أثناء زيارة حديثة لمصنع عجلات جلخ، لفت مشهد واحد الانتباه فورًا. كان نظام فحص أقراص القطع يعمل بجانب خط الإنتاج. ظهرت صور المنتجات وبيانات الاختبار على شاشة، بينما جرى تحديد العيوب الصغيرة في الحواف خلال ثوانٍ. صوّر عدد من مديري المصانع المعدات وسألوا متى يمكن تركيب نظام مماثل.
يعكس هذا التفاعل تغيرًا أوسع في صناعة المواد الكاشطة. لم يعد المصنعون يسألون عما إذا كان الفحص الآلي مفيدًا؛ بل يسألون كيف يمكنه خفض مخاطر السلامة، وعدم استقرار الدفعات، وتكاليف الفحص، وشكاوى العملاء.

أين تصل حدود الفحص اليدوي

لسنوات طويلة، كان فحص المواد الكاشطة المرتبطة، مثل أقراص القطع وعجلات الجلخ، يعتمد أساسًا على الفحص البصري والاختبار الصوتي. يبحث المشغلون عن الشقوق والخدوش وتكسر الحواف والتشوه. وقد يطرقون بعض عجلات الجلخ ويستمعون إلى صوت غير طبيعي قد يدل على تلف.

تدعم هذه الأساليب مراقبة الجودة، إلا أن نتيجتها تعتمد بدرجة كبيرة على خبرة المفتش وتركيزه. فالغبار والضوضاء والإضاءة الضعيفة والإرهاق وسرعة الإنتاج العالية كلها قد تؤثر في اتساق الفحص.

ويكون الخطر شديدًا بصورة خاصة مع العجلات الكاشطة عالية السرعة. فقد ينمو شق صغير تحت إجهاد الدوران. وإذا انكسرت عجلة وهي تدور بآلاف الدورات في الدقيقة، فقد تسبب الشظايا إصابات خطرة وأضرارًا بالمعدات. تحدد EN 12413 متطلبات السلامة للمنتجات الكاشطة المرتبطة، كما تنشر FEPA وoSa معلومات سلامة وإرشادات اختبار. وتؤكد هذه المتطلبات والتوصيات الحاجة إلى تحكم موثوق في الإنتاج، واختبارات صحيحة، ووسم واضح، واستخدام آمن.

كيف تكشف الرؤية بالذكاء الاصطناعي عيوب السطح

حوالي عامي 2025 و2026، بدأت الرؤية الآلية وفحوص التعلم العميق تنتقل من التجارب المحدودة إلى استخدام صناعي أوسع. وتجمع الأبحاث والتطبيقات الصناعية بصورة متزايدة بين الكاميرات والمستشعرات ونماذج الذكاء الاصطناعي لتحسين اتساق الفحص التصنيعي.

عندما يمر قرص قطع عبر محطة الفحص، تلتقط الإضاءة المضبوطة والكاميرات عالية السرعة صورًا لوجه القرص وحافته ومنطقته المركزية. وقد يدور القرص ليُفحص من زوايا متعددة. ويقارن البرنامج الصور بأنماط العيوب التي تعلمها من عينات مقبولة ومعيبة.

يمكن لهذه العملية تحديد الشقوق السطحية والحواف المكسورة وانحرافات الشكل ومشكلات الثقب المركزي. ويتمثل التحدي الرئيسي في السطح الكاشط نفسه؛ فهو خشن وغير منتظم وأحيانًا عاكس بطبيعته. وقد يخلط نظام الرؤية التقليدي بين نسيج الحبيبات الطبيعي وشق حقيقي. أما نماذج التعلم العميق فيمكن تدريبها للتمييز بين اختلافات السطح الطبيعية والعيوب التي تتطلب الرفض.

وباستخدام كاميرات وإضاءة وتموضع مناسبين، قد يكتشف النظام سمات صغيرة جدًا أو حتى بمستوى الميكرون. لكن «الفحص بنسبة 100%» يعني مرور كل منتج عبر محطة الفحص، ولا يعني اكتشاف كل عيب ممكن بدقة 100%. فالمعايرة والتحقق بالعينات والمراجعة البشرية للنتائج غير المؤكدة تظل ضرورية.

