Controlul calității inline și AI în injecție - sisteme de viziune 2025

Introducere în controlul calității inline

Controlul calității inline în procesarea plasticelor suferă o transformare rapidă. Acum câțiva ani, majoritatea fabricilor se bazau pe inspecție manuală la fiecare zeci de cicluri. Astăzi, sub presiunea industriilor auto, medicale sau electronice de consum, contează detectarea defectului în secunde, înainte ca lotul să ajungă la ambalare.

IDC estimează că până în 2026 peste 70% din mașinile de injecție vor folosi sisteme avansate de viziune cuplate cu AI.

Beneficiile controlului inline:

• Reducerea rebuturilor
• Risc mai mic de returnări costisitoare
• Aprobare mai rapidă PPAP
• Posibilitatea de a garanta PPM clienților

În acest ghid arătăm cum să construiți o arhitectură QA, ce tehnologii să alegeți și cum să le integrați cu gemeni digitali, MES și robotică, pentru a crea un ecosistem al calității complete.

Potrivit studiilor McKinsey, implementarea controlului inteligent inline scurtează timpul de reacție la defect în medie de la 50 minute la sub 5 minute. La producția a unui milion de piese pe an, asta se traduce prin economii de sute de mii de lei – mai puțin fier vechi, mai puține ore suplimentare, mai puțin stres cu sortarea express a paletelor întregi.

Este și un pilon cheie al strategiei de producție sustenabilă, deoarece fiecare rebut nevăzut înseamnă o reducere reală a amprentei de carbon.

Ce este controlul calității inline în injecție?

Controlul inline înseamnă inspecție automată a fiecărei piese direct la cuva de injecție sau în celula integrată cu robot. Sistemul colectează date (imagine, profil termic, sunet, greutate), le analizează și le compară cu modelul de referință. Decizia „pass/fail” se ia în timp sub cel de ciclu, iar rezultatul ajunge instant în MES, eDHR sau sistem de trasabilitate.

Spre deosebire de inspecția offline, controlul inline nu necesită prelevare manuală de probe. Face parte din proces, deci reacționează imediat și elimină riscul ca piesele defecte să fie omise. Soluția se potrivește perfect cu filosofia „zero defect manufacturing” și standardele de calitate precum IATF 16949, ISO 13485 sau IPC.

Importanța crescândă o are și AI. Rețelele neuronale învață să recunoască defecte chiar și atunci când nu pot fi descrise prin reguli simple (ex. colorații subtile pe piese optice). Astfel, se poate automatiza controlul acolo unde înainte decidea doar operatorul.

Controlul inline include și gestionarea datelor. Fiecare rezultat de inspecție este asociat cu numărul matriței, cuva, lotul de material și operatorul. Așa se creează pașaportul digital al produsului – de neprețuit la reclamații sau analize FMEA. Integrarea cu CMMS permite raportarea automată a reviziilor când numărul de defecte depășește pragul de avertizare.

Istoria dezvoltării sistemelor QA

Începuturile controlului automat al injecțiilor datează din anii '80, când senzori simpli verificau doar prezența piesei. Adevărata revoluție a venit în anii 2000-2010 odată cu dezvoltarea camerelor liniare și scăderea prețurilor camerelor CCD. În acea perioadă, sistemele de viziune au intrat mai ales în automotive, unde PPM-ul cerut era de ordinul zecilor.

În ultima decadă observăm „al doilea val”. În primul rând, procesarea imaginii a trecut pe GPU, permițând analize în milisecunde. În al doilea rând, au apărut camere 3D (lumină structurată, time-of-flight) și senzori termici care detectează diferențe de grosime a pereților sau puncte fierbinți de răcire. În fine, s-a generalizat software-ul bazat pe machine learning. Astfel, sistemele QA sunt mai flexibile, mai rapide și mai precise ca niciodată.

În 2024-2025 intrăm în a treia fază: integrare cu gemeni digitali, MES și platforme de date. Datele de control ajung în modele predictive care pot corecta automat parametrii mașinii de injecție sau semnala nevoia de curățare a matriței. QA devine astfel parte a unei bucle închise de control al calității.

