Anomaly detection

Đúng vậy, và đây chính là lý do chính khiến phát hiện bất thường tồn tại. Mô hình chỉ huấn luyện trên các bộ phận tốt, xây dựng một biểu diễn về hình dạng bình thường, và đánh dấu các vùng lệch khỏi biểu diễn đó. Điều này giải quyết trở ngại phổ biến nhất trong các dự án kiểm tra: lỗi hiếm khi xảy ra và không ai chụp ảnh nó trước khi các bộ phận bị loại bỏ. Đánh đổi là mô hình chỉ cho bạn biết một vùng là bất thường mà không nêu rõ đó là loại lỗi gì.

Điều này tùy thuộc vào loại mô hình phù hợp với bề mặt. Mô hình theo từng điểm ảnh có độ nhạy cao cần ít nhất hai mươi hình ảnh tốt. Các mô hình dành cho bề mặt có vân, hoặc kiểm tra đơn giản có hay không có, chỉ cần một vài hình ảnh. Số lượng không quan trọng bằng độ bao phủ: tập mẫu tốt cần bao quát được sự biến thiên mà dây chuyền thực sự tạo ra, bao gồm các lô vật liệu và các ca làm việc khác nhau, vì mô hình xác định trạng thái bình thường dựa trên dữ liệu được cung cấp và sẽ đánh dấu bất kỳ biến thiên hợp lệ nào bị bỏ sót.

Khi cách xử lý phụ thuộc vào loại lỗi cụ thể, vì một loại cần làm lại còn loại khác phải loại bỏ. Khi bạn cần tên lỗi để đưa vào biểu đồ Pareto phản hồi lại quy trình. Hoặc khi bạn đã có sẵn một tập dữ liệu được gắn nhãn tốt, trong trường hợp đó mô hình có giám sát thường chính xác hơn và dễ bảo vệ hơn trong một nghiên cứu năng lực. Những trường hợp này không loại trừ lẫn nhau: chạy mô hình có giám sát cho các lỗi đã biết song song với mô hình không giám sát như một lớp bảo vệ cho những tình huống bất ngờ là một cách làm phổ biến và hợp lý.

Bề mặt có vân là một trong những ứng dụng mạnh nhất của phương pháp này, và có một loại mô hình được thiết kế riêng cho chúng. Trên vải dệt, bề mặt gia công cơ khí, vật đúc hoặc vân ép khuôn, không có hai bộ phận tốt nào trông giống hệt nhau, khiến việc mô tả lỗi theo hình dạng bên ngoài gần như bất khả thi. Mô tả ranh giới của hình dạng bình thường lại dễ xử lý hơn nhiều, vì vậy phương pháp không giám sát thường vượt trội hơn mô hình lỗi đã huấn luyện trong trường hợp này.

Hãy sử dụng bộ lọc diện tích vùng blob tối thiểu thay vì chỉ dựa vào thanh trượt độ nhạy. Mọi bề mặt thực tế đều có sự lệch nhẹ ở khắp mọi nơi, vì vậy một quy tắc bị lỗi với bất kỳ độ lệch nào sẽ liên tục loại bỏ sản phẩm. Một quy tắc chỉ báo lỗi khi vùng lệch vượt quá diện tích đã xác định sẽ hoạt động một cách có thể dự đoán được. Việc xác định diện tích đó đồng nghĩa với việc thống nhất cùng đội ngũ chất lượng về kích thước vết nào thực sự đáng bị loại bỏ, đây là một cuộc trao đổi đáng thực hiện dù trong trường hợp nào.

Mô hình báo cáo các bộ phận mới là bất thường, đây là kết quả chính xác chứ không phải lỗi: chúng thực sự trông khác so với những gì mô hình đã được huấn luyện. Nguyên nhân thường gặp là một lô vật liệu mới có bề mặt hoàn thiện hơi khác. Cách khắc phục là một quy trình huấn luyện lại, đưa những hình ảnh sản xuất thực sự tốt nhưng bị đánh dấu trở lại vào tập mẫu tốt. Khả năng tìm ra những hình ảnh đó trong lịch sử sản xuất và thêm chúng vào mà không cần đến một dự án khoa học dữ liệu chính là điều phân biệt một trạm kiểm tra tồn tại được một năm với một trạm bị tắt vào tháng thứ ba.