META-aiviVaka Çalışması
Bağlantı Kablosu Sınıflandırması AR + Yapay Zeka Kullanarak
Müşteri
Müşteri, Tayland merkezli, bağlantı kabloları üreten bir elektronik üreticisidir.
Durum
Kablo Muayene Sürecinin İyileştirilmesi
Müşteri, USB kablo muayene sürecinin ürün kalitesini artırmak, dayanıklılık, işlevsellik ve güvenlik standartlarına uyumu sağlamak amacıyla bir çözüm arayışındaydı. Ayrıca, dış yalıtım malzemeleri ve konektörlerin çatlaklar veya hasar açısından kapsamlı bir şekilde incelenmesi gerekiyordu. Bu sürecin tamamlanmasının ardından, kablolar türlerine göre sınıflandırılacak ve sevk edilecektir.
Zorluk
Kalite Kontrolünün Optimize Edilmesi ve Sınıflandırmanın Otomatikleştirilmesi
Kabloların sadece insan muayenesine dayalı olarak incelenmesi, yorgunluk nedeniyle ihmallere yol açabileceği için, geleneksel AOI kullanılarak hata tespiti yapılması gerekmektedir. Ancak, bu durum sıklıkla aşırı hassas sistemlere ve katı parametre ayarlarına neden olarak iyi ürünlerin NG (no good) olarak yanlış tanımlanmasına yol açar. Bu da mühendislerin sürekli ayarlamalar yapmasına ve operatörlerin tekrarlanan muayeneler yapmasına sebep olur.
Ayrıca, AOI daha fazla örnek gerektirdiğinden yalnızca önceden tanımlanmış hataları tespit edebilir, bu da tespit kaçaklarına (leakage) yol açarak esnek üretim taleplerine hızlı bir şekilde yanıt verme yeteneğini engeller.
Çözüm
Hızlı Tanıma ve Sınıflandırma için AR + Yapay Zeka
Sınıflandırma, tanıma ve tespit zorluklarını ele alan META-aivi, yapay zeka ve artırılmış gerçekliği birleştirir. Sadece 5-10 görsel örnek ile yerleşik yapay zeka, kabloları hızlı bir şekilde türlerine (Lightning, USB, RJ45 ve HDMI dahil) göre tanımlamak ve sınıflandırmak için bir model oluşturur.
Akıllı cihazlarla eşleştirilen AR gözlükleri, tabletler veya taşınabilir kameralar, farklı kabloların hızlı tanınmasını ve sınıflandırılmasını sağlar. Sistem, ilgili verilerin şirketin ERP sistemine doğrudan aktarılmasını sağlar, böylece gelecekteki referanslar ve süreç iyileştirmeleri için elektronik kayıtlar oluşturur. Bu da verimlilik oranlarını artırır ve hatalı ürünlerin piyasaya çıkmasını azaltır.