Kontrola kvaliteta uz AI: Sredi proizvodnju u danu

Škart te košta 15% profita: Vrijeme je da prestaneš bacati novac u kantu

Prosječna mala radionica u Bosni i Hercegovini gubi između 10% i 18% profita na proizvodima koji završe kao otpad jer greška nije uočena na vrijeme. To nije samo statistika; to je tvoj novi alat koji si mogao kupiti ili rata za kredit koju nisi morao platiti. Ako se oslanjaš samo na svoje oči nakon deset sati smjene, ti zapravo kockaš sa kvalitetom. Tvoj mozak će podsvjesno ignorisati mikro-pukotine jer je umoran. Vještačka inteligencija ne pije kafu, ne spava i ne gleda u telefon dok mašina radi. Ovaj vodič ti pokazuje kako da za manje od 300 KM postaviš sistem koji prepoznaje anomalije brže od bilo kojeg kontrolora. Fokusiraćemo se na rješenja koja možeš sklopiti u svojoj garaži, bez angažovanja preskupih agencija. Ako znaš držati odvijač i instalirati aplikaciju, spreman si.

Hardverski ‘Gvozdeni’ setup: Zašto ti obična web kamera neće raditi?

Većina početnika napravi grešku i kupi najjeftiniju USB kameru od 20 KM. To je recept za propast. Da bi AI model radio, on treba čistu sliku, bez ‘šuma’ i zamućenja pokreta. Zvuk mehaničkog okidača na jeftinim kamerama je spor, a senzor je očajan u uslovima radioničkog osvjetljenja. Tebi treba nešto što može podnijeti vibracije i prašinu. Najbolji izbor je Raspberry Pi Camera Module 3 sa HDR podrškom. HDR je ključan jer u fabrici imaš bljeskove metala i mračne ćoškove mašina – obična kamera će tu vidjeti samo bijelu mrlju.

Zašto je globalni zatvarač (Global Shutter) zakon?

Ako tvoja traka ide brzo, obična kamera koristi ‘rolling shutter’ koji krivi sliku. Rezultat? Tvoj savršeno ravan vijak na slici izgleda kao banana. AI će to prijaviti kao grešku iako je proizvod ispravan. To je ‘False Positive’ koji će te izluditi. Investiraj u senzor koji hvata cijeli kadar odjednom. Kad to spojiš, osjetićeš pod prstima čvrstinu aluminijumskog kućišta koje štiti elektroniku od statičkog elektriciteta. Instaliraj computer vision na Raspberry Pi i osiguraj da tvoj hardver ne bude usko grlo.

Anatomija katastrofe: Kako jedna sjenka uništava model

Opisaću ti šta se dešava ako ignorišeš osvjetljenje. Prije šest mjeseci, jedan stolar je postavio AI detekciju čvorova na daskama. Sve je radilo savršeno do 16:00 sati. Tada je sunce palo pod niskim uglom kroz prozor radionice i bacilo dugu sjenku preko trake. AI je svaku sjenku prepoznao kao pukotinu i zaustavio proizvodnju 40 puta u jednom satu. Anatomija ovog zajeba je jednostavna: model je treniran na ‘sterilnim’ slikama bez varijacija u svjetlu. Šest mjeseci kasnije, ako ne koristiš difuzno LED svjetlo (tzv. ring light), tvoj sistem će postati neupotrebljiv čim se promijeni godišnje doba ili pregori jedna sijalica u hali. Sjenka nije samo vizuelni problem; ona mijenja histogram slike tako da matematičke funkcije unutar modela, poput ReLU ili Sigmoid funkcija, daju pogrešne izlazne vrijednosti.

UPOZORENJE: Nikada ne montiraj sistem direktno na kućište motora mašine bez gumenih amortizera. Visokofrekventne vibracije će olabaviti lemove na Raspberry Pi ploči u roku od tri mjeseca. Električni lukovi iz velikih motora mogu indukovati struju u nezaštićenim kablovima i spržiti GPIO pinove. Koristi oklopljene (shielded) kablove.