Nu sunt de neglijat nici reglementările. Directivele MDR, CSRD sau cerințele noi PPAP 5.0 impun trasabilitate completă a calității. Automatizarea QA devine astfel o cerință de certificare, nu doar un avantaj. Companiile care devansează trendul vor trece auditurile mai rapid și vor câștiga avantaje la licitații.

Tipuri de sisteme de control inline

Sistemele QA se pot împărți în câteva categorii:

• Sisteme de viziune 2D – camere liniare sau matrix analizând suprafața și conturul.
• Sisteme de viziune 3D – măsurători volumetrice, profilare laser, stereo.
• Metrologie laser – măsurători ale dimensiunilor critice cu precizie ±0,01 mm.
• Analiză termică – camere IR detectând puncte fierbinți, răcire insuficientă.
• Analiză acustică/vibratorie – microfoane și accelerometre înregistrând semnale caracteristice ale defectelor.
• Sisteme hibride – combinând imaginea cu greutatea, teste funcționale, electrice, de etanșeitate.

Alegerea depinde de tipul piesei, scara producției și cerințele clientului. În practică, trendul în creștere este combinarea mai multor metode – ex. cameră 2D pentru detectarea colorațiilor + scaner 3D pentru control dimensional. Astfel, sistemul face față unui număr mai mare de defecte, iar datele sunt mai credibile.

Sisteme de viziune 2D

Camere 2D reprezintă tehnologia cea mai populară, ideală pentru detectarea defectelor de suprafață: dungi, arsuri, așchii, lipsuri în imprimări. Fabricile de injecție folosesc atât camere matrix (area), cât și liniare (pentru piese în mișcare). Elemente cheie: rezoluție (tipic 5-12 MP), viteză de citire, dinamică tonală și iluminare potrivită (inelară, laterală, structurată).

Pentru procesarea clasică a imaginii se folosesc biblioteci precum Halcon, Cognex VisionPro sau OpenCV. Setul de unelte include praguri, filtrare, morfologie, analiză contururi, OCR, verificare culori. În varianta AI se aplică modele CNN (ex. EfficientNet, YOLOv8) antrenate pe poze cu defecte și piese bune. O astfel de combinație asigură eficiență ridicată și timpi de ciclu mici.

Tot mai des, sistemul de viziune 2D se montează direct pe manipulator sau cobot care preia piesa. Camera face poza în zbor, iar rezultatul ajunge la controlerul robotului, care plasează piesa în cuva OK/NOK. Astfel, eliminăm stații suplimentare și scurtăm traseul piesei.

În aplicații premium se folosesc și camere hiperspectrale 2D. Acestea detectează diferențe în compoziția chimică, ceea ce la producția cu reciclate ajută la identificarea contaminărilor sau polimerilor străini. Deși investiția este mai mare, se amortizează rapid la ambalaje cosmetice sau componente medicale.

Sisteme de viziune 3D și metrologie laser

Sistemele 3D se bazează pe profilare laser, lumină structurată, stereoviziune sau tehnologie time-of-flight. Se dovedesc excelente la forme complicate, unde e nevoie de date despre înălțime, volum sau paralelism suprafețe. Precizia ajunge la zeci de micrometri, iar datele se compară cu modelul CAD, obținând hărți de deviații.

Metrologia laser se folosește frecvent pentru măsurarea pieselor din industria medicală și electronică (ex. elemente optice, conectori). Sistemele măsoară grosimea pereților, adâncimea șaneturilor, poziția găurilor, ba chiar unghiul de flexie. Integrarea cu robotul permite apropierea sondei în orice punct, crescând flexibilitatea celulei.

Tot mai populară este tehnologia „digital overlay”: datele 3D se suprapun pe model AR, iar operatorul vede în timp real unde sunt deviațiile. Asta permite decizii corective mai rapide și documentarea rezultatelor pentru client.

