AI thị giác kiểm tra mòn đồ gá đo kiểm: triển khai và nghiệm thu tại Thái Lan

Nếu bạn muốn phát hiện mài mòn đồ gá kiểm tra trong ngành sản xuất bằng hệ thống AI hình ảnh, không nên chỉ dựa vào kết quả phát hiện của camera để quyết định sản phẩm đạt hay không đạt. Cần chụp ảnh trạng thái của chốt định vị và bề mặt tiếp nhận, xác nhận nghi ngờ bằng đo lường kích thước, và thiết kế quy trình để người chịu trách nhiệm chất lượng phê duyệt việc dừng và khởi động lại sử dụng đồ gá. Bài viết này là một đề xuất thực tiễn để các kỹ thuật viên sản xuất, chất lượng và mua hàng tại nhà máy Thái Lan có thể đánh giá thông số kỹ thuật, PoC, FAT, SAT bằng cùng một bằng chứng.

1. Lý do giám sát mài mòn đồ gá kiểm tra

Sự suy giảm của đồ gá kiểm tra khác với mài mòn của công cụ sản xuất sản phẩm hoặc kiểm tra ngoại quan bề mặt sản phẩm. Đồ gá kiểm tra là công cụ tạo ra điểm chuẩn để đánh giá đạt hay không đạt. Nếu chốt định vị bị mài mòn và làm nghiêng sản phẩm một chút, sản phẩm có thể bị đánh giá không đạt dù thực tế là đạt, và ngược lại, sản phẩm không đạt có thể bị đánh giá là đạt. Camera phát hiện sự thay đổi trạng thái của đồ gá trước tiên, không phải là sự phù hợp tiêu chuẩn của sản phẩm.

Nếu kiểm tra truyền thống chỉ là quan sát bằng mắt vào đầu ca, quyết định thời điểm thay thế dễ bị thay đổi bởi người vận hành, và có thể không theo dõi được “bình thường” lần trước là đồ gá nào, bộ phận nào, kiểu sản phẩm nào. Camera cố định và hình ảnh chuẩn là phương tiện để lưu lại trạng thái trong cùng một tầm nhìn. Tuy nhiên, nếu ngay lập tức chuyển đổi sự khác biệt trên hình ảnh thành lượng mài mòn, có thể trộn lẫn cả bụi bẩn và phản xạ vào đánh giá tuổi thọ. Mục đích đầu tư không phải là chỉ để đưa AI vào, mà là để nhanh chóng phát hiện đồ gá cần dừng sử dụng và sửa chữa chắc chắn trước khi ảnh hưởng đến chất lượng.

Tiêu chuẩn thiết kế đồ gá, đơn vị thay thế và cách nghĩ về dung sai được sắp xếp trong Thực tiễn thiết kế và sản xuất đồ gá, hình dạng và cách lắp đặt chốt được sắp xếp trong Lựa chọn chốt định vị. Bài viết này tập trung vào việc đánh giá trạng thái đồ gá đang vận hành và quản lý việc dừng và khởi động lại.

2. Phân chia chế độ hỏng hóc và phương pháp xác nhận theo từng bộ phận

Bảng này là điểm khởi đầu để quyết định các mục kiểm tra, không có nghĩa là có thể phát hiện tất cả các bất thường chỉ bằng một bức ảnh từ trên xuống. Các mặt bị che khuất, mài mòn bên trong, độ rơ chỉ xuất hiện khi có tải cần có góc nhìn khác hoặc cần thước đo, thước đo. Màng dầu có thể biến mất khi làm sạch, nhưng nếu trở lại trong thời gian ngắn tại cùng vị trí, cần tìm nguyên nhân. Nếu chỉ dạy AI “bình thường/bất thường”, sẽ nhầm lẫn giữa trạng thái có thể phục hồi bằng làm sạch và trạng thái cần thay thế.

3. Ranh giới giữa sàng lọc hình ảnh và đánh giá kích thước

Dữ liệu điểm chuẩn trên bản vẽ thiết kế, tiêu chuẩn gia công khi làm đồ gá, tiêu chuẩn kiểm tra trong quá trình sử dụng, tiêu chuẩn kiểm tra sản phẩm có liên quan nhưng không nhất thiết giống nhau. Đầu tiên, lấy các đặc tính quan trọng của sản phẩm từ bản vẽ, và liên kết các bộ phận đồ gá có ảnh hưởng đến kết quả kiểm tra của các đặc tính đó bằng mối quan hệ nhân quả. Ví dụ, quyết định sự thay đổi đường kính chốt ảnh hưởng đến vị trí và giá trị đo nào của sản phẩm, nếu thiếu lực kẹp thì xuất hiện ở độ tái lập nào. Nếu phát hiện cả vết xước không liên quan với cùng mức độ ưu tiên, hàng đợi bảo trì sẽ phình to.

Hệ thống chia ba đầu ra. Phân tích hình ảnh đề xuất “bình thường”, “cần làm sạch và chụp lại”, “ứng cử viên dừng sử dụng”. Nhân viên chất lượng và bảo trì thực hiện đo lường độc lập hoặc xác nhận thực tế, và phê duyệt việc đưa đồ gá trở lại sử dụng hoặc dừng. Sự đạt hay không đạt của sản phẩm được đánh giá bằng phương pháp kiểm tra và tiêu chuẩn đã được phê duyệt hiện có. Đối với đánh giá ranh giới dung sai định lượng, độ không chắc chắn của đo lường rất quan trọng, và ISO 14253-1:2017 xử lý quy tắc đánh giá sự phù hợp/không phù hợp với thông số kỹ thuật GPS giá trị số. Không thể áp dụng trực tiếp quy tắc này cho phân loại danh mục AI hình ảnh.