Fizika kontrasta: Zašto AI ‘vidi’ drugačije od tebe

Ovdje ulazimo u nauku. Zašto uopšte AI radi? Radi se o prodiranju fotona u strukturu materijala. Ako koristiš infracrveno (IR) svjetlo, možeš vidjeti ispod površinskog sloja boje ili laka. To je ‘Material Science’ trik: infracrveni zraci imaju veću talasnu dužinu i manje se rasipaju na nečistoćama. Ako detektuješ vlagu u drvetu ili lunkere u plastici, IR LED panel je tvoj najbolji prijatelj. PVA ljepilo, na primjer, upija IR zračenje drugačije od drveta. Dok ti vidiš samo suhu površinu, AI vidi tačno gdje je ljepilo ‘probilo’ i gdje će spoj popustiti za godinu dana. Nemoj samo ‘pljusnuti’ kameru iznad trake. Razmišljaj o kontrastu. Ako je proizvod taman, podloga (traka) mora biti svijetla ili osvijetljena odozdo. Bez kontrasta, tvoj model će ‘halucinirati’. Prepoznaj AI halucinacije na vrijeme kako ne bi bacao ispravne komade u otpad.

Implementacija u tri koraka: Sredi to danas

Prvo, postavi kameru na fiksnu udaljenost. Nema mrdanja. Svaki milimetar promjene fokusa znači ponovno treniranje modela. Drugo, snimi 50 slika savršenog proizvoda i 50 slika sa greškom (pukotina, ogrebotina, pogrešna boja). To je tvoj ‘dataset’. Treće, koristi Edge Impulse ili sličan alat da napraviš model koji radi lokalno, bez interneta. Ne želiš da tvoja proizvodnja stane jer je komšija presjekao optički kabl. Bitno je da pratiš metrike uspjeha AI modela. Ako ti je ‘accuracy’ ispod 95%, tvoj dataset je prljav. Obriši slike koje su mutne. Budi nemilosrdan. Bolje 20 čistih slika nego 200 loših.

Često postavljana pitanja (PAA)

Da li mi treba skup GPU za ovo?

Ne. Za analizu jedne slike svake dvije sekunde, Raspberry Pi 4 ili 5 je sasvim dovoljan. Koristi TensorFlow Lite verzije modela. Oni su ‘ošišani’ tako da troše minimalno memorije, a zadržavaju preciznost. Ne bacaj pare na Azure ili AWS cloud ako tvoja traka ne izbacuje 100 komada u sekundi. Smanji troškove clouda držeći sve u svojoj radionici.

Šta ako se promijeni proizvod koji radim?

To je ljepota softvera. Samo zamijeni folder sa slikama i ponovo pokreni proces učenja. Za 20 minuta imaš potpuno novi sistem kontrole. To je brže nego da objašnjavaš novom radniku šta je ‘prihvatljiva ogrebotina’. Digitalizacija nije luksuz, to je preživljavanje. Uvedi botove jeftino i oslobodi sebi vrijeme za kreativniji rad ili zasluženi odmor.

Zaključak: Tvoja radionica, tvoja pravila

Nemoj čekati da tvoj najveći kupac vrati cijelu paletu robe jer je neko ‘previdio’ grešku. To boli više od lemljenja par žica subotom uveče. Kreni polako. Postavi kameru na najkritičniju tačku. Osjetićeš zadovoljstvo kada prvi put čuješ zvučni signal koji ti javlja da je AI detektovao škart prije nego što je uopšte spakovan. To je trenutak kada tvoja radionica prestaje biti samo ‘mjesto gdje se radi’ i postaje pametan sistem koji te čuva od gubitaka. Sretan rad, i pazi na prste – AI vidi greške na proizvodu, ali ti i dalje moraš paziti na sebe.