Dalam manufaktur, biaya quality control menjadi salah satu alokasi biaya tertinggi dibandingkan proses kerja lainnya. Entah itu perusahaan mobil, smartphone, dan juga makanan dan minuman, kualitas dan hasil produksi menjadi kinerja prioritas industri. Quality control yang buruk akan memberatkan biaya operasional dan keuangan secara signifikan. Karena di dalamnya mencakup berbagai proses seperti pengerjaan ulang suku cadang, penarikan produk kembali pasca penjualan, klaim garansi dan perbaikan lainnya.
Seperti yang pernah dialami Honda di tahun 2008, perusahaan raksasa otomotif ini menarik kembali mobilnya dari peredaran karena masalah teknis pada sistem airbag-nya. Penarikan kembali ini dikarenakan adanya kecelakaan yang menyebabkan kematian satu orang dan 11 lainnya cedera di Amerika Serikat. Sampai pada tahun 2010, Honda secara keseluruhan telah menarik kembali 950 ribu mobilnya dari peredaran di seluruh dunia dan memakan biaya sekitar 22 juta hingga 33 juta Dollar AS.
American Society for Quality memperkirakan bahwa biaya quality control mungkin setinggi 15 sampai 20 persen dari pendapatan penjualan tahunan untuk kebanyakan perusahaan. Sedangkan untuk perusahaan yang lebih besar, dapat menghabiskan miliaran dolar setiap tahunnya. Belum lagi peningkatan volume produksi akan mempersulit operator untuk memeriksa cacat secara manual pada berbagai kondisi produk.
Untuk mengatasi masalah ini, muncullah teknologi Automated Visual Inspection yang dibuat khusus dengan kecerdasan buatan AI (Artificial Intelligence) yang akan membantu produsen melakukan pemeriksaan kualitas produksi dengan lebih akurat dan hemat biaya. Visual Inspection AI mengotomatiskan tugas inspeksi visual yang memudahkan operator untuk mendeteksi cacat produk secara otomatis. Visual Inspection AI berbeda dengan pendekatan inspeksi visual sebelumnya. Teknologi ini mampu mengotomatiskan inspeksi visual menggunakan serangkaian camera vision dengan AI dan komputer untuk meningkatkan kualitas produksi dengan akurasi yang tinggi. Mengapa tidak berpegang pada inspeksi manual saja? Dalam keseluruhan proses manufaktur biasanya mencakup satu atau beberapa langkah di mana produk diperiksa secara visual untuk mengetahui ada tidaknya cacat. Inspeksi visual sebelumnya adalah proses yang sangat manual yang hanya mengandalkan penglihatan manusia sehingga memakan waktu dan rentan terhadap kesalahan. Berikut beberapa kelemahan inspeksi manual:
Hanya dapat mendeteksi beberapa cacat pada satu waktu
Biasanya bergantung pada persepsi dan pengalaman operator, sehingga dapat mempengaruhi konsistensi kualitas produk
Mesin inspeksi tradisional tidak fleksibel dan tidak dapat beradaptasi dengan perubahan produk sehingga perlu pemrograman ulang
Industri manufaktur saat ini tidak asing dengan inovasi teknologi. Penelitian terbaru dari Google Cloud menunjukkan bahwa 76% para eksekutif manufaktur telah beralih ke digital enabler seperti data dan analitik, cloud, dan AI. Dalam proses quality control, majunya inovasi ini membawa kemudahan inspeksi visual yang efektif dengan keunggulan:
Mampu deteksi ratusan area bidang produk dalam hitungan detik
Memberikan presisi tinggi untuk mendeteksi cacat terkecil
Mampu beradaptasi dengan perubahan produk sehingga tidak perlu pemrograman
Memberikan ROI yang signifikan dengan mengurangi biaya inspeksi, pengerjaan ulang, dan skrap serta metrik quality control yang lain
Tidak memerlukan pengalaman seputar computer vision atau machine learning
Dibandingkan dengan inspeksi visual secara manual, Automated Visual Inspection memberikan pandangan yang lebih luas yang bersifat:
Lebih cepat: Pengamatan serta kesimpulan atas sebuah objek dibuat sangat cepat dan menghasilkan perhitungan yang tepat
Lebih handal: Sistem ini dapat diprogram dan dikustomisasi sesuai kebutuhan, tidak bias, dan mengikuti instruksi tanpa hambatan
Lebih akurat: Mampu mengukur dimensi objek secara pasti sesuai standarisasi.
Lebih aman: Dapat digunakan sebagai pengganti dalam kondisi yang dapat membahayakan manusia
Bagaimana cara memulai implementasi automated visual inspection?
Peralatan yang diperlukan untuk memulai Automated Visual Inspection terdiri dari:
Software Parameter utamanya adalah penyimpanan data. Ada tiga cara umum untuk menyimpan data: di server lokal, layanan streaming cloud, atau arsitektur tanpa server.
Hardware Kamera : Untuk keperluan streaming video secara real-time Gateway : Sebagai penghubung software programs dan hardware-nya CPU/GPU :Jika membutuhkan hasil secara real-time, maka GPU adalah pilihan terbaik karena menawarkan kecepatan pemrosesan yang lebih tinggi Photometer (opsional) : Tergantung pada kondisi pencahayaan lingkungan sistem inspeksi visual Colorimeter (opsional) : Memiliki resolusi spasial tinggi dan konsisten, sehingga memberikan hasil yang lebih mendetail Kamera termografis (opsional) : Dibutuhkan dalam hal inspeksi pipa dan fasilitas uap/air Drone (opsional): Memudahkan inspeksi visual otomatis di area yang sulit dijangkau
Use Case di Berbagai Sektor Manufaktur
Visual Inspection AI dapat memecahkan masalah quality control tertentu di industri seperti:
Otomotif: Pemeriksaan cat pada permukaan, press shop inspection (goresan, retak, pewarnaan, penyok), foundry engine block inspection (retak, deformasi, anomali)
Semikonduktor: Wafer level anomaly dan cacat lokal, inspeksi die crack, inspeksi pre-place, inspeksi SoC packaging dan inspeksi perakitan papan
Elektronik: Komponen papan sirkuit cetak (PCB) yang rusak atau hilang (sekrup, pegas, busa, konektor, pelindung, dll.), Penyolderan dan pengeleman PCB (solder tidak mencukupi, Icicle, shift, timah berlebih, dll.), pemeriksaan permukaan produk (tumpahan lem, deformasi mesh, goresan, gelembung, dll.)
Lainnya: Pengemasan dan inspeksi label, inspeksi kain (mesh, sobek, benang), inspeksi jahitan las logam dan plastik, inspeksi permukaan
Berbagai inovasi dengan kombinasi teknologi nantinya akan mendorong industri manufaktur ke tingkat efisiensi dan produktivitas yang baru. Sama hal-nya dengan Automated Visual Inspection yang memungkinkan perusahaan untuk lebih fokus pada strategi dan tugas lain. Jika Anda ingin mengetahui lebih lanjut seputar camera vision dan AI untuk visual inspection atau sedang membutuhkan bantuan implementasi di pabrik, tim Machine Vision sangat terbuka untuk berdiskusi dengan Anda. Contact Us!
Comentários