|
对于大多数制造工厂，制造过程的很大一部分仍然依赖于人类操作员执行的手动任务。尽管机器人、人工智能已开始大规模被运用，但人类仍然是装配和检测制造的重要组成部分。
对于专门从事短期、定制或特种产品的工厂来说尤其如此，在这些工厂中，自动化可能既复杂又昂贵。以下是制造中产生错误的 5 个常见领域。
1. 在初始设置时出错
建立生产或装配线是制造复杂的第一步，在此阶段，操作员通常使用纸质清单来跟踪每个产品的步骤和要求。此设置的复杂性需要人工交互;但是，我们也具有使此阶段容易出错的特征。
人性倾向于让我们在进行熟悉的活动时滑入“自动驾驶”。对于多次检查相同清单的操作员来说，他们在执行任务时自然会冒犯错误的 风险。在产品制造流程的关键部分，一个错误或看似很小的错误可能会导致生产设施遭受重大损害。该错误可能一直未被发现，直到生产效率进一步下降、出现 质量问题，或导致生产完全错误的产品。这不仅会造成生产线停机时间和产品浪费，而且会花费资源回溯步骤以识别错误来源。 此外，对于 汽车、飞机制造、制药和 医疗器械等行业，有缺陷的产品可能是危险的或对消费者构成 健康风险。为避免代价高昂的错误，必须在生产中的任何初始设置点进行仔细和正确的设置。这意味着需要校准和验证的 测量和 测试设备需要格外注意，以便操作员可以信任结果。
同样，如果用于验证产品的测试设备设置不正确，则可能会产生不正确的结果，并进一步增加调试和故障排除的额外时间。使用有问题的设置 工具，操作员不确定设备是否正常 工作，或者产 品质量在出现不良时是否被错误地通过了检查。使用基于软件的解决方案将此过程数字化是帮助减少这些类型的手动错误的一个步骤，为操作员提供指导性的设置方法。
2. 装配错误
如果您是汽车、 航空航天或国防行业的操作员，操作员的工作具有挑战性，对于新员工来说， 培训和学习产品组装说明除了了解什么是“质量好”和“质量坏”的产品外，还需要注意细节。工作说明、装配说明和 标准操作程序 （ SOP） 等内容的最佳实践包括确保步骤和说明简洁而具体。
每个步骤的注释图像或视频可以在装配过程中帮助操作员，特别是当某些零件需要进行复杂装配时。
3. 计数和测量误差
手动盘点项目可能既繁琐又耗时。数到 1000 可能很容易，但反复跟踪并收集总数可能会使人类造成创建错误的机会。对于不可避免地面临干扰并需要手动计数和验证的操作员来说，疲劳可能很快会开始。
测量产品可能同样耗时，尤其是在管理大批量生产时，例如对于药品包装印刷公司，必须测量药品包装中包含的每份说明书确保其符合正确的规格。许多公司仍然手动执行此操作。
视觉系统可以通过实施检测物体和边缘的功能来帮助自动化此过程，以便可以轻松无误地完成不同产品的计数和测量。
4. 有缺陷的标签
标签错误在各行各业中非常普遍，可以在生产过程中的多个点发现。包括直接在产品、包装或运输材料上贴错标签。对于制药、医疗和 食品和饮料等受监管行业来说，这种错误的规模成为一个更大的问题，在这些行业中，不正确的标签可能导致代价高昂的产品召回。
一些制造商继续依靠人工操作员在产品上手动粘贴标签。不正确的标签对齐错误可能代价高昂，因为直到最终批次检查和装运之前，错误通常不会被注意到。如果这些产品上架，消费者会将错误与整体产品质量不佳联系起来，从而忽视品牌并损害品牌忠诚度。
5. 决策中的主观性
有时，很难对优质产品的制造做出客观标准。作为人类，我们依靠彼此进行客观判断。在目视质量检查期间，个别操作员也必须尽可能客观。然而，当我们分心和疲劳时，目视检查会为错误提供一个很大的窗口。
为了避免错误并确保高质量的产品，创建带有图像或视频的客观标准列表，以显示正确组装、标签应用等示例，为操作员提供了一致判断的工具。人工智能算法可以使用相同的参数持续评估产品，以提供更一致和客观的质量视图。当用作辅助技术时，人工智能通过提供决策支持来帮助操作员。
随着通过人工目视检查实现端到端质量生产，为操作员添加人工智能决策支持和自动化流程有助于确保质量控制并降低生产和装配中的错误率。
| 
发表于 2023-10-25 10:52:43
发表于 2023-10-26 08:37:25
发表于 2023-10-26 09:41:15