Khi nhà máy muốn dùng AI để kiểm tra sai lệch màu hoặc loang màu, việc đầu tiên là xác định tiêu chuẩn chất lượng, không phải chọn tên mô hình. Bề mặt nào của sản phẩm nào bị coi là không đạt, dưới điều kiện quan sát và đo nào? Phân loại ảnh và đo màu đã hiệu chuẩn giải quyết hai vấn đề khác nhau. Nếu ánh sáng, camera và mẫu chuẩn không được kiểm soát, kết quả trên bàn thử có thể không lặp lại trên dây chuyền tại Thái Lan. Bài viết này chuyển yêu cầu thành kế hoạch mẫu, RFP, kiểm tra nghiệm thu tại xưởng chế tạo (FAT), nghiệm thu tại hiện trường (SAT) và kiểm soát hằng ngày.
Phân biệt các dạng lỗi màu trước khi chọn công nghệ
“Sai màu” có thể chỉ ít nhất ba tình huống: cả sản phẩm lệch khỏi màu chuẩn; một vùng có vệt, đốm hay chuyển sắc; hoặc bề mặt trông khác do độ bóng, phản xạ kim loại, nền phía sau vật liệu trong suốt hay hướng vân. Dù cùng xuất hiện trên ảnh camera, nguyên nhân, đơn vị phán định và phương pháp đo không giống nhau. Một chỉ số “tỷ lệ lỗi màu” gộp chung không cho nhà cung cấp biết cần phát hiện điều gì.
Ví dụ, cả lô chi tiết nhựa ngả vàng chủ yếu là bài toán so với màu tham chiếu. Vệt nhạt cục bộ trên nhãn in là bài toán vị trí và diện tích. Góc chi tiết sơn trông khác màu cần tách màu màng sơn khỏi ảnh hưởng của độ cong và phản xạ. Hãy ghi mã chi tiết, mã màu, mặt kiểm tra, phần mép hoặc ký hiệu loại trừ và người chịu trách nhiệm quyết định. Không nên trộn ảnh của sản phẩm và điều kiện chụp khác nhau rồi dùng một độ chính xác trung bình để khẳng định thiết bị sẵn sàng chạy dây chuyền.
Mục đích kiểm tra cũng cần phân biệt: phân loại 100% trong dây chuyền, cảnh báo sớm biến động quá trình hay quyết định xuất hàng theo mẫu giới hạn được khách hàng duyệt. Cảnh báo quá trình cần phát hiện sớm; quyết định xuất hàng cần chứng minh quy tắc nào được duyệt và vật nào đã bị giữ. Dù cùng AI xem ảnh, tín hiệu cảnh báo và cổng loại sản phẩm phải có yêu cầu riêng.
ΔE hữu ích nhưng một con số không phải toàn bộ tiêu chí đạt
Tọa độ L*, a*, b* của CIELAB và chỉ số sai lệch màu giúp lượng hóa việc so màu. CIE công bố hướng dẫn về người quan sát chuẩn, nguồn sáng chuẩn, điều kiện chiếu và quan sát, cùng cách tính chênh lệch màu. ISO/CIE 11664-6:2022 quy định công thức CIEDE2000 nhằm tương ứng tốt hơn với khác biệt màu cảm nhận được. Một RFP chỉ ghi “ΔE” vẫn bỏ ngỏ công thức, nguồn sáng, thiết bị, vị trí đo và điều kiện quan sát. Cần thống nhất các yếu tố ấy trước khi so sánh số. Ưu tiên tiêu chuẩn của khách hàng; dùng CIE 015:2018 và ISO/CIE 11664-6:2022 làm tham khảo kỹ thuật.
