בדיקה חזותית אנושית ובדיקת בינה מלאכותית

חברת פלאורה (Pleora) היא ספקית גלובלית של פתרונות בינה מלאכותית ותקשורת IIOT. לאחרונה פרסמה מסמך שמסביר בקווים כלליים כיצד בינה מלאכותית יכולה לסייע בבדיקות איכות חזותיות. אלה הם עיקרי הדברים.

העין האנושית הייתה מאז ומעולם אמצעי לביצוע בדיקות איכות, אולם גורמים חיצוניים כגון עייפות, הסחת דעת או שעמום עלולים לגרום לה לשגות. מחקרים הראו ששיעור השגיאות בבדיקות מנואליות עשוי להגיע ל-30%. רוב השגיאות הן מסוג False positive, כלומר כאשר אנו מסמנים כשל במקום שבו הוא אינו קיים.

בינה מלאכותית עשויה לסייע בבדיקות איכות ולהפחית מאוד את שיעור השגיאות. ואולם בניגוד לתחומים אחרים שבהם למכונה יתרון מוחלט על פני עבודה אנושית, בבדיקות איכות נחוץ לפעמים המגע האנושי דווקא. בדיקה אנושית עשויה להתבסס לא רק על חוש הראייה אלא גם על חושים אחרים המפותחים פחות אצל רובוטים. בני אדם מתמודדים טוב יותר עם אירועים חריגים ובלתי צפויים, ועקומת הלמידה של בני אדם גבוהה. לפעמים אין זה כלכלי להשקיע בלימוד המכונה לבצע את אותן פעולות.

אלא שלצד היתרונות האלו ישנם חסרונות כגון השפעות חיצוניות שעלולות לפגוע בתפקוד. גם אשליות אופטיות שנגרמות על ידי מנגנון הראייה האנושי עלולות לשבש את הבדיקה החזותית.

פיתוח אלגוריתם הוא אחד האתגרים שעומדים בפני יצרנים שרוצים לשלב בינה מלאכותית בתהליך הבדיקה של המפעל. למעשה, קל ליישם תבניות נתונות מראש של צרכים שגורים בעבור מערכות בדיקה חזותית, למשל השוואת דימויים ואחסון דימויים. הדבר לא מצריך היכרות עם שפות תכנות. השוואת דימויים מאפשרת למפעיל האנושי לזהות כשלים בבירור. כדי לתרגל את הפלאג אין, כל מה שצריך הוא דוגמה אחת של מוצר נטול פגמים, וכל המוצרים האחרים מושווים אליו.

בשלבי הייצור למיניהם המפעיל האנושי יכול להיעזר באחסון דימויים כדי ללכוד תיעוד של המוצר לשם מעקב או ניהול מלאי. המידע הזה יוכל לשמש אחר כך לזיהוי מקור או גורם השגיאה.

בדיקה חזותית מנואלית היא מרכיב חשוב בייצור תעשייתי של מוצרי אלקטרוניקה, החל באימות של הכמות והספירה וכלה באריזה ובמשלוח של התוצר המוגמר. נוהגים לשלב בדיקה חזותית מנואלית בתהליך הבדיקה המבוסס על בינה מלאכותית.

צילום: Deutsche Fotothek

מקור: creative.endeavorb2b.com