Sistemele 3D se pot conecta și la analiza tensiunilor: datele despre deformări ajung în geamănul digital al matriței, care sugerează corecții de răcire sau schimbări în profilul de presiune de menținere. Astfel, metrologia devine parte a unei bucle închise de îmbunătățire, nu doar un instrument de raportare.

Analiză acustică și termică

Analiza termică cu camere IR permite evaluarea distribuției temperaturii pe piesă imediat după ejectare. Astfel, vedem defectele înainte să apară optic – ex. răcire insuficientă, puncte fierbinți, diferențe de grosime. Datele se pot corela cu parametrii de răcire și programul de injecție.

Analiza acustică sau vibratorie se referă la sunetele și vibrațiile generate la impactul piesei cu senzorul sau în timpul testelor. Unele defecte structurale (fisuri, bule) schimbă caracteristica sunetului, ceea ce se detectează cu microfoane cu bandă largă. Metoda e eficientă la controalele 100% ale elementelor metal-plastic și în produse cu etanșeitate critică.

Sistemele moderne combină datele acustice cu AI, folosind transformata wavelet și spectrograme. Modelele clasifică sunetele în diverse tipuri de defecte. O astfel de metodă e deosebit de eficientă la componente unde defectele sunt invizibile (ex. microfisuri în piese armate cu fibră de sticlă).

Construcție și elemente principale ale celulei QA

Un sistem QA complet cuprinde: stație de preluare a piesei (robot/cobot), camere și iluminare, senzori suplimentari (greutate, forță, temperatură), calculatoare de procesare, software analitic, interfață operator și integrare cu MES/SCADA. Întregul trebuie să respecte cerințele de siguranță (PE/PL, cortine luminoase) și să fie ușor de întreținut.

Arhitectura de comandă include adesea PLC, computer industrial cu GPU, servere de baze de date și panou operator HMI. Suplimentar, se instalează module IoT care trimit rezultatele în cloud sau gemeni digitali. Astfel, datele de calitate sunt accesibile întregii organizații, nu doar departamentului QA.

În proiecte moderne de celule QA se integrează și etichetare, ambalare și marcare laser. După rezultat pozitiv, sistemul tipărește automat eticheta cu cod DMC, salvează numărul serial în bază și trece piesa la operația următoare. Întreg procesul e urmărit în eDHR, facilitând auditurile și reclamațiile.

Un element esențial este ergonomia. Operatorii trebuie să aibă acces la panou, schimbare rapidă de rețete și vizualizare poze. Mesajele intuitive reduc timpul de reacție și minimizează erorile. De aceea, tot mai des se folosesc interfețe touch cu vizualizare 3D a piesei și pași de reacție.

Camere, optică și iluminare

Alegerea opticii e pe jumătate din succes. Trebuie luate în calcul dimensiunea piesei, distanța de lucru, profunzimea câmpului și reflexiile. Plasticele lucioase cer iluminare difuză (domuri), cele mate – direcțională. La elemente transparente se aplică iluminare coaxială, polarizare sau linii laser.

Camerele trebuie să aibă rezoluție suficientă pentru a îndeplini specificația defectului (ex. așchie 0,1 mm cere pixeli de 0,03-0,05 mm). În aplicații high-speed sunt utile senzorii global shutter și interfețe 10GigE/CoaXPress, care transmit imaginea la sute de fps. Merită să asigurați redundanță – instalarea a două camere cu unghiuri diferite crește siguranța detecției.

Nu uitați de condițiile de lucru: temperatură, praf, vibrații. Pentru celule de injecție sunt populare camerele în carcase IP65 și iluminatoare LED cu răcire aer. Toate componentele trebuie accesibile pentru mentenanță fără opriri lungi.

IA, algoritmi și software

Inima sistemului este software-ul. Instrumentele vizuale clasice încă au aplicabilitate la defecte simple, dar trendul este clar: IA. Modelele de rețele neuronale pot detecta nu doar defecte binare, ci și să le clasifice după tip, intensitate și cauză probabilă.