Không có ngưỡng ΔE phổ quát cho mọi sản phẩm. Mức chấp nhận phụ thuộc yêu cầu khách hàng, vùng màu, diện tích, chi tiết lắp kề, độ bóng, vân bề mặt và điều kiện nhìn. Một vệt mảnh dễ thấy có thể bị loại dù giá trị trung bình chênh ít. Một độ dịch trung bình có thể chấp nhận được trong ứng dụng đã duyệt. Bài viết này không đưa ra số ngưỡng chung. Bộ phận chất lượng cần phê duyệt mẫu tốt sát giới hạn và mẫu lỗi sát giới hạn, rồi ghi quy tắc theo từng sản phẩm.
Không được xem RGB của camera thông thường là số đo của máy đo màu hay máy quang phổ. RGB phụ thuộc cảm biến, bộ lọc, ống kính, ánh sáng, phơi sáng và xử lý ảnh. ICC giải thích cách hồ sơ thiết bị liên hệ giá trị riêng của thiết bị với không gian màu chuẩn. Vì thế khoảng cách RGB thô không thể thay trực tiếp dung sai ΔE của khách hàng. Nếu dùng hệ thống ảnh như một công cụ đo màu, phải so với thiết bị chuẩn trên chi tiết thật, mô tả hiệu chuẩn, độ không đảm bảo và phạm vi vật liệu mà kết quả có hiệu lực.
Phân công riêng cho AI phân loại và phép đo màu đã hiệu chuẩn
Nếu câu hỏi là “vị trí xác định này cách màu chuẩn bao xa?”, trước hết xem xét phép đo màu đã hiệu chuẩn. Nếu cần nhận dạng mảng loang mờ, đốm không đều hoặc phân biệt họa tiết theo vị trí, hình dạng và diện tích, xử lý ảnh hoặc AI phù hợp hơn. Hệ thống kết hợp có thể áp quy tắc màu định lượng cho vùng chọn và AI phân vùng loang màu cục bộ. Hai kết quả cần được giữ riêng. Điểm tự tin của AI không phải số đo ΔE.
AI phân loại mẫu không gian phức tạp tốt khi điều kiện chụp và nhãn ổn định. Nếu chỉ gắn nhãn “OK/NG”, mô hình có thể học ngày chụp, ca hoặc trạng thái đèn thay vì tiêu chí chất lượng. Nhân sự chất lượng cần xem chi tiết thật và phân biệt lệch màu toàn bộ, loang màu, bẩn, phản xạ và trường hợp chưa chắc. Trường hợp tranh chấp về số thì giữ giá trị đo và phiên bản mẫu chuẩn; tranh chấp về vùng thì giữ vùng đánh dấu trên ảnh. Nhờ vậy có thể phân biệt lỗi mô hình với “đáp án đúng” chưa nhất quán.
Chi tiết ở gần ranh giới thường gây bất đồng giữa chất lượng, sản xuất và khách hàng. Cho nhiều người đánh giá cùng mẫu vật thật. Đừng ép mẫu còn tranh luận thành nhãn dứt khoát cho tập huấn luyện. Xác định tuyến giữ sản phẩm, người đo lại và điều kiện hỏi khách hàng. Trong sản xuất, sản phẩm AI không chắc phải có tuyến giữ vật lý và hồ sơ; không được âm thầm biến thành hàng đạt. AI vận hành tiêu chuẩn đã đồng thuận dưới dữ liệu đầu vào có kiểm soát; AI không tự tạo tiêu chuẩn.
Quản lý ánh sáng, camera và bảng màu như một hệ thống chụp duy nhất
Độ sáng đủ chưa đủ để kiểm tra màu. Phổ của đèn thay đổi sẽ làm camera đáp ứng khác với cùng một chi tiết. Ánh sáng môi trường có thể khác giữa ca ngày và đêm hoặc khi thiết bị bên cạnh bật đèn. Cân bằng trắng, phơi sáng và tăng màu tự động có thể xóa mất chính sai lệch cần phát hiện. Ghi loại đèn, khoảng cách, góc, tấm tán sáng, vỏ che, phơi sáng, gain, cân bằng trắng, ống kính, khẩu độ và xử lý ảnh. Xác định các thông số khóa khi sản xuất và phạm vi thay đổi được phép.
