Η πρόκληση
Μια βιομηχανία καλλυντικών και προϊόντων οικιακής χρήσης ήθελε να εντοπίζει ελαττώματα συσκευασίας (ετικέτες που λείπουν ή είναι λάθος τοποθετημένες, πώματα, λάθος προϊόν) στην ταχύτητα της γραμμής, και να εξασφαλίζει ότι κάθε κιβώτιο και παλέτα φέρει τον σωστό κωδικό για την εντολή που παράγεται.
Η προσέγγισή μας
- Οριοθετήσαμε το πιλοτικό με τον ιδιοκτήτη, τον τεχνικό διευθυντή, τον υπεύθυνο AI & ψηφιακής βελτιστοποίησης και το IT.
- Σχεδιάσαμε τη διάταξη λήψης με δύο βιομηχανικές κάμερες και εργαλείο επισήμανσης ώστε οι χειριστές να δημιουργούν γρήγορα το σύνολο εκπαίδευσης.
- Εκπαιδεύουμε μοντέλο deep learning (PyTorch, CUDA) για τον έλεγχο φιάλης, πώματος και ετικέτας.
- Ενσωματώσαμε στοιχεία παραγωγής από το EVOCON API και εξαγωγές SAP, καθώς και αναγνώστες barcode κιβωτίων και παλετών.
Αποτελέσματα & λειτουργίες
- Οθόνες γραμμής και παλετοποίησης δείχνουν μετρητές, ποσοστό ελαττωματικών, κατάσταση καμερών και έλεγχο barcode σε πραγματικό χρόνο.
- Ειδοποιήσεις όταν τα ελαττωματικά ξεπερνούν το συμφωνημένο όριο.
- Κάθε απόφαση αποθηκεύεται με τις εικόνες της για έλεγχο· την τελική απόφαση την έχει ο χειριστής.