4. Kết nối camera cố định, mẫu chuẩn, thước đo, phiếu công việc

Điểm chụp ảnh thay đổi tùy thuộc vào việc thiết kế theo cách tháo đồ gá ra và đặt lên bàn làm việc hoặc chụp khi thiết bị dừng mà không tháo ra. Cách đầu tiên dễ dàng điều chỉnh ánh sáng và tư thế, nhưng cần xác nhận định vị lại khi tháo lắp. Cách thứ hai có thể bị che khuất tầm nhìn bởi thiết bị vận chuyển, hàng rào an toàn, dầu, mạt cắt bắn ra, lối đi của người vận hành. Dù là cách nào, hình ảnh cần liên kết với ID đồ gá, phiên bản thay thế bộ phận, phiên bản công thức camera, ống kính, ánh sáng, thời gian, thiết bị, kiểu sản phẩm.

Hình ảnh chuẩn không chỉ đơn thuần là bức ảnh đầu tiên chụp vào ngày triển khai. Nó được tạo ra từ đồ gá đã được phê duyệt sử dụng qua đo lường thực tế và từ mẫu chuẩn hoặc sản phẩm chuẩn có trạng thái được quản lý. Nếu không quyết định việc lưu trữ, kiểm tra, thay thế, sửa đổi mẫu chuẩn, sẽ tiếp tục điều chỉnh đồ gá mới theo tiêu chuẩn cũ. Camera chỉ ra sự khác biệt hình ảnh và vị trí, thước đo hoặc CMM xác nhận giá trị số cần thiết, HMI chỉ ra lý do giữ lại cho con người. Phiếu công việc lưu lại hình ảnh phát hiện, xác nhận thực tế, làm sạch, sửa chữa, thay thế, tái kiểm tra, người phê duyệt và thời gian.

5. Trước tiên, liệu quy tắc có đủ không, hay cần AI?

Việc có hay không có chốt, khuyết điểm rõ ràng, lệch vị trí, đường viền ngoài quy định, nếu ánh sáng và chụp ảnh ổn định, có thể đủ với xử lý hình ảnh dựa trên quy tắc. “Locate Fixture” của Cognex xác lập vị trí tham chiếu trong ảnh; thuật ngữ “fixture” trong phần mềm này khác với đồ gá kiểm tra vật lý đang được bàn đến. Các chức năng hiệu chỉnh vị trí ảnh như Locate Fixture của Cognex để điều chỉnh vị trí hoặc Inspect Feature để kiểm tra đặc điểm là tham khảo rõ ràng cho vị trí của đối tượng và đặc điểm quan sát. Không nên coi tên chức năng của nhà sản xuất là hiệu suất phát hiện của đồ gá của công ty mình.

Xem xét AI khi có sự biến đổi sản xuất được chấp nhận, thay đổi liên tục của mài mòn, phản xạ ánh sáng chồng chéo, và khó quản lý số lượng đánh giá hoặc bỏ sót chỉ với ngưỡng đơn giản. Tuy nhiên, nếu mô hình coi trạng thái nguy hiểm của chốt bị mẻ là “bình thường”, thì ưu tiên quy tắc dừng. So sánh triển khai bằng cách đánh giá mẫu thử nghiệm giống nhau với “có AI” và “không AI”, không chỉ tỷ lệ phát hiện mà còn ghi lại dừng sai, giữ quyết định, công việc đánh giá, và thời gian cần thiết để chụp lại. Mô hình tiên tiến không phải lúc nào cũng tốt hơn.

6. Quản lý công thức chụp ảnh như một phần của máy móc

Kiểm tra thực tế góc độ nguồn sáng để giảm phản xạ gương của chốt kim loại, hướng ánh sáng để thấy rõ bề mặt lồi lõm, độ phân giải pixel cần thiết, độ sâu trường ảnh, cố định ống kính, che sáng, và tầm nhìn an toàn khi làm việc. Điều kiện để thấy màng dầu hoặc phoi và điều kiện để thấy đường viền mài mòn không nhất thiết giống nhau. Nếu một hình ảnh không đáp ứng cả hai, xử lý hai hình ảnh với ánh sáng thay đổi như một cặp, cố định thứ tự và cài đặt. Bao gồm điểm chuẩn cố định trong màn hình để xác định liệu máy ảnh bị lệch hay đồ gá đã thay đổi.

Ghi vào tiêu chuẩn công việc các điều kiện làm sạch trước khi chụp, điều kiện đặt và tháo phôi, dải nhiệt độ thiết bị, thời gian bật đèn, và kích hoạt chụp. Nếu tiêu cự hoặc cường độ ánh sáng ngoài phạm vi cho phép, không để AI quyết định mà chuyển thành “chất lượng hình ảnh kém”. Sau khi thay ống kính, thay đèn chiếu sáng, hoặc sửa đổi đồ gá, kiểm tra xem thay đổi đó có thể so sánh với hình ảnh chuẩn trước đây không. Chỉ thay thế hình ảnh bằng tiêu chuẩn mới có thể xóa bỏ mài mòn thực tế.

7. Gắn nhãn dữ liệu huấn luyện với quyết định sửa chữa

Nếu chỉ học với nhị phân “bình thường/bất thường”, thì bụi bẩn có thể rửa sạch và mài mòn cần thay thế sẽ trở thành cùng một bất thường. Ít nhất, định nghĩa “có thể sử dụng”, “làm sạch và chụp lại”, “xác nhận đo lường”, “ứng viên ngừng sử dụng”, “chất lượng hình ảnh kém” như trạng thái vận hành. Không cần thiết phải làm cho nhãn học của mô hình và trạng thái hiển thị HMI là một đối một. Chọn độ chi tiết phân loại sau khi quyết định cách con người xác nhận.