Để so sánh cách bố trí nguồn sáng, xem hướng dẫn chọn đèn cho AI kiểm tra ngoại quan. Ở đây trọng tâm là kiểm soát đèn như một phần của phép đo màu. “Đèn trắng” không có nghĩa các đèn khác loại có phân bố phổ giống nhau. Chi tiết bóng cần khống chế góc phản xạ; chi tiết mờ cần độ rọi đồng đều; chi tiết trong suốt cần nền ổn định. Ảnh để đo màu và ảnh để làm nổi vết xước có mục tiêu khác nhau, có thể cần đường quang học hoặc công thức chụp riêng.
Bảng màu hay mẫu chuẩn không tự đúng mãi chỉ vì đặt trong máy. Quy định vị trí, hướng, chu kỳ thay, kiểm tra bẩn và phai màu, cách bảo quản và kiểm tra định kỳ bằng thiết bị tham chiếu. Liên kết phiên bản mẫu khách hàng phê duyệt với bản dùng tại xưởng. Nếu camera có hiệu chỉnh màu, lưu ID bảng màu, ngày, công thức chụp và phiên bản hiệu chỉnh cùng hồ sơ ảnh. Kết quả tốt trên vài ô bảng màu không chứng minh phép đo chính xác cho mọi màu và vật liệu của sản phẩm.
Khi chọn camera công nghiệp, xem độ nhạy, nhiễu, tuyến tính, độ không đồng đều và xử lý tích hợp bên cạnh số megapixel. EMVA 1288 là chuẩn đo và trình bày đặc tính cảm biến và camera machine vision. Thông số theo chuẩn không tự bảo đảm độ chính xác kiểm tra màu của một sản phẩm. So sánh cả bộ camera, ống kính, đèn và chi tiết thật. Kết quả tốt trên bảng màu phẳng vẫn cần thử lại với lớp sơn cong hoặc kim loại phản xạ. Đặc tả cần yêu cầu độ lặp lại trên sản phẩm thật, không chỉ mã camera.
Tính ngược từ tốc độ dây chuyền đến chụp ảnh và loại sản phẩm
Chụp mẫu đứng yên khác với kiểm tra từng sản phẩm đang chạy. Đặt tốc độ tối đa, khoảng cách giữa sản phẩm, rung động, vị trí trigger, thời gian phơi sáng, truyền ảnh, hiệu chỉnh màu, suy luận AI, quyết định, tín hiệu PLC và đáp ứng cơ cấu loại trên cùng một sơ đồ thời gian. Số frame/giây danh nghĩa không chứng minh kiểm tra đủ mọi sản phẩm. Trường nhìn lớn làm giảm chi tiết theo từng pixel và có thể làm mất mảng loang nhỏ qua phép lấy trung bình. Phơi sáng ngắn có thể tăng nhiễu nếu không điều chỉnh đèn và quang học.
RFP nên yêu cầu chụp đủ mặt ở tốc độ cao nhất, liên kết image ID với workpiece ID và ghi trường hợp giữ lại hoặc loại thất bại. Nếu kiểm tra nhiều mặt, vẽ camera hoặc cơ cấu xoay và trigger tương ứng. Không nên chỉ nghe rằng mô hình “chịu được mọi góc nghiêng”; hãy quy định giới hạn vị trí, góc bằng đồ gá và băng tải. Giảm biến thiên vật lý có thể hiệu quả hơn liên tục thêm ảnh huấn luyện.
