenta sporna, tim mora znati šta je provereno, na kojoj stanici i sa kojim rezultatom. Razvijamo tokove podataka i aplikacije za sledljivost kontrole kvaliteta.
Povežite podatke vizuelne kontrole sa komponentama i proizvodnjom
Od problema do proverljivog podatkovnog i softverskog rešenja.
Nekonzistentna identifikacija dela, promenljiva osvetljenja i različite klase grešaka otežavaju upotrebu rezultata kontrole. Nalaz mora biti vezan za tačan predmet i vreme.
Šta konkretno razvijamo
Rešenje prilagođavamo sistemima, korisnicima i merljivom cilju.
Klasifikacija defekata
Razdvajamo tipove grešaka i njihove posledice.
Rukovanje nejasnim slučajevima
Predviđamo ručnu proveru kada rezultat nije pouzdan.
Analitika kvaliteta
Pripremamo proverljive podatke o nalazima i uzrocima.
Tehnička arhitektura i tok podataka
Povezujemo kameru, identifikator komponente, klasifikaciju defekta, vreme i zapis u MES ili QA sistemu. Validaciju vršimo na reprezentativnim slikama i stvarnim uslovima snimanja.
Praktični koraci do prvog rezultata
Krećemo od ograničenog obima i stvarnih podataka.
Vrste defekata
Prikupljamo primerke i posledice greške.
Uslovi snimanja
Proveravamo kamere, osvetljenje i kvalitet slika.
Test metode
Upoređujemo pravila i modele sa referentnim rezultatima.
Pilot u liniji
Proveravamo integraciju, brzinu i postupanje u izuzecima.
Ograničenja, kvalitet i rizici
Odvojeno merimo lažno pozitivne nalaze i propuštene defekte. Prag odluke, ciklus kontrole i ljudska provera moraju odgovarati trošku greške i zahtevima linije.
Razgovarajmo o vašem projektu
Opišite trenutni sistem, podatke i odluku koju želite da unapredite. Predložićemo naredni tehnički korak.
Šta proveravamo pre realizacije
Ove pretpostavke proveravamo pre većeg ulaganja.
Identitet dela
Jedinstvena veza nalaza sa komponentom.
Snimci i oznake
Kvalitet i raznovrsnost primera.
Takt linije
Dovoljna brzina procene bez zastoja.
Promene procesa
Ponovna evaluacija kada se uslovi promene.
Razvoj i integracija, ne samo koncept
Prvo proveravamo jednu vrstu defekta u realnim uslovima proizvodnje. O rezultatima govorimo tek nakon merenja; hipotetički primer nije potvrđena referenca klijenta.
Česta pitanja
Odgovori na česta pitanja o primeni i radu sistema.
Da li je Deep Learning neophodan?
Ne. Biramo najjednostavniji pristup koji ispunjava zahteve.
Može li se integrisati u MES?
Da, uz definisane interfejse i prava pristupa.
Kada je ručna kontrola i dalje potrebna?
Kada je nalaz nesiguran ili posledica greške zahteva potvrdu.
Imate li potvrđene rezultate za ovaj slučaj?
Bez zasebno objavljene reference ne predstavljamo hipotetičke rezultate kao iskustvo klijenta.
Sledeći korak
Razgovarajmo o konkretnom zadatku
Definisaćemo pristup, podatke i kriterijume uspeha pre razvoja.
Aleksandar Basara
Managing Director
aleks@valanor.co
Bulevar Milutina Milankovića 7Đ, 11070 Beograd, Srbija