Trạng thái thực không thể tự động biết từ hình ảnh. Gắn nhãn bằng cách kết hợp phôi chuẩn, đo lường thực tế, lịch sử sửa chữa, trạng thái của các bộ phận thay thế, và phê duyệt của bộ phận chất lượng. Ghi lại phần nào bị suy giảm ở chế độ nào và cần biện pháp nào. Không ép buộc “bình thường” bằng đa số cho các ví dụ có quyết định khác nhau, mà ghi lại phán quyết của bộ phận đo lường hoặc thiết kế. Chụp nhiều hình ảnh cùng đồ gá chỉ thay đổi góc độ để tăng hình ảnh mài mòn/khuyết hiếm không làm tăng số lượng trường hợp khuyết độc lập.

8. Tần suất kiểm tra và leo thang

Chu kỳ kiểm tra không chỉ quyết định bằng số lần sử dụng. Xem xét đặc tính quan trọng của sản phẩm, lịch sử mài mòn/thay thế trước đây, phoi hoặc dầu bám trong quá trình, tần suất tháo lắp đồ gá, và lượng sản xuất trước lần kiểm tra tiếp theo. Ban đầu, đặt chụp ảnh vào các điểm quản lý hiện có như khi bắt đầu ca hoặc khi thay đổi mã sản phẩm, xác nhận bỏ sót và lượng đánh giá để điều chỉnh chu kỳ là phương pháp thực tế. Không nhầm lẫn giữa đồ gá phù hợp với giám sát liên tục bằng camera cố định và đồ gá cần chụp an toàn khi dừng.

Khi có “ứng viên ngừng sử dụng”, hiện trường xác nhận hình ảnh và ID đồ gá, và ngay cả khi có thể trở lại bằng cách làm sạch bụi bẩn, không xóa hình ảnh gốc mà chụp lại. Nghi ngờ liên quan đến an toàn hoặc chất lượng sản phẩm cần thông báo cho người chịu trách nhiệm chất lượng, và thiết kế không tự động quay lại sản xuất trước khi phê duyệt. Khi tháo hoặc thay thế tại hiện trường, tuân theo quy trình cách ly năng lượng của từng thiết bị tại nhà máy Thái Lan. Tài liệu OSHA của Mỹ có thể tham khảo cho quản lý năng lượng nguy hiểm nhưng không thay thế yêu cầu pháp lý của Thái Lan.

9. Bộ dữ liệu và xác minh mô hình

Chỉ phân chia ngẫu nhiên hình ảnh cho học tập và đánh giá sẽ dẫn đến việc các hình ảnh tương tự của cùng một chốt mòn được chụp dưới cùng ánh sáng trong ngày có thể nằm trong cả hai nhóm, làm cho việc đánh giá trở nên dễ dãi. Ghi lại ID của đồ gá, chu kỳ thay thế bộ phận, ngày chụp, thiết bị, và ca làm việc, và quyết định đơn vị sử dụng cho đánh giá trước. Việc liên kết hình ảnh trước và sau khi thay thế là hữu ích nhưng không nên làm tăng số lượng mẫu đánh giá độc lập bằng số lượng hình ảnh.

Mẫu đánh giá bao gồm các đồ gá sạch và đạt yêu cầu, màng dầu có thể loại bỏ bằng cách làm sạch, phoi cắt, dấu hiệu sử dụng trong phạm vi cho phép, mẻ thực sự, mòn gần giới hạn kích thước, và hình ảnh bị rung. Bộ phận chất lượng và bảo trì xác nhận từng trạng thái trên đồ gá thực tế bằng bằng chứng đo lường độc lập. Khi có kiểu sản phẩm mới hoặc sửa đổi bộ phận sau khi vận hành, không ép mô hình đưa ra “bình thường” mà giữ lại như ngoài phạm vi áp dụng. Sổ tay Measure của NIST AI RMF chỉ ra cách tiếp cận giám sát và xem xét bởi con người trong quá trình vận hành.

10. Đánh giá riêng biệt sai chấp nhận và sai dừng

Điều mà bộ phận chất lượng muốn tránh nhất là xác định một đồ gá cần dừng sử dụng là có thể sử dụng và tiếp tục tin tưởng vào kết quả kiểm tra. Ngược lại, nếu có quá nhiều sai dừng đối với đồ gá bình thường, hiện trường sẽ bỏ qua cảnh báo. Trong PoC, trạng thái thực của đồ gá được xác định độc lập, và sai chấp nhận, sai dừng, giữ lại phán đoán, và chất lượng hình ảnh kém được đếm riêng biệt. Chỉ số chính xác tổng thể có thể che giấu việc bỏ sót những mẻ nghiêm trọng hiếm gặp.

Chấp nhận trạng thái “AI không tự tin” và đưa vào danh sách chờ xem xét với ID đồ gá, hình ảnh, vị trí ứng cử, trạng thái trước đó, hạn xác nhận, và người phụ trách. Quyền phê duyệt của con người được tách biệt với quyền quyết định xuất xưởng sản phẩm, và người phê duyệt việc tái sử dụng đồ gá được chỉ định trước. Ngưỡng không được điều chỉnh theo dữ liệu thử nghiệm để có giá trị có lợi, mà phải được quyết định trước và ghi lại trong tài liệu chấp nhận cùng với quyết định khi thất bại.

11. Đo lường kích thước và MSA là khác biệt với phân loại hình ảnh

Các giá trị số lượng như đường kính chốt định vị hay chiều cao bề mặt tiếp nhận được đo bằng thước đo đã hiệu chuẩn, CMM, v.v., và xác nhận phương pháp đo có đủ so với dung sai yêu cầu. Gage R&R của ASQ xử lý sự biến động của hệ thống đo lường bao gồm độ lặp lại và độ tái lập. Đối với AI hình ảnh đưa ra kết quả phân loại, không áp dụng trực tiếp Gage R&R giá trị liên tục mà cần xác nhận riêng sự nhất quán trong phán đoán thuộc tính giữa các đánh giá viên, sai chấp nhận, sai loại bỏ, và tỷ lệ giữ lại.