Tại nhà máy ở Thái Lan, thử ánh sáng ngày và đêm, cửa mở, vị trí camera sau vệ sinh, khí thổi, nhiệt độ/độ ẩm tại chỗ và đèn LED thay thế. Đây là câu hỏi nghiệm thu hiện trường, không phải hiện tượng chỉ có ở Thái Lan. BOI khuyến khích nâng cấp công nghiệp, nhưng chính sách không chứng minh hiệu quả kinh tế hay chất lượng của một dự án kiểm tra cụ thể. Thử trên chi tiết thật trong điều kiện vận hành dự kiến mới là căn cứ chính.
Gắn thay đổi mã sản phẩm và mã màu với recipe kiểm tra
Trên dây chuyền nhiều mã, ảnh có thể được chụp đúng nhưng bị so với chuẩn màu sai. Gộp mã chi tiết, mã màu, yêu cầu khách hàng, phiên bản mẫu giới hạn, điều kiện đo, cài đặt đèn/camera, mô hình AI, mặt kiểm và mặt loại trừ, cùng nơi loại thành một recipe. Nếu lệnh sản xuất hoặc barcode chọn mã, xác nhận lại với nhãn vật lý hoặc đồ gá. Giữ hàng chưa có recipe hoặc dữ liệu không khớp thay vì âm thầm cho qua. Với lựa chọn thủ công, lưu người chọn, thời gian và buộc kiểm mẫu chuẩn ngay sau đổi mã.
Khi các màu gần giống nhau chạy liên tiếp, kiểm xem sản phẩm cũ còn trên băng tải không. Nếu camera cách cổng loại một đoạn, quyết định ở ranh giới đổi mã có thể bị áp vào sản phẩm tiếp theo. Lưu recipe ID theo từng workpiece ID trong log PLC và ảnh, truy vài chi tiết trước và sau đổi mã trong FAT/SAT. Kế hoạch sản xuất đúng không chứng minh vật thật đúng mã; hệ thống cần giữ an toàn khi thông tin mâu thuẫn.
Khi thêm màu mới bằng cách sao chép recipe cũ, không được giữ nguyên ngưỡng và mặt nạ mà không thử. Dùng mẫu giới hạn và chi tiết thật kiểm vị trí đo, quy tắc sai lệch màu và vùng loang rồi phê duyệt phiên bản recipe mới. Nếu chu kỳ kiểm ảnh hoặc bảng màu khác theo sản phẩm, ghi vào recipe. Kiểm soát recipe có thể không hiện trong accuracy của AI, nhưng ngăn hệ thống thực hiện chính xác một tiêu chuẩn chất lượng sai.
Lập kế hoạch mẫu cho cả sai lệch màu và loang màu
Nhiều ảnh đạt với vài ảnh lỗi chưa phải kế hoạch đầy đủ. Lập danh mục theo mã chi tiết, mã màu, lô vật liệu, lô sơn/mực, máy, ca, ngày, tốc độ, trước và sau vệ sinh, mẫu đạt sát giới hạn, mẫu lỗi sát giới hạn và loại lỗi thực. Đừng coi nhiều ảnh chụp xoay của cùng một chi tiết là nhiều mẫu độc lập ở cả tập huấn luyện và đánh giá. Giữ riêng ngày hoặc lô cho đánh giá cuối, đưa vào biến thiên có thể gặp khi sản xuất.
Kiểm tra xem nhiều người có lặp lại quyết định được cho trường hợp “nhìn là biết” trong điều kiện quan sát thống nhất không. Đánh dấu vị trí đo của máy nếu cần. Với loang màu, lưu vị trí, diện tích và mức chênh cục bộ, không chỉ màu trung bình. Quản lý phiên bản mặt nạ loại trừ mép, dấu cổng nhựa, logo hay vết khuôn. Chủ động gom mẫu sát ranh giới và mẫu cần giữ vì đây là điểm dễ tranh cãi khi vận hành.
