Kiểm tra chất lượng tự động là gì? Hướng dẫn dành cho nhà sản xuất

Những điểm chính về kiểm tra chất lượng tự động

Quy trình kiểm tra chất lượng tự động sử dụng camera công nghiệp, hệ thống chiếu sáng được kiểm soát, cảm biến, phần mềm thị giác máy tính và các mô hình suy luận AI để đánh giá sản phẩm một cách đồng nhất với tốc độ của dây chuyền sản xuất. Hệ thống này giúp phát hiện các lỗi như vết trầy xước, thiếu linh kiện, nhãn dán sai, sai lệch kích thước và lỗi lắp ráp.

Khác với phương pháp kiểm tra thủ công, hệ thống kiểm tra chất lượng tự động có thể áp dụng cùng một tiêu chuẩn nghiệm thu cho mọi sản phẩm, lưu lại hình ảnh làm bằng chứng có thể truy xuất nguồn gốc, đồng thời gửi kết quả đạt / không đạt trực tiếp đến các hệ thống PLC, MES, SCADA hoặc hệ thống quản lý chất lượng. Công nghệ tính toán AI tại biên (Edge AI) cho phép đưa ra quyết định với độ trễ thấp ngay tại khu vực dây chuyền sản xuất, giúp nhà sản xuất ngăn chặn việc chuyển sản phẩm lỗi sang công đoạn tiếp theo.

Kiểm tra chất lượng tự động là gì?

Kiểm tra chất lượng tự động là việc sử dụng camera, cảm biến, phần mềm xử lý hình ảnh, trí tuệ nhân tạo và các hệ thống máy tính công nghiệp để kiểm tra sản phẩm hoặc quy trình sản xuất mà không chỉ dựa vào khả năng quan sát và đánh giá của con người.

Hệ thống thu thập dữ liệu hình ảnh hoặc dữ liệu từ cảm biến, phân tích dữ liệu đó dựa trên các quy tắc đã thiết lập hoặc các mô hình AI đã được huấn luyện, phân loại kết quả và kích hoạt các phản hồi tương ứng trong quy trình sản xuất. Tùy thuộc vào ứng dụng cụ thể, hệ thống có thể kiểm tra sự hiện diện của sản phẩm, chất lượng bề mặt, độ hoàn thiện khi lắp ráp, khả năng đọc mã vạch, độ đồng nhất về màu sắc, tính nguyên vẹn của bao bì hoặc các dung sai kích thước.

Kiểm tra quang học tự động (AOI) là một hình thức phổ biến của kiểm tra chất lượng tự động, đặc biệt là trong ngành sản xuất điện tử. Tuy nhiên, các phương pháp kiểm tra hiện đại dựa trên AI còn có khả năng phát hiện những lỗi phức tạp và đa dạng – những loại lỗi vốn khó xác định bằng các công cụ thị giác máy tính truyền thống hoạt động dựa trên quy tắc cố định.

Quy trình hoạt động của hệ thống kiểm tra chất lượng tự động

Một hệ thống kiểm tra hiệu quả kết hợp giữa việc thu nhận hình ảnh đáng tin cậy, phân tích chính xác và khả năng truyền thông nhanh chóng trong nhà máy.

Ghi lại hình ảnh sản phẩm hoặc dữ liệu cảm biến

Các camera công nghiệp ghi lại hình ảnh khi sản phẩm di chuyển qua băng tải, trạm lắp ráp hoặc buồng kiểm tra. Hệ thống chiếu sáng được thiết kế chuyên biệt để làm nổi bật đặc điểm cần quan sát: chiếu sáng nền để đo kích thước hình dáng, chiếu sáng dạng vòng cho nhãn mác, chiếu sáng dạng vòm cho bề mặt phản quang, hoặc chiếu sáng có cấu trúc để kiểm tra vật thể ba chiều.

Chạy các mô hình kiểm tra dựa trên AI hoặc dựa trên quy tắc

Hệ thống thị giác máy tính dựa trên quy tắc thực hiện đo đạc các đặc điểm xác định như cạnh, hình tròn, độ tương phản, vị trí và các mẫu mã vạch. Trong khi đó, các mô hình AI bao gồm phát hiện bất thường và phân loại bằng học sâu (deep learning) lại phù hợp hơn với các lỗi không theo quy luật như vết trầy xước, tạp chất, mối hàn kém chất lượng hoặc các khiếm khuyết về mặt thẩm mỹ.

