کنترل کیفیت مبتنی بر هوش مصنوعی

کنترل کیفیت مبتنی بر هوش مصنوعی استفاده از شیوههای هوشمند برای اجتناب از خرابی و نقص در تولید محصول و سازگاری با انتظارات مشتریان است. این جنبه از مدیریت تولید مبتنی بر هوش مصنوعی دو مفهوم کنترل کیفیت و هوش مصنوعی را با هم ادغام میکند.
در سالهای اخیر انواع سیستم مدیریت کیفیت توسط پژوهشگران هوش مصنوعی توسعه داده شده که بهصورت گوناگون محصولات تولیدی را بر اساس شاخصهای کیفیتی تعریف شده کنترل و نتایج را بهصورت خودکار در برگههای کنترل کیفیت ثبت میکنند. در این سیستمها از فناوریهای بینایی ماشین، اینترنت اشیا، رباتیک و دادهکاوی بهره گرفته میشود. با مشاهده هرگونه اشکال، به کمک بازوهای رباتیکی میتوان محصولات معیوب را از خط تولید خارج کرد.
در بسیاری از موارد باز هم قضاوت انسان به دانش و تجربه قبلی بستگی دارد. پایش کیفی در تولید هوشمند جایگاه بسیار مهمی دارد و یک موضوع کلیدی در کارخانه هوشمند در عرص تحول دیجیتال است. اکنون هم پژوهشگران دانشگاهی و هم مدیران صنعت به نقش کلیدی این مقوله آگاه هستند. نظر به اهمیت موضوع این نوشتار به تعریف و مفهومسازی کنترل کیفیت مبتنی بر هوش مصنوعی اختصاص دارد.
کنترل کیفیت در مدیریت تولید مبتنی بر هوش مصنوعی
کنترل کیفیت یک محصول، به معنی شناسایی محصولی با سطح کیفیتی کمتر از حد استاندارد است. این عمل در گروههای تولیدی مختلف به روشهای گوناگونی انجام می گردد که برخی از این روشها، دقت و سرعت بسیار پایینی در عملکرد دارند. مهم ترین کارکردهای کنترل کیفیت در مدیریت تولید مبتنی بر هوش مصنوعی عبارتند از:
- شناسایی خودکار نقصها (Automatic Defect Detection)
- کنترل کیفیت در لحظه (Real-Time Quality Control)
- پیشبینی مشکلات کیفی (Quality Prediction)
- تحلیل و بهینهسازی فرآیندهای تولید (Process Optimization)
- استفاده از سیستمهای بازخورد (Feedback Systems)
مدیریت تولید مبتنی بر هوش مصنوعی به دستیابی به اهداف مدیریت کیفیت مبتنی بر ایزو ۹۰۰۰ و ایزو ۹۰۰۱ کمک میکند. همچنین رسیدن اثربخش به اهداف مدیریت کیفیت فراگیر مبتنی بر بهبود مستمر و رضایت مشتریان را میسر میسازد.
شناسایی خودکار نقصها (Automatic Defect Detection)
هوش مصنوعی با استفاده از الگوریتمهای یادگیری ماشین (Machine Learning) و یادگیری عمیق (Deep Learning)، میتواند به طور خودکار نقصها و مشکلات موجود در محصولات را شناسایی کند. سیستمهای مجهز به هوش مصنوعی قادرند تصاویر محصولات را با دقت بالا بررسی کرده و کوچکترین عیوب مانند خراشها، تغییرات رنگ یا ناهماهنگیهای شکل را تشخیص دهند. این تکنیک به ویژه در صنایع خودروسازی، الکترونیک و تولید قطعات صنعتی بسیار موثر است.
اتوماسیون عامل بسیار مهمی در صنعت است که منجر به تولید محصول به صورت انبوه می گردد. پس از تولید محصول؛ برای تصمیم گیری در مورد رد یا پذیرش با اندازه گیری پارامترهای کیفی انجام می پذیرد. تقریبا در تمام صنعت برای اندازه گیری پارامترهای کیفی مانند ابعاد و ویژگی های محصول تولیدی بازرسی به صورت دستی انجام می شود.
کنترل کیفیت در لحظه (Real-Time Quality Control)
یکی از چالشهای اساسی در فرآیندهای تولید، شناسایی نقصها در همان لحظه تولید است. با استفاده از هوش مصنوعی و اتصال آن به تجهیزات تولید، میتوان در لحظه تولید، کیفیت محصولات را بررسی و در صورت بروز مشکل، خطاها را بلافاصله اصلاح کرد. این قابلیت به کاهش میزان ضایعات و هزینههای تولید کمک شایانی میکند.
بازرسی دستی زمان بر، پرهزینه، گاهی اوقات دارای خطا است و چنین نوع بازرسی برای اشکال پیچیده بسیار دشوار است و همچنین روش در برخی موارد مخرب. برای غلبه بر این مشکلات ، کنترل کیفیت برای محصولات حساس صنعتی با استفاده از تکنیک های پردازش تصویر امکان پذیر است.
پیشبینی مشکلات کیفی (Quality Prediction)
هوش مصنوعی میتواند با تحلیل دادههای جمعآوری شده از فرآیندهای تولید، مشکلات کیفی بالقوه را پیشبینی کند. به عنوان مثال، با تحلیل دادههای مربوط به دما، رطوبت و فشار در محیط تولید، میتوان پیشبینی کرد که چه زمانی کیفیت محصولات ممکن است کاهش یابد و اقدامات پیشگیرانهای برای جلوگیری از آن انجام داد.