ISO 10012:2026 chỉ ra các yêu cầu của hệ thống quản lý đo lường. Khi tính toán kích thước từ hình ảnh camera, cần xác minh tỷ lệ, hiệu chỉnh hình học, môi trường, bề mặt đối tượng, thiết bị chuẩn, và độ không chắc chắn của đo lường. Nghiên cứu xác minh thiết bị đo lường hình ảnh năm 2026 của NIST là ví dụ về đánh giá phát hiện cạnh không tiếp xúc và độ không chắc chắn đặc thù của thiết bị, nhưng không thể chuyển đổi các giá trị đó cho hiệu suất camera đồ gá tại nhà máy Thái Lan. RFP cần làm rõ việc sử dụng camera chỉ để sàng lọc trạng thái hay như thiết bị đo kích thước.

12. Trong PoC, thực hiện thử nghiệm đối chứng với làm sạch, mòn, và hình ảnh kém

Chọn một đồ gá mục tiêu trong PoC, chuẩn bị phôi chuẩn, bộ phận trước và sau thay thế, trạng thái sạch sẽ, màng dầu, phoi cắt, và điều kiện ánh sáng thực tế tại hiện trường. Không cần thiết tạo ra trạng thái nguy hiểm trên thiết bị. Thỏa thuận trước phạm vi có thể tái hiện với các bộ phận đã tháo rời hoặc đồ gá thử nghiệm an toàn. Thử nghiệm phân biệt giữa bộ phận có mẻ đã biết và sản phẩm bình thường, tái chụp sau khi làm sạch, và chuyển đổi sang chất lượng hình ảnh kém khi ánh sáng suy giảm.

Bảng chấp nhận được tạo với các cột “Điều kiện đầu vào”, “Phương pháp xác nhận trạng thái thực”, “Trạng thái hệ thống mong đợi”, “Công việc của con người”, và “Ghi chép”. Thỏa thuận không loại bỏ im lặng hình ảnh không thể chụp từ mẫu số, không đếm hình ảnh chụp liên tiếp của cùng một bộ phận như các trường hợp độc lập, và ghi lại điều chỉnh ngưỡng sau thử nghiệm như một phiên bản riêng. Mục tiêu độ chính xác không được lấy từ giá trị chung của nhà cung cấp mà phải quyết định dựa trên ảnh hưởng chất lượng khi bỏ sót và số lượng mẫu thực tế tại hiện trường.

13. Cố định phạm vi có thể so sánh trong RFP

Trong yêu cầu đề xuất, hãy ghi rõ các chi tiết về đồ gá hoặc bộ phận mục tiêu và mã sản phẩm, bản vẽ lắp đặt, trường nhìn cần thiết, trạng thái dừng hoặc hoạt động, điều kiện phoi, dầu, nhiệt độ, ánh sáng, kết nối với hệ thống MES và bảo trì hiện có, ranh giới mạng, thời gian lưu trữ, quyền truy cập. Yêu cầu các nhà thầu ước tính riêng cho máy ảnh và ống kính, ánh sáng, giá đỡ, cải tạo đồ gá, thước đo, phát triển mô hình, đào tạo tại chỗ, bảo trì, tái đào tạo. Ngay cả khi mô hình rẻ, nếu chi phí duy trì điều kiện chụp ảnh cao, việc so sánh sẽ bị sai lệch.

Thông số đầu ra không chỉ bao gồm hình ảnh và giá trị phán đoán. Hãy đảm bảo xuất được ID đồ gá, phiên bản bộ phận, chất lượng hình ảnh, phiên bản mô hình, phiên bản ngưỡng, người đánh giá, kết quả đo lường, lịch sử dừng và giải phóng, và chỉ định định dạng có thể đọc được sau khi kết thúc hợp đồng. Nếu sử dụng đám mây bên ngoài, hãy xác nhận điểm đến gửi hình ảnh, nơi lưu trữ, khả năng sử dụng cho tái đào tạo, và hoạt động liên tục khi có sự cố. ISO/IEC 42001:2023 đưa ra các yêu cầu cho hệ thống quản lý AI, nhưng chỉ có chứng nhận không đảm bảo mô hình tại hiện trường này sẽ đạt yêu cầu.

14. Phân chia bằng chứng trong FAT và SAT

Trong FAT, trước khi giao hàng, hãy xác nhận công thức chụp ảnh, hiển thị kết quả, giữ lại, quyền hạn, lịch sử, xuất khẩu, và hành vi khi mất kết nối với đồ gá thử nghiệm và mẫu đã thỏa thuận. Việc đạt FAT không chứng minh rằng hiệu suất sẽ đạt được trong điều kiện ánh sáng, phoi, nhiệt độ, và luồng công nhân thực tế tại nhà máy Thái Lan. Lưu lại không chỉ video hoặc ảnh chụp màn hình của kết quả thử nghiệm mà còn ID hình ảnh đầu vào, phương pháp xác nhận giá trị thực, phiên bản mô hình, và từng phán đoán.

Trong SAT, cố định giá đỡ tại chỗ và thử nghiệm hoạt động bình thường bao gồm thay đổi ca, mã sản phẩm, trước và sau khi làm sạch, thay đổi nhiệt độ thiết bị. Khi đưa ra ứng cử viên dừng sử dụng, hãy xác nhận ai sẽ nhận thông báo trên màn hình, có thể theo dõi vật thể thực và phiếu công việc, và đồ gá không được trả lại mà không có sự chấp thuận. Đối với các mục chưa đạt yêu cầu tiếp nhận, hãy đặt thời hạn và hoạt động tạm thời. Nếu chỉ phát hiện AI thành công mà không kết nối được tái kiểm tra sau khi thay thế, mục tiêu triển khai hệ thống vẫn chưa đạt được.