Giữ ảnh gốc riêng với ảnh đã xử lý. Chuẩn hóa màu quá mạnh có thể xóa sai lệch cần phát hiện. Một file “gốc” vẫn có thể bị xử lý tự động trong camera. Kết nối thông số, kết quả kiểm bảng màu, giá trị của thiết bị chuẩn, nhãn, người đánh giá và lịch sử xét lại với cùng sample ID. Hồ sơ này phục vụ phân tích lỗi và tìm dữ liệu phải đánh giá lại khi khách hàng thay mẫu giới hạn.
PoC cần xem ranh giới quyết định và độ lặp lại, không chỉ accuracy
PoC nên báo cáo hàng tốt bị loại nhầm, hàng lỗi lọt qua và tỷ lệ giữ lại theo chi tiết và loại lỗi. Tách lệch màu sát giới hạn, loang nhỏ và mẫu nhạy với phản xạ. Hàng lỗi lọt ảnh hưởng khách hàng; loại nhầm và giữ lại ảnh hưởng sản lượng, công kiểm tra lại. Bộ phận chất lượng phải quyết định ưu tiên và mức chấp nhận trước khi nhà cung cấp tinh chỉnh.
Chụp lặp lại cùng chi tiết, tháo ra lắp lại, chụp sau vệ sinh, ở ca khác và sau thay đèn. Kết luận đạt/không đạt có thể giống nhau nhưng giá trị đo hoặc điểm AI tiến sát ranh giới cho thấy biên an toàn thấp. Giữ phân bố và ví dụ thất bại; tách biến thiên của hệ đo với biến thiên của sản phẩm. Khi so với thiết bị chuẩn, xem độ lệch gần ranh giới, không chỉ hệ số tương quan. Tương quan toàn cục cao vẫn có thể kèm sai lệch nguy hiểm ở điểm quyết định.
So mô hình trên cùng cách chia tập huấn luyện/đánh giá, điều kiện chụp, nhãn và quy tắc. Demo khác ngày, khác mẫu không thể so trực tiếp. Chỉnh threshold nhiều lần trên tập đánh giá cuối làm phép thử mất độc lập. Tách dữ liệu đặt ngưỡng với dữ liệu kiểm chứng và lưu phiên bản. PoC đạt nghĩa là đủ điều kiện tiến đến FAT/SAT, không bảo đảm hiệu suất khi sản xuất.
RFP phải ghi chuẩn màu và ranh giới trách nhiệm
Mở đầu RFP bằng sản phẩm, mặt kiểm, màu, tốc độ và địa điểm. Đính kèm mẫu giới hạn được duyệt, quy định phương pháp đo màu, công thức, điều kiện quan sát, vị trí đo và quy tắc vị trí/diện tích loang màu. Mục chưa chốt phải có người phụ trách và hạn quyết định, không ghi “nhà cung cấp tự chọn”. Phân định người tính số màu, huấn luyện AI, làm đồ gá và che sáng, kết nối PLC/cổng loại, cùng người phán định lại.
Yêu cầu bảng thông số chụp, sơ đồ quang học, quy trình quản lý bảng màu và mẫu chuẩn, danh mục mẫu, cách tách tập huấn luyện/đánh giá, kết quả theo sản phẩm và lỗi, kết quả mẫu sát ranh giới, luồng giữ, bảng tín hiệu PLC, định dạng log ảnh và giá trị đo, quản lý phiên bản mô hình/chuẩn, kế hoạch FAT/SAT, bảo dưỡng và hiệu chuẩn lại. Cần quy định khi dừng, khởi động lại hoặc mất mạng. Nêu sản phẩm, màu ngoài phạm vi; đừng mặc nhiên đưa biến thể tương lai vào bảo hành vô điều kiện.
So chi phí cả vỏ che, thay đèn, bảng màu, thiết bị chuẩn, đồ gá, sửa PLC, lưu dữ liệu, huấn luyện lại và đánh giá lại sau thay giới hạn, không chỉ giá camera và giấy phép AI. Với tuyên bố “AI không cần hiệu chuẩn” hay “một ngưỡng dùng cho mọi màu”, yêu cầu chứng minh trên vật liệu và điều kiện thật. Đặc tả nghiệm thu giúp bộ phận mua hàng so đề xuất trên cùng một cơ sở.