یکی از دغدغه های اصلی سازمان های تولید عدم ثبت محصولات نامنطبق و نوع عدم انطباق یافت شده می باشد. چرا که در وهله اول رسیدگی به وقوع محصولات نامنطبق و تعیین و نکلیف آنها می تواند باعث فراموش شدن ثبت گزارشات گردد و از سویی بالا بودن دغدغه های بازرسی و تعدد بازرسی های مشخصات فنی در خط تولید ممکن است مباعث از دست رفتن برخی از داده های مربوط به محصولات نامنطبق گردد.
تحلیل و بهینهسازی فرآیندهای تولید (Process Optimization)
هوش مصنوعی با تحلیل دادههای به دست آمده از مراحل مختلف تولید، میتواند نقاط ضعف و کاستیهای فرآیند را شناسایی کند. این دادهها میتوانند به مدیران تولید کمک کنند تا تغییرات لازم را در فرآیندها اعمال کرده و از تولید محصولات معیوب جلوگیری کنند.
با در اختیار داشتن سیستم کنترل کیفیت مبتنی بر هوش مصنوعی می توان تمامی اطلاعات متعلق به وضعین بروز عدم انطباق ها را شناسایی نمود و علاوه بر ذخیره داده ها در پایگاه های داده تعریف شده در سازمان ، انتهای هر روز یا به صورت بر خط داشبورد مدیریتی محصولات نامنطبق برای صاحبین فرایند های مربوطه اراسال گردد.
استفاده از سیستمهای بازخورد (Feedback Systems)
سیستمهای کنترل کیفیت مبتنی بر هوش مصنوعی میتوانند با جمعآوری دادهها از خطوط تولید و بازخوردهای مشتریان، به طور مداوم مدلهای خود را بهبود بخشند. این سیستمها میتوانند در طول زمان با تحلیل اطلاعات جدید، دقت خود را افزایش داده و خطاهای کیفی را با دقت بیشتری پیشبینی کنند.
کنترل کیفیت همیشه دغدغه ذاتی تولید و رضایت مشتری بوده است و بر همین اساس موضوع کنترل کیفیت با هوش مصنوعی اهیمت پیدا می کند. هدف اصلی تولید، تولید محصولاتی است که مشتریان بتوانند خرید و استفاده کنند. از این رو تولید محصولات مورد نیاز مشتریان با کیفیت مناسب و قیمت مناسب ضروری است. در این نوشتار کنترل کیفیت مبتنی بر هوش مصنوعی تعریف و مفهومسازی میشود.
مزایای کنترل کیفیت مبتنی بر هوش مصنوعی
برخی از مزایای کلیدیکنترل کیفیت مبتنی بر هوش مصنوعی عبارتند از:
دقت: سیستم بینایی ماشین دقت بیشتری را در بازرسی کیفیت در مقایسه با بازرسی توسط اپراتورهای انسانی ارائه میدهد.
سرعت: با هوش مصنوعی قطعات را می توان با سرعت بالاتری نسبت به بازرسی توسط اپراتورهای انسانی بازرسی کرد.
تکرارپذیری: بازرسیهای کیفیت را می توان دقیقاً به همان روش توسط سیستم های بینایی ماشین بدون خستگی، ۲۴ ساعته و ۳۶۵ روز در سال تکرار کرد.
بازرسی ۱۰۰%: سیستم های بینایی ماشین را می توان به گونه ای طراحی کرد که ۱۰۰% قطعات یا محصولات تولید شده را بازرسی کند.
هزینه: از آنجایی که هوش مصنوعی سریع تر از انسان است، چنین بازرسیهای خودکاری میتوانند هزینهها را کاهش دهند. دقت فرآیند جهت کاهش ارسال قطعات معیوب به مشتریان را بهبود بخشند.
ایمنی بازرس: یکی از مزایای اصلی سیستم بینایی ماشین، روش بازرسی غیر تماسی آن است. سیستمهای بینایی ماشین را میتوان در محیط هایی که برای بازرسی انسان خطرناک است نیز به کار برد.
سخن پایانی
کنترل کیفیت مبتنی بر هوش مصنوعی به معنی شناسایی محصولی با سطح کیفیتی کمتر از حد استاندارد است. این عمل در گروههای تولیدی مختلف به روشهای گوناگونی انجام میگردد که برخی از این روشها، دقت و سرعت بسیار پایینی در عملکرد دارند. در سالهای اخیر سیستمهای کنترل کیفیت مبتنی بر هوش مصنوعی با بهرهوری از فناوریهای بینایی ماشین، اینترنت اشیا، رباتیک و دادهکاوی بهصورت گوناگون محصولات تولیدی را بر اساس شاخصهای کیفیتی تعریف شده کنترل و نتایج را بهصورت خودکار در برگههای کنترل کیفیت ثبت میکنند. سپس به کمک بازوهای رباتیکی میتوان محصولات معیوب را از خط تولید خارج کرد.
بازرسی کیفیت قطعات کاری فشرده است و ممکن است مستعد خطا باشد. همچنین، بازرسی ۱۰۰٪ دستی قطعات یا محصولات ساخته شده گران و زمان بر است و ممکن است امکان پذیر نباشد. بینایی ماشین یک تکنیک بازرسی سریع، اقتصادی، قابل اعتماد و عینی را ارائه می دهد. همچنین یک تکنیک خودکار، غیر مخرب و مقرون به صرفه است که می تواند در صنایع برای کاربردهای مختلف مورد استفاده قرار گیرد.
منبع: قوامی، محبوبه. (۱۴۰۳). هوش مصنوعی در سازمان. نشر پارسمدیر.

نگارنده: پشتیبانی پارسمدیر | مدیریت تولید | 10 آبان 03