15. Từ dừng sử dụng đến thay thế, tái kiểm tra, và giải phóng

Phân biệt các trạng thái như “Đang sử dụng”, “Cần xác nhận”, “Làm sạch và chụp lại”, “Dừng sử dụng”, “Đang sửa chữa/thay thế”, “Chờ tái kiểm tra”, “Đã phê duyệt sử dụng lại”. Khi con người xác định “Dừng sử dụng”, không chỉ gắn thẻ vật lý vào đồ gá mà còn ngăn chặn sử dụng sai từ phía thiết bị hoặc vận hành. Nếu nghi ngờ dừng trễ, hãy theo dõi các sản phẩm kiểm tra từ thời điểm xác nhận bình thường cuối cùng bằng ID đồ gá và lô hàng. Bộ phận chất lượng sẽ đánh giá rủi ro để quyết định sản phẩm nào cần tái kiểm tra.

Khi thay thế, hãy xác định pin hoặc bushing đã tháo ra, ghi lại mã sản phẩm và lô hàng của sản phẩm thay thế, siết chặt và lắp đặt, làm sạch đồ gá, kiểm tra việc đặt đúng vị trí của phôi chuẩn, và đo kích thước cần thiết. Ngay cả khi chụp lại bình thường, không giải phóng cho đến khi xác nhận vị trí chuẩn và đọc thước đo. Ghi lại người giải phóng và thời gian, công thức hình ảnh và phiên bản mô hình đã thay đổi, lần kiểm tra tiếp theo. Thay thế phải tuân theo quy trình an toàn và cách ly năng lượng của từng thiết bị, không sử dụng màn hình AI để thay thế quy trình an toàn. Tính tái lập của việc tháo lắp, như được xử lý trong lựa chọn đồ gá thay đổi nhanh, cũng là đối tượng kiểm tra khi sử dụng đồ gá thay thế.

16. Tính toán hiệu quả chi phí trong phạm vi có thể xác nhận

Chi phí triển khai không chỉ bao gồm máy ảnh mà còn ánh sáng, giá đỡ cố định, cải tạo đồ gá, thiết bị đo lường, phần mềm, liên kết MES và bảo trì, đào tạo, bảo trì, thay thế bộ phận, cập nhật mô hình. Hiệu quả được tích lũy từ các mục có thể so sánh trong cùng điều kiện trước và sau khi triển khai như công sức kiểm tra, thay thế đồ gá quá mức, dừng sai, công việc lại, và chất lượng bị rò rỉ. Không xác định số tiền của “tai nạn chất lượng không xảy ra” như là giảm thiểu thực tế. Công sức đánh giá tăng lên do cải thiện mô hình và chi phí tái kiểm tra sau khi thay đổi ánh sáng cũng được đưa vào chi phí vận hành.

Đầu tiên, trong PoC với đồ gá mục tiêu đã thu hẹp, đo xem có thể chụp ảnh ổn định không, có thể phân biệt làm sạch và mài mòn không, và cần bao nhiêu quyết định của con người. Trong FAT, chấp nhận chức năng như một sản phẩm, trong SAT, chấp nhận vòng lặp kín tại chỗ, và sau khi vận hành, xem xét lịch sử dừng và thay thế thực tế để quyết định mở rộng. Mục tiêu số nên được xác định trước từ các đặc tính quan trọng của nhà máy và dữ liệu tai nạn và bảo trì trước đó, không thể đặt độ chính xác hoặc thời gian thu hồi đồng nhất trong bài viết này.

17. Biến sổ tay đồ gá thành khóa chung cho hình ảnh và đo lường

Điều đầu tiên cần làm khi triển khai không phải là tạo ra một đống hình ảnh học tập mà là sổ tay đồ gá. Nếu có nhiều đồ gá cùng số bản vẽ, hãy gán ID cá thể để nhận diện từng cái. Các bộ phận có thể thay thế như tấm đế, chốt định vị, ống lót, và bề mặt tiếp nhận cần có số bộ phận và phiên bản riêng. Chỉ với hiển thị “JIG-01”, hình ảnh trước và sau khi thay chốt sẽ bị so sánh như cùng một trạng thái. Khóa hình ảnh được thiết kế bằng cách kết hợp ID cá thể đồ gá, ID đợt thay thế linh kiện, ID phiên chụp, và ID hình ảnh, trong khi số sản phẩm và số thiết bị được giữ lại như thuộc tính liên quan để dễ dàng theo dõi trước và sau khi thay thế.

Điều cần xác nhận trong vận hành là “hình ảnh này chụp phần nào của đồ gá hiện đang gắn trên dây chuyền”. Liên kết ID điểm chụp chỉ vị trí cố định của máy ảnh, công thức chiếu sáng, phiên bản hình ảnh chuẩn, phiên bản mô hình, và phiên bản ngưỡng đánh giá với ID hình ảnh. Nếu phương pháp là công nhân tháo đồ gá và mang sang máy khác, cần không chỉ đọc ID đồ gá mà còn xác nhận đồ gá và kiểu sản phẩm khớp nhau, và đã ngồi đúng vào hướng dẫn của bàn chụp trước khi chụp. Nếu chuyển bất thường được đưa vào đánh giá mòn của AI, sẽ có chẩn đoán sai là “đồ gá đã mòn”. Nếu chụp cố định vào thiết bị, cần đưa trạng thái dừng thiết bị, vị trí hàng rào an toàn, và sự hiện diện của phôi vào điều kiện chụp.