Capabilitățile rețelelor neuronale:

• Detectarea defectelor binare (pass/fail)
• Clasificarea tipului de defect
• Evaluarea intensității
• Identificarea cauzei probabile

Pentru antrenare se folosesc sute de fotografii cu piese bune și defectuoase. Furnizori precum Tederic Smart Vision oferă pipeline-uri AutoML gata de utilizare, care selectează automat arhitectura modelului și validează eficacitatea.

Sistemele IA necesită însă managementul versiunilor (ModelOps). Fiecare model are parametri, data implementării și domeniul de valabilitate. La schimbarea matriței sau materialului, este necesară revalidarea. Datele din producția curentă servesc ca feedback, permițând învățare continuă (continuous learning). În proiecte cu responsabilitate ridicată, se folosește combinația IA cu reguli clasice pentru a asigura interpretabilitatea deciziilor.

Software-ul QA trebuie să se integreze și cu MES/MOM. Rezultatele inspecțiilor participă la SPC, actualizează fișele de control, declanșează acțiuni corective, iar la depășirea indicatorilor PPM blochează automat lotul. Astfel, procesul este închis, iar reacția – imediată.

Tot mai des, QA devine parte a platformelor de date. În practică, asta înseamnă posibilitatea de a construi cockpit-uri KPI: distribuția defectelor pe cavități, heatmap al calității în timp, analize comparative ale schimbărilor. Aceleași date pot fi folosite în proiecte Six Sigma, trecând mai rapid de la observații la acțiuni corective.

Parametri tehnici cheie

La alegerea sistemului, merită să analizezi:

• Rezoluție și limită de detecție – ce defecte cele mai mici vor fi detectate.
• CT (timp de ciclu) – dacă inspecția încape în pauza disponibilă a ciclului.
• FP/FN – procent de respingeri false și treceri eronate; de obicei se țintește la <0,2%.
• Stabilitate termică – influența schimbărilor de condiții asupra calității imaginii.
• Scalabilitate – posibilitatea de a adăuga noi camere, modele IA, cavități.
• Integrare – suport pentru OPC-UA, MQTT, REST, legătură cu MES și gemenul digital.

Acești parametri trebuie măsurați atât în timpul FAT/SAT, cât și în exploatare. Audituri regulate ajută la menținerea eficacității declarate și sunt cerute de clienții OEM. Merită să documentezi fiecare etapă – de la calibrare la actualizări de software.

În proiecte cu IA, trebuie analizat suplimentar așa-numitul drift al datelor. Dacă distribuția datelor de intrare se schimbă în timp (alte culori de granule, noi variante), modelul poate pierde eficacitate. Monitorizarea driftului și alertele automate permit repornirea rapidă a procesului de reînvățare.

Aplicații și studii de caz

Sistemele QA se aplică în multiple sectoare:

• Automotive – control elemente interior, iluminat, conectori, componente ADAS. PPM cerut sub 10.
• Medicină – seringi, elemente pompe insulină, carcase dispozitive. Cheie este validarea 21 CFR Part 11.
• Electrocasnice și electronică – elemente frontale, decorațiuni, tastaturi membrană, componente baterii.
• Ambalaje premium – eliminare totală zgârieturi și urme, combinare control cu imprimări digitale.
• Materiale plastice reciclate – monitorizare culori și impurități în loturi PCR.

Exemplu: producător componente consum producție a implementat sistem Tederic Smart Vision cu cameră 12 MP, IA și cântare de control.

Indicatori cheie ROI:

• Timp de reacție: de la 50 minute la <5 minute
• Reducerea defectelor: de la 3,2% la 0,3%
• Respingeri eronate: <0,1%
• Îmbunătățire OEE: 40%

Alt caz: firmă medicală, unde sistem 3D + IR monitorizează 32 cavități seringi – rezultat PPM = 0,8 și reducere validare PPAP cu 40%.