Đưa ra quyết định Đạt / Không đạt và kích hoạt các hành động

Máy tính biên đưa ra quyết định đạt (pass), không đạt (fail) hoặc cần xem xét lại (review). Kết quả này có thể kích hoạt cơ chế loại bỏ do PLC điều khiển, dừng máy, cảnh báo người vận hành, hoặc lưu trữ hình ảnh kiểm tra và dữ liệu đi kèm vào hệ thống MES, SCADA hay cơ sở dữ liệu chất lượng để phục vụ việc truy xuất nguồn gốc.

Các công nghệ đằng sau quy trình kiểm tra chất lượng tự động

Việc kiểm tra chất lượng tự động phụ thuộc vào một hệ thống công nghệ tích hợp thay vì chỉ dựa vào camera.

Thị giác máy

Thị giác máy sử dụng các yếu tố quang học, hệ thống chiếu sáng, công nghệ thu nhận hình ảnh, quy trình hiệu chuẩn và các thuật toán phần mềm để phát hiện những đặc điểm có thể đo lường được của sản phẩm. Công nghệ này đặc biệt hiệu quả khi sản phẩm, vị trí và các dạng lỗi có thể dự đoán trước.

Camera công nghiệp và camera AI

Camera công nghiệp được thiết kế để vận hành liên tục, cho đầu ra hình ảnh ổn định, hỗ trợ đồng bộ hóa và khả năng kết nối trong nhà máy. Camera AI bổ sung năng lực tính toán tích hợp, cho phép thực hiện việc thu thập hình ảnh và suy luận AI ngay trên một thiết bị nhỏ gọn đặt gần vị trí kiểm tra.

Hệ thống Edge AI

Các hệ thống Edge AI thực hiện suy luận ngay tại thiết bị thay vì gửi toàn bộ hình ảnh lên máy chủ đám mây. Cách tiếp cận này giúp giảm độ trễ, bảo vệ dữ liệu sản xuất và hỗ trợ quá trình kiểm tra theo thời gian thực ngay cả khi kết nối mạng bị hạn chế. Các máy tính công nghiệp tích hợp GPU thường được sử dụng cho các tác vụ đòi hỏi độ phân giải cao, hệ thống nhiều camera hoặc ứng dụng học sâu (deep learning).

Phần mềm tích hợp nhà máy

Giá trị sản xuất đến từ sự tích hợp. Các giao thức và công cụ như OPC UA, Modbus TCP, EtherNet/IP, I/O kỹ thuật số, REST API và các trình kết nối cơ sở dữ liệu cho phép truyền tải kết quả kiểm tra đến PLC, nền tảng MES, bảng điều khiển SCADA và hệ thống quản lý chất lượng của doanh nghiệp.

Những lợi ích chính của việc kiểm tra chất lượng tự động

Nâng cao độ chính xác trong việc phát hiện lỗi

Quy trình kiểm tra tự động áp dụng các tiêu chí nhất quán trên các ca làm việc, người vận hành và cơ sở sản xuất. Các mô hình AI cũng có thể phát hiện những dạng lỗi tinh vi mà quy trình kiểm tra thủ công tốc độ cao có thể bỏ sót.

Giảm thiểu phế phẩm và việc làm lại

Việc phát hiện lỗi ngay sau một công đoạn quan trọng giúp ngăn chặn tình trạng vật liệu lỗi tiếp tục phải chịu thêm chi phí nhân công, linh kiện hoặc đóng gói. Việc phát hiện sớm giúp giảm chi phí phế phẩm và hỗ trợ quá trình phân tích nguyên nhân gốc rễ.

Giảm chi phí kiểm tra thủ công

Tự động hóa cho phép các nhân viên lành nghề tập trung vào xử lý các trường hợp ngoại lệ, cải tiến quy trình và các nhiệm vụ có giá trị cao hơn thay vì các công việc kiểm tra trực quan lặp đi lặp lại. Nó cũng giúp giải quyết tình trạng thiếu hụt lao động trong sản xuất quy mô lớn.

Tăng cường khả năng truy xuất nguồn gốc và sự tuân thủ

Hình ảnh kiểm tra, phân loại lỗi, dấu thời gian, số lô và các thông số máy có thể được lưu trữ dưới dạng hồ sơ chất lượng kỹ thuật số. Điều này hỗ trợ công tác đánh giá của khách hàng, quy trình điều tra bảo hành và các yêu cầu trong môi trường sản xuất có quy định kiểm soát chặt chẽ.