Sổ tay bao gồm phương pháp kiểm tra từng phần, điều kiện thay thế, phương pháp xác minh sau thay thế, và các đặc tính sản phẩm bị ảnh hưởng. Ví dụ, bề mặt tiếp nhận bẩn cần được chụp lại sau khi làm sạch, nếu nghi ngờ đường kính chốt thì đo bằng thước đo, nếu chốt dừng bị lỏng thì kiểm tra vị trí và trạng thái siết chặt. Nếu gửi tất cả ảnh vào cùng một phiếu công việc, người bảo trì không thể ước tính công cụ cần thiết hay thời gian dừng. Bảng xử lý theo từng phần cần được xác định trước nhãn phân loại của mô hình, và sau đó thử nghiệm xem HMI có thể gọi đúng xử lý đó không.

Lý do phê duyệt cần được lưu lại khi sửa đổi hình ảnh chính. Nếu chỉ vì thay đồ gá mà nâng cấp hình ảnh mới lên tiêu chuẩn bình thường mà không điều kiện, có nguy cơ chuẩn hóa vết xước gia công hoặc lắp ráp sai trên sản phẩm mới. Đính kèm bản vẽ đã phê duyệt, ghi nhận kích thước thực tế, và xác nhận chức năng với phôi chuẩn, thêm ngày bắt đầu hiệu lực mà không xóa phiên bản cũ. Khi triển khai ngang đến nhiều nhà máy, không chỉ sao chép tệp hình ảnh mà cần xác nhận lại tính hợp lệ theo đơn vị kết hợp của máy ảnh, chiếu sáng, giá đỡ, và sửa đổi đồ gá.

18. Không để thất bại chụp ảnh được thông qua như “đồ gá bình thường”

Vấn đề xảy ra trước tiên tại hiện trường không phải là thiếu học tập của AI mà là hình ảnh không thể so sánh được. Ốc vít của máy ảnh cố định bị lỏng, dầu dính vào tấm khuếch tán ánh sáng, độ bóng kim loại của chốt thay đổi theo mùa hoặc nhiệt độ, công nhân đặt ngược mẫu chuẩn vật lý. Những điều này tạo ra sự khác biệt giống như hình ảnh mòn, đồng thời che giấu khuyết điểm thực tế. Đặt cổng chất lượng chụp ảnh trước suy luận mô hình, kiểm tra xem có điểm chuẩn cố định trong tầm nhìn không, tiêu điểm, phơi sáng, lượng ánh sáng, che chắn, và tư thế đối tượng có nằm trong điều kiện không. Hình ảnh không đạt cổng chất lượng chụp ảnh không được gán điểm tốt xấu, mà được gửi lại để chụp lại hoặc kiểm tra thực tế.

Mẫu thử nghiệm không chỉ là “chốt bị mẻ”. Phân loại đồ gá sạch và bình thường, bề mặt tiếp nhận chỉ có phoi, cùng bề mặt sau khi làm sạch, vết xước có thể sử dụng, bộ phận thực sự cần thay thế, hình ảnh thay đổi ánh sáng, và hình ảnh bị lệch tiêu điểm. Nếu xác định thay thế những thứ có thể trở lại sau khi làm sạch, công việc sẽ tăng lên, và nếu xác định chỗ sứt mẻ chỉ là bụi bẩn, rủi ro chất lượng vẫn còn. Mỗi mẫu đều để lại bằng chứng rằng trạng thái thực tế đã được xác nhận bởi chất lượng và bảo trì. Hình ảnh tổng hợp thêm khuyết điểm trên ảnh chỉ có thể dùng hỗ trợ huấn luyện, không thay thế kiểm tra chấp nhận thực tế.

Bảng trên là ví dụ trong tài liệu đặc tả, không phải ngưỡng chấp nhận. Trong chấp nhận, ghi lại trạng thái thực của mẫu, điều kiện chụp, trạng thái mong đợi, kết quả, người vận hành, và phiên bản mô hình từng dòng. Sau khi thay đổi ánh sáng, nếu chụp lại cùng mẫu, kiểm tra sự khác biệt giữa hình ảnh cũ và mới, và sửa đổi hình ảnh chuẩn và mô hình nếu cần. Khi đưa hình ảnh sau thay đổi vào học tập, không trộn tập hợp thử nghiệm đã dùng trong chấp nhận vào học tập. Nếu không, đánh giá lần sau sẽ mất tính độc lập.

19. Báo cáo riêng biệt cho đánh giá thuộc tính và đo lường kích thước

Nếu báo cáo PoC chỉ có một dòng “độ chính xác AI”, những thất bại quan trọng sẽ không thấy. Đầu tiên, phân loại giá trị thực của trạng thái đồ gá thành những thứ có thể trở lại sau khi làm sạch, mòn có thể sử dụng, mòn cần thay thế, hoãn đánh giá, và chất lượng hình ảnh kém. Tiếp theo, tạo bảng kết hợp với đầu ra hệ thống, chỉ ra số lần đồ gá cần thay thế được xử lý như bình thường, số lần đồ gá bình thường bị dừng, và số lần bị hoãn hoặc chụp lại. Mẫu số là số lượng hình ảnh chụp và số cá thể đồ gá, không tăng số trường hợp độc lập bằng số lần chụp liên tiếp cùng chốt.

Trước và sau khi thay thế cùng đồ gá, hình ảnh gần nhau trong cùng ngày, hình ảnh do cùng công nhân chụp với cùng ánh sáng có tương quan. Khi phát triển mô hình, hãy xem xét phân chia học tập, điều chỉnh, và đánh giá cuối cùng theo cá thể đồ gá hoặc đợt thay thế linh kiện. Nếu có kế hoạch sử dụng cho mã sản phẩm khác hoặc ca khác, hãy đưa điều kiện đó vào đánh giá cuối cùng. Đối với khuyết điểm hiếm có ít mẫu, thay vì khẳng định “tỷ lệ phát hiện cao”, hãy báo cáo số lượng quan sát và các vị trí chưa được kiểm tra. Quyết định để lại kiểm tra của con người cho đến khi thu thập thêm thực tế cũng là kết luận hợp lý của PoC.