Thêm cột bằng chứng thử nghiệm vào bảng so đề xuất, thay vì chỉ đánh dấu “làm được”. Tuyên bố đo màu phải nêu màu, vật liệu và điểm sẽ so với thiết bị chuẩn. Tuyên bố phát hiện loang phải nêu mẫu giới hạn dùng để thử nhầm lẫn với họa tiết đạt. Tuyên bố loại sản phẩm phải có phép thử ở tốc độ cao nhất, khớp image ID với chính chi tiết bị loại. Cách này giúp chọn kết quả có thể kiểm tại xưởng.
FAT kiểm bộ thiết bị hoàn chỉnh; SAT kiểm biến thiên tại hiện trường
Trong FAT, thử camera, đèn, ống kính, đồ gá, máy tính, tín hiệu PLC và tuyến loại/giữ đúng cấu hình đã ký. Dùng mẫu đạt sát giới hạn, lỗi sát giới hạn, lỗi thật và mẫu dễ nhầm do phản xạ; báo kết quả theo mã và loại lỗi. Kiểm việc lần từ ảnh đến sản phẩm, lịch sử phiên bản sau đổi cài đặt, và phản ứng khi kiểm bảng màu vượt giới hạn. Demo camera đơn lẻ chưa phải FAT hoàn chỉnh.
Trong SAT, thử tốc độ tối đa và thay đổi tốc độ, chuyển ca, ánh sáng ngoài, rung, khí hậu, vệ sinh, khởi động lại, đổi mã sản phẩm theo điều kiện đã thỏa thuận. Đối chiếu vật bị loại hoặc giữ thật với log PLC và ảnh. Quyết định trên ảnh đúng nhưng cổng đẩy nhầm chi tiết tiếp theo vẫn là thất bại chất lượng. Kiểm hành vi an toàn khi mẫu chuẩn không hợp lệ, chuyển sang kiểm thủ công và điều kiện xác nhận trước khi chạy lại.
Thống nhất tiêu chí đạt FAT/SAT trước khi thử theo yêu cầu từng sản phẩm, nhịp dây chuyền, năng lực kiểm lại và thỏa thuận khách hàng. Dời ranh giới sau khi xem kết quả làm mất ý nghĩa so sánh. Giữ số lượng và thành phần mẫu, ảnh gốc, số đo, log, lỗi, biện pháp sửa và kết quả thử lại trong biên bản. Đối tượng nghiệm thu là cả hệ thống kiểm tra vận hành được, không chỉ độ chính xác mô hình.
Sau khi chạy: theo dõi mẫu chuẩn, đèn, mô hình và quy tắc riêng rẽ
Khi kết quả biến động, đừng lập tức huấn luyện lại AI. Trước hết kiểm mẫu và bảng màu, công suất và lịch thay đèn, phơi sáng và cân bằng trắng, kính bẩn, vị trí gá, mã sản phẩm và lô vật liệu. Huấn luyện lại trên điều kiện chụp đã thay đổi có thể che nguyên nhân. Nếu hệ chụp bình thường, kiểm thay đổi vật liệu/quá trình, mẫu giới hạn khách hàng và phạm vi áp dụng mô hình. Cả bốn có thể bị gọi là “drift” nhưng chủ trách nhiệm và cách sửa khác nhau.
Dashboard nên có số quyết định theo mã và màu, phân bố chênh lệch màu và điểm AI, tỷ lệ giữ, loại nhầm, bỏ sót, kết quả kiểm bảng màu, phiên bản công thức chụp và chuẩn. Xem số lượng sát ranh giới chứ không chỉ trung bình. Quy định cách xử lý quyết định xuất hàng nếu bảng màu không đạt. Chỉ khi image ID, workpiece ID, thời gian và tình trạng thiết bị liên kết, nhà máy mới khoanh được lô cần kiểm lại.