Các trường hợp ứng dụng kiểm tra chất lượng tự động trong sản xuất

Kiểm tra PCB và linh kiện điện tử

Trong quy trình lắp ráp mạch in, hệ thống AOI kiểm tra các mối hàn, vị trí linh kiện, cực tính, các bộ phận bị thiếu, các chân bị bong tróc và hiện tượng nối tắt. Hình ảnh độ phân giải cao, quang học telecentric và ánh sáng được kiểm soát là rất cần thiết. Hệ thống thị giác dựa trên quy tắc xử lý hình học đã biết, trong khi học sâu cải thiện khả năng phát hiện các khuyết tật về mối hàn hoặc khuyết tật về hình thức. Giá trị kinh doanh nằm ở việc giảm thiểu lỗi phát sinh tại hiện trường và đẩy nhanh quá trình xác minh sau khi hoàn thành các quy trình SMT.

Kiểm tra lỗi bề mặt kim loại, thủy tinh và nhựa

Các vật liệu có tính phản xạ tạo ra những điều kiện quan sát khó khăn. Các nhà sản xuất thực hiện kiểm tra để phát hiện vết móp, trầy xước, vết rỗ, vết nứt, tạp chất, lỗi lớp phủ và sự không đồng nhất về màu sắc bằng cách sử dụng camera quét dòng (line-scan) hoặc camera quét vùng (area-scan) kết hợp với hệ thống chiếu sáng khuếch tán hoặc chiếu sáng định hướng. Công nghệ AI phát hiện bất thường tỏ ra hữu ích trong trường hợp số lượng mẫu lỗi bị hạn chế. Các hệ thống này giúp nâng cao năng suất trong các lĩnh vực sản xuất linh kiện ô tô, thiết bị điện tử tiêu dùng, bao bì và gia công vật liệu.

Xác minh lắp ráp và phát hiện sự hiện diện

Hệ thống thị giác máy tính giúp xác nhận sự hiện diện và vị trí chính xác của các chi tiết như kẹp, ốc vít, đầu nối, gioăng làm kín, nhãn dán hoặc các linh kiện an toàn. Dữ liệu hình ảnh cần hiển thị rõ ràng điểm lắp ráp và hướng định vị theo quy định. Các mô hình phân loại và công nghệ phát hiện đối tượng có thể nhận diện những chi tiết bị thiếu hoặc lắp sai, trong khi việc tích hợp với PLC giúp ngăn chặn các sản phẩm chưa hoàn thiện tiếp tục quy trình sản xuất.

Kiểm tra bao bì, nhãn và mã vạch

Các nhà sản xuất thực phẩm, dược phẩm và hàng tiêu dùng thực hiện kiểm tra mã ngày tháng, vị trí dán nhãn, niêm phong chống giả mạo, sự hiện diện của nắp, chất lượng in và khả năng đọc mã vạch. Các công nghệ nhận dạng ký tự quang học (OCR), giải mã mã vạch và so khớp mẫu giúp giảm thiểu rủi ro dán nhãn sai, đồng thời hỗ trợ khả năng truy xuất nguồn gốc theo lô sản phẩm.

Những thách thức thường gặp khi triển khai hệ thống kiểm tra chất lượng tự động

Ánh sáng và sự biến đổi môi trường

Ánh sáng kém là một trong những nguyên nhân phổ biến nhất khiến quy trình kiểm tra thất bại. Sự thay đổi của ánh sáng môi trường, hiện tượng chói sáng, độ rung, bụi bẩn và vị trí đặt sản phẩm không đồng nhất đều có thể làm giảm chất lượng hình ảnh. Các cơ cấu gá đặt cơ khí và hệ thống chiếu sáng chuyên dụng cần được kiểm chứng trước khi tiến hành huấn luyện mô hình.

Không đủ mẫu lỗi

Các lỗi hiếm gặp có giá trị cao nhưng lại khó thu thập. Các nhóm có thể kết hợp sử dụng hình ảnh lịch sử, mẫu lỗi có kiểm soát, kỹ thuật phát hiện bất thường, tăng cường dữ liệu và quy trình thu thập dữ liệu theo từng giai đoạn. Mô hình cần được huấn luyện dựa trên các biến thể thực tế trong quá trình sản xuất, thay vì chỉ sử dụng những hình ảnh lý tưởng trong phòng thí nghiệm.

Dương tính giả và Âm tính giả

Kết quả dương tính giả dẫn đến việc loại bỏ sản phẩm không cần thiết, trong khi kết quả âm tính giả lại khiến các lỗi bị bỏ sót. Các nhà sản xuất nên xác định tỷ lệ lỗi chấp nhận được dựa trên mức độ nghiêm trọng của lỗi, sau đó kiểm chứng các mô hình bằng dữ liệu sản xuất độc lập. Các ngưỡng giới hạn có thể khác nhau đối với lỗi ảnh hưởng đến an toàn và lỗi chỉ ảnh hưởng đến thẩm mỹ.