Báo cáo phân loại hình ảnh và báo cáo đo đường kính chốt, chiều cao bề mặt tiếp nhận được tách ra thành bảng riêng. Trong báo cáo đo lường, xem xét ghi nhận hiệu chuẩn, phạm vi đo, độ lặp lại, sự khác biệt do người đo, nhiệt độ, và mối quan hệ với dung sai sản phẩm. Gage R&R có thể hữu ích cho hệ thống đo giá trị kích thước liên tục, nhưng không sử dụng trực tiếp cùng tính toán cho phân loại thuộc tính của AI hình ảnh. Đánh giá thuộc tính hình ảnh xác nhận sự nhất quán giữa các người đánh giá, lỗi nhận sai, lỗi loại bỏ sai, và hoãn. Giá trị định lượng gần biên dung sai cần có quy tắc đánh giá đã thỏa thuận trước, để không nhầm lẫn giữa xử lý theo tiêu chuẩn và ngưỡng nghi ngờ của AI.

Tài liệu đánh giá cần lưu lại hình ảnh thất bại và ghi nhận xác nhận thực tế. Phân tích lý do bỏ sót thành ánh sáng, hình dạng, nhãn, phạm vi áp dụng mô hình, và quy trình thao tác. Nếu chỉ viết “đáp ứng bằng học lại”, sẽ không rõ ai phê duyệt mẫu, và phiên bản nào sẽ được đánh giá lại. Sau khi học lại, kiểm tra lại cả mẫu đã đạt với phiên bản cũ và mẫu thất bại mới để đảm bảo không có sự xấu đi. Khả năng quay lại phiên bản mô hình cũng là một phần của chấp nhận vận hành.

20. Chuyển giao vận hành mà người chịu trách nhiệm có thể ký tên

Trạng thái đồ gá kiểm tra là sự kết hợp giữa kỹ thuật sản xuất biết cơ cấu, chất lượng đánh giá ảnh hưởng đến kết quả kiểm tra, và bảo trì đảm nhận thay thế và phục hồi. IT/OT hỗ trợ hoạt động của máy ảnh và lịch sử. Đặt “người quản lý AI” chỉ trong một bộ phận mà không có quyền dừng thực tế sẽ không đóng được vận hành. Trong RFP, ghi rõ vai trò của người nhận thông báo đầu tiên, người xác định dừng, người quyết định phạm vi sản phẩm bị ảnh hưởng, và người phê duyệt khởi động lại. Nếu cần hiển thị bằng tiếng Thái và tiếng Nhật, hãy điều chỉnh thuật ngữ lý do đánh giá, hoãn, dừng sử dụng, và phê duyệt khởi động lại với quy trình hiện trường.

Trong chuyển giao vận hành, không chỉ đào tạo thao tác màn hình bình thường mà còn diễn tập chụp lại khi bẩn, trường hợp mô hình không đưa ra câu trả lời, mất kết nối, thay đổi chiếu sáng, thay thế bộ phận đồ gá, và chọn sai công thức mã sản phẩm. Quyết định cho từng thiết bị xem có thể sử dụng đồ gá trong khi mất kết nối hay quay lại kiểm tra thủ công hiện có. Thử nghiệm cách xử lý hình ảnh bị mất hoặc phiếu công việc trùng lặp khi phục hồi. Chỉ lưu trữ hình ảnh không đủ để sử dụng trong kiểm toán chất lượng, cần tìm kiếm theo ID đồ gá, thời gian, bộ phận, lý do dừng, và người phê duyệt để truy cập hình ảnh gốc và ghi nhận đo lường.

Sau khi triển khai, định kỳ xem xét các ứng viên nhận sai, dừng sai, hoãn, chất lượng hình ảnh kém, và phiếu công việc chưa hoàn thành. Khi thay đổi kiểu sản phẩm, thiết kế đồ gá, ánh sáng, vị trí máy ảnh, hoặc nguồn cung cấp bộ phận thay thế, cần xem xét lại phạm vi áp dụng của mô hình. Kế hoạch bảo trì không chỉ bao gồm “ngày học lại AI” mà còn cả làm sạch máy ảnh, kiểm tra chiếu sáng, quản lý thiết bị chuẩn, thay thế bộ phận đồ gá, và tái phê duyệt mẫu đánh giá bởi bộ phận chất lượng. Duy trì trạng thái có thể giải thích lý do dừng và bằng chứng khôi phục của hiện trường.

21. Tạo bảng so sánh ước tính và bảng nghiệm thu với cùng hạng mục

Nếu chỉ hỏi giá trong RFP, chỉ xem màn hình trong FAT, và chỉ thử nghiệm liên kết bảo trì trong SAT, sẽ xảy ra chi phí bổ sung và đổ lỗi trách nhiệm. Trong giai đoạn đề xuất, sắp xếp các dòng “đồ gá và phần cần kiểm tra”, “cách tạo giá trị thực”, “điều kiện chụp”, “trạng thái đánh giá”, “phê duyệt của con người”, “phiếu công việc”, “xuất dữ liệu”, và “quy trình khi có sự cố”, yêu cầu các công ty ghi rõ tiêu chuẩn hỗ trợ, phát triển bổ sung, và không thuộc phạm vi. Đặt cột giá ước tính và cột bằng chứng chấp nhận trên cùng một dòng để thấy rõ đề xuất rẻ hơn đã bỏ qua những gì.