Hướng dẫn theo dõi model drift của AI kiểm tra ngoại quan bàn về mô hình ảnh nói chung. Kiểm màu còn phụ thuộc điều kiện đo và phiên bản chuẩn đã duyệt. Khi đổi mô hình, chạy lại ảnh đại diện quá khứ và mẫu giới hạn, ghi khác biệt so với bản cũ. Khi khách hàng đổi chuẩn màu, phải cập nhật cả quy tắc đo, nhãn, hướng dẫn thao tác và quy tắc kiểm lại, không chỉ mô hình.
Làm bản đặc tả quyết định một trang trước khi đặt hàng
Ở nhiều nhà máy, mẫu chuẩn nằm trên kệ, yêu cầu thiết bị nằm trong hồ sơ mua hàng, còn quy tắc thực tế ở trong đầu người kiểm nhiều kinh nghiệm. Nếu ba thứ khác phiên bản, máy tốt cũng bị tranh cãi khi nghiệm thu. Hãy tạo một trang làm lối vào. Bên trái ghi mã, màu, mặt kiểm và mặt loại, ID mẫu, ngày khách hàng duyệt. Ở giữa ghi điểm đo, công thức, điều kiện, giới hạn và quy tắc mảng loang. Bên phải ghi người giữ, đo lại, lưu hồ sơ và loại. Tài liệu chi tiết có thể được liên kết, nhưng trang này phải chỉ phiên bản được duyệt hiện hành.
Đưa vào biến thiên tự nhiên của hàng đạt như lô nhựa, hướng sơn hoặc độ trắng nền in. Cấp cả mẫu tốt dễ nhầm với lỗi. Nếu không, nhà cung cấp có thể đặt máy dừng mọi chi tiết gần dạng lỗi, gây loại nhầm quá nhiều. Nới ngưỡng về sau mà không thống nhất có thể làm hàng lỗi lọt. Cân bằng hai loại sai phải dựa trên chi phí chất lượng và yêu cầu khách hàng trước khi tinh chỉnh.
Ghi ai có quyền đổi quy tắc. Chỉnh đèn hoặc phơi sáng tại sàn có thể khiến số màu hay điểm AI mới không còn so được với bản trước. Xác định người đổi, mẫu phải chạy lại và cách phát hành recipe mới. Khi khách hàng sửa mẫu giới hạn, xem lại hàng từng giữ, tham chiếu đo và tập đánh giá mô hình, không chỉ đổi nhãn ảnh mới. Lịch sử phiên bản giải thích vì sao cùng một chi tiết tháng trước đạt còn tháng này không đạt.
Chuẩn bị đội vận hành sau lắp đặt từ đầu
Giao người kiểm mẫu chuẩn đầu ca, người thay bảng màu, người xem ảnh tối và kính bẩn, người đo lại hàng giữ, người xem lỗi hằng tháng. Mọi ca dùng checklist và quy tắc giống nhau. Định nghĩa lúc phải dừng dây chuyền và cách xác định khoảng lô tính từ lần kiểm hệ thống bình thường gần nhất.
Kiểm hằng ngày phải nhiều hơn việc “camera có hình”. Chạy mẫu tham chiếu đã duyệt theo đúng hướng rồi kiểm vùng ảnh hay giá trị đo, quyết định AI, tín hiệu PLC và nơi chi tiết thực sự đi tới. Nếu kiểm thất bại, ghi giá trị nào lệch chuẩn và tìm nguyên nhân, không tự nới ngưỡng trên sàn. Chi tiết bị giữ rồi đo lại vẫn phải truy về ảnh và mã ban đầu.