Hiệu năng và khả năng mở rộng phần cứng

Các camera độ phân giải cao, nhiều trạm kiểm tra và quy trình suy luận dựa trên học sâu (deep learning) đòi hỏi năng lực xử lý của CPU, GPU, cũng như dung lượng bộ nhớ, lưu trữ và băng thông mạng tương ứng. Một dự án thí điểm thành công cũng cần tính đến khả năng bảo trì, quản lý phiên bản mô hình, mở rộng dây chuyền sản xuất và khả năng hỗ trợ trên nhiều nhà máy.

Cách triển khai quy trình kiểm tra chất lượng tự động

Bước 1: Xác định mục tiêu kiểm tra

Xác định loại lỗi, vị trí kiểm tra, thời gian chu kỳ, tỷ lệ sai lỗi cho phép và phản ứng của quy trình sản xuất. Xác định xem hệ thống sẽ thực hiện chức năng phát hiện, phân loại, đo lường, xác minh hay phân loại sản phẩm.

Bước 2: Xác định các yêu cầu về sản phẩm và quy trình

Hãy ghi lại các thông tin về kích thước sản phẩm, vật liệu, độ phản xạ bề mặt, tốc độ di chuyển, không gian lắp đặt sẵn có, điều kiện môi trường và các giao thức truyền thông cần thiết. Những yếu tố này sẽ quyết định độ phân giải camera, việc lựa chọn ống kính, hệ thống chiếu sáng và các yêu cầu về năng lực tính toán.

Bước 3: Thu thập và dán nhãn dữ liệu đại diện

Thu thập hình ảnh từ điều kiện sản xuất thực tế, bao gồm các biến thể chấp nhận được và các lỗi đã biết. Gán nhãn hình ảnh một cách nhất quán, duy trì dữ liệu bổ trợ (metadata) về lô và quy trình, đồng thời phân tách các tập dữ liệu huấn luyện, kiểm chứng và kiểm thử.

Bước 4: Kiểm chứng, Tích hợp và Mở rộng quy mô

Kiểm thử mô hình dựa trên các tiêu chí nghiệm thu thực tế trước khi triển khai toàn diện. Kết nối kết quả với hệ thống PLC hoặc MES, thiết lập quy trình xử lý sản phẩm bị loại cho người vận hành, theo dõi sự sai lệch về hiệu suất, đồng thời huấn luyện lại mô hình khi có thay đổi về sản phẩm hoặc quy trình. Chỉ mở rộng quy mô sau khi giai đoạn thí điểm chứng minh được những cải thiện có thể đo lường được về chất lượng và năng suất.

Cách Advantech hỗ trợ quy trình kiểm tra chất lượng tự động

Advantech hỗ trợ quy trình kiểm tra chất lượng tự động thông qua các giải pháp AI biên công nghiệp, thị giác máy và nền tảng máy tính chuyên dụng cho nhà máy. Danh mục sản phẩm của hãng bao gồm camera công nghiệp, camera tích hợp AI, hệ thống AI nhúng, máy tính công nghiệp hỗ trợ GPU, máy tính chuyên dụng cho thị giác máy cùng các giải pháp kết nối dành cho môi trường sản xuất.

Đối với các hệ thống kiểm tra có thiết kế nhỏ gọn, nền tảng camera AI Advantech ICAM-540 giúp các nhà sản xuất đặt khâu thu thập hình ảnh và xử lý AI ngay gần máy móc hoặc băng tải. Các kiến ​​trúc xử lý tại biên (edge-based) giúp giảm độ trễ khi ra quyết định, đơn giản hóa quá trình triển khai và tránh việc phải truyền tải khối lượng lớn dữ liệu hình ảnh về các máy chủ tập trung.

Một giải pháp thiết thực của Advantech có thể kết hợp camera công nghiệp hoặc camera AI, hệ thống chiếu sáng và quang học phù hợp, phần cứng xử lý suy luận tại biên (edge ​​inference), cùng các giao diện để tích hợp với PLC, MES hoặc SCADA. Giải pháp này cho phép các nhà sản xuất xây dựng hệ thống kiểm tra chất lượng tự động có khả năng mở rộng, giúp nâng cao hiệu quả phát hiện lỗi, duy trì khả năng truy xuất nguồn gốc kỹ thuật số và hỗ trợ cải tiến quy trình sản xuất liên tục.