Ví dụ, câu “phát hiện chốt bị mẻ” không rõ đường kính, vật liệu, xử lý bề mặt nào, ánh sáng nào, góc nào, và dạng sứt mẻ nào là đối tượng. Minh họa các phần không thuộc phạm vi như mặt sau và phần bị che, để hiện trường chịu trách nhiệm kiểm tra thủ công. Câu “bao gồm cập nhật mô hình” cần được chia thành thu thập hình ảnh, phê duyệt nhãn thực tế, học lại, kiểm tra hồi quy mẫu hiện có, chuyển đổi sang phiên bản hoạt động, và khôi phục phiên bản cũ. Không chỉ làm rõ yêu cầu thay đổi sau hợp đồng mà còn để bộ phận chất lượng không đánh giá quá cao khả năng kiểm tra của hệ thống.

Bảng nghiệm thu cần có khả năng ghi điều kiện trước, ID mẫu thử nghiệm, đầu ra mong đợi, đầu ra thực tế, bằng chứng hình ảnh và đo lường, người đánh giá, và xử lý khi không đạt cho từng trường hợp thử nghiệm. Trong FAT, kiểm tra liên kết phần mềm và điều khiển trước khi mang vào nhà máy, trong SAT, tập trung xác nhận điều kiện ánh sáng tại chỗ và thao tác của con người. Nếu tạm thời vận hành với các hạng mục chưa đạt, cần làm rõ trong thời gian đó sẽ giữ lại kiểm tra thủ công nào và ai sẽ quyết định dừng. Không coi chữ ký đáp ứng tất cả các hạng mục và phê duyệt sử dụng có điều kiện là cùng một thứ.

22. Câu hỏi thường gặp

Nếu AI đạt yêu cầu, có thể bỏ qua đo lường bằng thước đo không?

Nếu hình ảnh được thiết kế để sàng lọc trạng thái của đồ gá, thì không thể bỏ qua. Để xác định sự phù hợp của kích thước từ hình ảnh, cần phải chứng minh riêng hiệu suất và độ không chắc chắn của thiết bị đo lường. Tần suất đo lường độc lập được quyết định dựa trên các đặc tính quan trọng và biến động tại hiện trường.

Có thể phân biệt đồ gá bẩn và đồ gá bị mòn không?

Kết hợp hình ảnh trước và sau khi làm sạch với đo lường thực tế có thể kiểm chứng phạm vi phân biệt. Tuy nhiên, vẫn còn những trạng thái không thể xác định chỉ bằng hình ảnh, như vết sứt mẻ dưới lớp dầu. Nếu không thể phân biệt, sẽ tạm dừng và không tự động tái sử dụng.

Khi chốt định vị bị mòn, cần dừng gì?

Trước tiên, dừng sử dụng đồ gá liên quan. Phạm vi sản phẩm kiểm tra có thể bị ảnh hưởng sẽ được bộ phận chất lượng quyết định dựa trên xác nhận cuối cùng, ID đồ gá, lô sản phẩm và các đặc tính quan trọng. Điều này không có nghĩa là loại bỏ toàn bộ sản phẩm một cách cơ học.

Tiêu chuẩn và chi phí cho PoC được quyết định như thế nào?

Thỏa thuận riêng về bỏ sót nguy hiểm, dừng sai, tạm dừng, thất bại trong chụp ảnh, và công sức xem xét, sau đó so sánh các phương pháp ứng viên trên cùng một mẫu. Chi phí được ước tính bao gồm khung hiện trường, cải tạo đồ gá, liên kết và bảo trì. Không áp dụng trực tiếp độ chính xác danh nghĩa và đơn giá của nhà sản xuất vào lợi nhuận của nhà máy.

23. Tóm tắt

Trong việc áp dụng AI hình ảnh để xác định sự mòn của đồ gá kiểm tra, chỉ khi có sự kết nối giữa chụp ảnh ổn định, đo lường thực tế độc lập, dừng và giải phóng sử dụng bởi con người, và lịch sử thay thế mới có thể xác nhận hiệu quả. Phán đoán của AI là cửa ngõ quản lý đồ gá. Hãy xác định bộ phận mục tiêu và ranh giới trách nhiệm trong RFP, kiểm tra sai sót và tạm dừng trong PoC, và xác nhận phục hồi sau sửa chữa trong FAT và SAT.

Nếu bạn đang xem xét hình ảnh hóa việc kiểm tra đồ gá tại nhà máy Thái Lan hoặc cách kết nối với quản lý thước đo hiện có, có thể liên hệ với TOMAS TECH. Không cần phải có bản vẽ đồ gá, hồ sơ kiểm tra, và lịch sử thay thế trước khi xem xét.

Thông tin tham khảo

1. ISO 10012:2026 — Yêu cầu đối với hệ thống quản lý đo lường.
2. ISO 14253-1:2017 — Đánh giá sự phù hợp có tính đến độ không chắc chắn đối với các thông số GPS.
3. ASQ Gage R&R — Tính lặp lại và tái lập của đo lường giá trị liên tục.
4. NIST: Validation of upgrades to the M48 vision measurement system — Phát hiện cạnh không tiếp xúc và xác minh đặc thù của thiết bị.
5. NIST: Selecting dimensional measurement equipment — Lựa chọn thiết bị đo lường phù hợp với nhiệm vụ kiểm tra.
6. Cognex: Locate Fixture — Thiết lập tiêu chuẩn vị trí trên hình ảnh.
7. Cognex: Inspect Feature — Chức năng kiểm tra đặc điểm hình ảnh.
8. NIST AI RMF Measure playbook — Đánh giá, giám sát và xem xét của con người trong quá trình vận hành.
9. ISO/IEC 42001:2023 — Hệ thống quản lý AI.