Hợp đồng bảo trì cần phân biệt hỏng đèn, đổi camera, bảng màu phai, thêm mã sản phẩm, đổi vật liệu và đổi chuẩn khách hàng. Sửa giới hạn chất lượng phải được bộ phận chất lượng duyệt, kỹ sư AI không tự quyết. Xác định log và ảnh cần cho chẩn đoán, phần dữ liệu được chia sẻ với nhà cung cấp, bảo mật và mục tiêu khôi phục. Ranh giới rõ giúp giảm thời gian tìm nguyên nhân khi quyết định sản xuất thay đổi.
Câu hỏi thường gặp về AI kiểm tra màu
Chỉ AI có kiểm được ΔE không?
AI hữu ích cho loang cục bộ và mẫu hình phức tạp. Yêu cầu dung sai ΔE của khách hàng cần điều kiện đo, hiệu chuẩn và đối chiếu thiết bị tham chiếu. Độ tự tin AI không phải ΔE. Phân biệt yêu cầu định lượng và phân loại ảnh; kết hợp khi cần.
Nên đặt dung sai ΔE là bao nhiêu?
Không có con số chung. Thống nhất theo sản phẩm, màu, bề mặt, điều kiện quan sát, quy định khách hàng và chi tiết lắp kề. Ghi công thức, nguồn sáng, người quan sát, vị trí, thiết bị và phiên bản mẫu chuẩn. Có thể bắt đầu PoC khi vài điểm còn đang chốt, nhưng trước nghiệm thu phải có tiêu chí đạt/không đạt bằng văn bản.
Đặt bảng màu vào ảnh có biến RGB thành ΔE ngay không?
Không. Bảng màu hỗ trợ hiệu chuẩn, nhưng đáp ứng phổ của camera, đèn, ống kính, thuật toán hiệu chỉnh và vật liệu vẫn quyết định. So trên chi tiết thật với thiết bị chuẩn, nhất là vật bóng hay sắc tố đặc biệt. Quản lý bụi bẩn và phai màu của bảng.
Với dây chuyền nhanh, kiểm gì trước?
Kiểm thời gian phơi sáng ở tốc độ cao nhất, độ phân giải, lượng sáng, thời gian truyền và suy luận, tín hiệu PLC và vị trí loại như một chuỗi thời gian. Độ chính xác trên ảnh tĩnh không chứng minh kiểm đủ từng sản phẩm. Đưa thử thay tốc độ và khớp ảnh với vật thật vào SAT.
Ước tính chi phí như thế nào?
Không có giá chung cho số mặt kiểm, màu, tốc độ, giới hạn hiện trường, thiết bị tham chiếu và công sửa PLC khác nhau. So cùng phạm vi quang học, vỏ che, đồ gá, hiệu chuẩn, gắn nhãn, tích hợp, FAT/SAT, bảo trì và đánh giá lại. Nếu quy tắc chưa rõ, có thể đặt một giai đoạn nhỏ để thử trên mẫu thật và viết đặc tả trước.
Kết luận
AI kiểm tra màu kết nối quy tắc chất lượng, phép đo màu, phân loại ảnh và điều khiển dây chuyền. Xác định loại lỗi và mẫu giới hạn trước; phân việc định lượng ΔE và nhận dạng vùng bằng AI cho phương pháp phù hợp. Kiểm soát đèn, camera và tham chiếu cùng nhau, rồi dùng mẫu sát ranh giới qua PoC, FAT, SAT. Sau khi chạy, giữ phiên bản chuẩn và hồ sơ chụp để giải thích quyết định thay đổi và truy ra sản phẩm cần kiểm lại.
Nếu đang cân nhắc kiểm lệch màu hoặc loang màu cho nhà máy tại Thái Lan, khi đã có chi tiết, mẫu giới hạn và tốc độ dây chuyền hiện tại, hãy liên hệ TOMAS TECH để trao đổi từ bước phân vai giữa phép đo với AI và tiêu chí nghiệm thu cho RFP.
