Search
  • Machine Vision Indonesia

4 Contoh Kasus Implementasi Computer Vision di Manufaktur


Seperti yang kita tahu, aktivitas quality control sangat krusial bagi perusahaan. Aktivitas ini menyangkut kepuasan pelanggan dengan memberikan produk dan layanan berkualitas bagi konsumen. Jika tidak, akan menimbulkan recall produk yang tentunya memberatkan keuangan perusahaan dan menciptakan brand image yang buruk bagi konsumen. Untuk produk yang mengharuskan ketelitian tinggi, cepat dan akurat, perusahaan dapat memanfaatkan inspeksi visual otomatis dengan camera vision yang pernah kami bahas sebelumnya. Lalu apa bedanya camera vision dengan computer vision yang akan kita bahas sekarang? Camera vision adalah teknologi yang digunakan untuk melihat kesalahan pada lini produksi atau produk yang perlu dikategorikan. Sedangkan computer vision adalah keseluruhan hardware dan software yang digunakan untuk akuisisi dan pemrosesan gambar. Computer vision dapat digunakan independen tanpa menjadi bagian dari sistem besar, sedangkan camera vision adalah bagian dari suatu sistem. Computer vision dapat melihat dan memahami gambar seperti halnya otak dan penglihatan manusia, seperti mengenali objek, mendeteksi cacat atau kontrol kualitas. Setelahnya dia akan mengambil tindakan atau membuat rekomendasi berdasarkan informasi atau perintah yang telah dirancang sebelumnya. Berikut adalah beberapa use case computer vision yang lebih umum diimplementasikan di sektor manufaktur:

  1. Automated assembly / Perakitan otomatis Demi menghasilkan produk berkualitas tinggi, proses perakitan komponen produk membutuhkan presisi dan konsistensi yang tinggi. Dengan kemampuan manusia yang rawan human-error, banyak perusahaan memutuskan untuk mengotomatiskan lini produksinya dengan mentransfer tugas ke robot. Perakitan otomatis dengan computer vision yang menggabungkan penglihatan mirip manusia dan kekuatan pemrosesan komputer akan lebih efisien, konsisten dan meningkatkan produktivitas pabrik. Seperti yang dilakukan Tesla, Elon Musk mengatakan jalur produksi Tesla sudah lebih dari 75% dilakukan secara otomatis.

  2. Predictive maintenance Aset perusahaan seperti mesin dan peralatan yang berat akan mengalami depresiasi dan menurunnya kemampuan seiring waktu, hal ini menjadi salah satu penyebab terjadinya downtime yang berujung menyebabkan kerugian besar. Dengan computer vision dapat memantau mesin produksi secara konsisten dan akurat serta memperingatkan teknisi untuk melakukan maintenance sebelum terjadi masalah. Hasilnya, perusahaan dapat memaksimalkan masa manfaat suku cadang mereka sambil menghindari unplanned downtime, meminimalkan planned downtime, dan menghemat biaya. Beberapa perusahaan di sektor migas seperti Chevron dan Exxon Mobil telah memanfaatkan predictive maintenance untuk memantau bagaimana mesin mereka bekerja untuk menghindari kesalahan dan malfungsi. Untuk memulai implementasi predictive maintenance, Anda dapat membaca 6 langkah implementasi predictive maintenance yang efektif yang pernah kami bahas sebelumnya.

  3. Inspeksi kualitas produk Proses inspeksi kualitas produk dapat dilakukan dengan dua cara, manual dan otomatis. Semua perusahaan tentunya menginginkan produk yang keluar adalah produk bebas cacat. Namun ketika dihadapkan dengan jumlah produksi yang sangat banyak dan cepat tentunya membutuhkan konsentrasi dan akurasi tinggi. Jika dilakukan dengan inspeksi manual dengan tenaga manusia, hal ini tentunya rawan kesalahan karena kemampuan manusia ada batasnya. Melihat masalah ini peran teknologi berperan membantu jalan keluarnya dengan inspeksi kualitas produk secara otomatis menggunakan computer vision maupun camera vision. Tugas ini diotomatisasi dengan menerapkan sistem pemeriksaan kualitas dan cacat produk melalui akurasi kamera yang tinggi. Sistem ini akan sangat akurat dan jauh lebih efisien dibandingkan inspeksi manual.

  4. 3D vision monitoring Sistem ini menciptakan model proses produksi yang akurat. Selain itu dapat memantau proses melalui beberapa kamera untuk mengidentifikasi atau mencari kesalahan yang ada. Sebagai contoh dalam sektor otomotif, jika ada komponen yang tidak dipasang dengan benar selama di jalur perakitannya, maka sistem ini akan memberitahu operator untuk dikoreksi.

Computer vision sudah meluas digunakan oleh banyak perusahaan manufaktur di tahun ini. Forbes memperkirakan pasar computer vision akan mencapai USD 49 miliar pada tahun 2022. Computer vision sangat bergantung pada kualitas dan kuantitas data, sehingga lebih banyak data dengan kualitas yang lebih baik pula akan membangun model pembelajaran yang lebih baik. Oleh karena itulah sistem computer vision akan berpeluang menjadi lebih baik dan lebih cerdas di masa depan.


0 comments