Datele QA se folosesc și în mentenanța predictivă. Dacă sistemul observă un trend de degradare a calității (ex. creștere microfisuri), generează task service și transmite parametrii gemenului digital al procesului. Astfel, se poate planifica lustruire cavități sau înlocuire duze înainte ca defectul să devină critic.

Interesant este și cazul unei firme cosmetice care folosește camere hiperspectrale pentru verificarea uniformității culorii elementelor din PCR. Sistemul conectat la IA evaluează deviația ΔE și direcționează o parte din piese spre recondiționare, înainte să ajungă la client premium. A permis menținerea consistenței culorii în ciuda fluctuațiilor calității reciclului.

Cum alegi un sistem de control inline și IA?

Decizia merită bazată pe o matrice de cerințe:

1. Definește defectele critice și PPM admisibil.
2. Stabilește geometria, materialul și optica piesei (lustrui, transparență).
3. Verifică timpul de ciclu și fereastra disponibilă pentru inspecție.
4. Evaluează infrastructura – dacă ai loc pentru stație liniară sau mai bine integrezi camera pe robot.
5. Ia în calcul cerințele regulatorii (FDA, IATF, ISO 13485) și formatul rapoartelor.
6. Alege o platformă IA cu proces de învățare și validare transparent.

Apoi se realizează POC/Pilot. Se recomandă minim 2-3 săptămâni de teste, în care se colectează date din producție reală (variante diferite, culori, impurități). După rezultat pozitiv, proiectul trece la industrializare. Importantă este colaborarea între calitate, automatizare și IT – fără asta, integrarea cu MES sau ERP va fi dificilă.

La alegerea furnizorului, acordă atenție disponibilității service-ului, suportului remote, programelor de training și licențierii. Merită să stabilești cine răspunde de actualizările modelelor IA și dacă datele foto rămân în fabrică (aspecte IP/RODO).

Firmelor mature calitativ le creează și hartă rutieră. Definesc ce proiecte de control realizează prima dată, ce KPI îmbunătățesc și cum se integrează sistemul QA în strategia gemenului digital. Permite evitarea investițiilor aleatoare și construirea unui ecosistem coerent.

Mentenanță și validare a sistemului

Sistemul QA, la fel ca mașina de injecție, necesită revizii regulate. Stabilește un program: curățare zilnică a opticii, verificare săptămânală a setărilor, calibrare lunară și revizie software, revalidare anuală. Fiecare etapă trebuie documentată și legată de procedurile ISO.

Modelele IA trebuie actualizate la schimbări de matrițe, materiale sau finisaje suprafață. Cel mai bine e să menții o bibliotecă de date de referință, la care să revii în caz de reclamații. Implementarea politicii „golden sample” (modele de referință) simplifică calibrarea și controlul consistenței rezultatelor între schimbări.

Merită să implementezi și monitorizarea stării celulei QA: senzori temperatură carcase, umiditate, vibrații. Astfel, sistemul semnalează singur condițiile care pot afecta calitatea imaginii. Combinat cu CMMS, poate genera automat raportări de mentenanță, similar cu mentenanța predictivă la mașini de injecție.

În fabrici reglementate (medicale, aviatice) este obligatorie validarea IQ/OQ/PQ și documentația schimbărilor. Merită să folosești tool-uri digitale de semnătură și repo-uri de versiuni, pentru a scurta timpii de revizuire și a demonstra mai ușor că sistemul a funcționat conform procedurii pe întreg ciclul de viață.

Concluzie

Controlul calității inline susținut de IA devine noul standard în procesarea plasticelor. Permite atingerea țintelor zero-defecte, îndeplinirea cerințelor clienților și raportarea datelor în timp real. Cheia este alegerea corectă a tehnologiei, integrarea cu infrastructura existentă și mentenanța sistematică. Firmelor care implementează acum sisteme vizuale inteligente le va aduce avantaj competitiv, va scurta timpii de reacție la probleme și va crește încrederea clienților. În era digitală, calitatea nu e un extra – e fundamentul dezvoltării sustenabile și profitabilității.