النظر إلى ما وراء السطح

لا تستطيع الكاميرات كشف كل عيب داخل العجلة الكاشطة. وللكشف عن الشقوق الداخلية المحتملة، قد يضيف المصنعون اختبار استجابة صوتية مضبوطًا أو فحصًا بالموجات فوق الصوتية أو فحصًا آليًا بالأشعة السينية.

في النظام الصوتي، يُطرق المنتج بطريقة مضبوطة. تسجل المستشعرات نمط الموجات الصوتية، ويقارنه البرنامج ببيانات مرجعية من منتجات مطابقة ومعيبة. وهذا يقلل التباين الذي يحدث عندما يعتمد المفتشون على السمع فقط.

يمكن للأشعة السينية وغيرها من الطرق غير الإتلافية توفير معلومات أكثر عن البنية الداخلية، لكنها تتطلب استثمارًا أعلى وضوابط سلامة إضافية. وغالبًا ما يكون النهج متعدد الطبقات أكثر عملية: فحص بصري آلي لكل منتج، مع اختبارات داخلية إضافية لمواصفات مختارة أو للقطع التي تم الإبلاغ عنها في مرحلة الفحص الأولى.

ما الذي تشير إليه الشركات المصنعة الكبرى

نادرًا ما تنشر الشركات الدولية الكبرى التخطيط التفصيلي لخطوط إنتاج المواد الكاشطة الفردية. ومع ذلك، تُظهر استراتيجياتها العامة اتجاهًا واضحًا.

ناقشت Saint-Gobain الصناعة 4.0 والمصانع المتصلة والتقنيات الرقمية التي تحسن الأداء الصناعي. كما تؤكد أن التصنيع الذكي ينبغي أن يدعم الموظفين بدلًا من إبعادهم ببساطة عن الإنتاج.
ووصفت 3M أيضًا كيف يمكن للأتمتة والأنظمة الروبوتية وبيانات المستشعرات الفورية دعم عمليات تصنيع أكثر اتساقًا وخفض المخاطر المريحة المرتبطة بالعمل المتكرر. إلا أنها لا تنشر معلومات كافية لتأكيد تقنية الفحص الدقيقة المستخدمة في خطوط إنتاج كاشطة محددة.
وفي الصين، ظهر فحص الجودة بالرؤية الآلية ضمن برامج التصنيع الذكي و«الذكاء الاصطناعي زائد التصنيع» المدعومة حكوميًا. وهذا يدل على أن الرؤية الصناعية أصبحت أداة معترفًا بها لمراقبة الجودة وليست تقنية تجريبية.

لماذا يتسارع الاعتماد

هناك عدة عوامل عملية تدفع هذا التغيير.

أولًا، انخفضت تكلفة الكاميرات الصناعية ومعدات الحوسبة الطرفية ونماذج الذكاء الاصطناعي الخفيفة. وتشير تقديرات القطاع إلى أن تكلفة نشر بعض أنظمة الفحص الذكية أصبحت تقارب نصف ما كانت عليه قبل ثلاث أو أربع سنوات. وتختلف التكلفة الفعلية بحسب سرعة الفحص ودقة الصورة ومجال المنتجات ودرجة التكامل مع خط الإنتاج.

ثانيًا، أصبح من الأصعب الاحتفاظ بمفتشين لأعمال متكررة في بيئات مغبرة وصاخبة. ويمكن للأنظمة الآلية تنفيذ الفرز الأولي المستمر، بينما يركز الموظفون المدربون على المنتجات غير الطبيعية وضبط العمليات.

ثالثًا، يتوقع العملاء بشكل متزايد مراقبة جودة قابلة للتتبع. فقد يسأل المشترون للتصدير كيف تم فحص المنتجات، وما إذا كانت سجلات الدفعات متاحة، وكيف يجري تحديد المنتجات غير المطابقة وعزلها.

نقطة بداية عملية

لا ينبغي للمصانع أن تبدأ بالسؤال عن الآلة التي يجب شراؤها. بل عليها أولًا تحديد المشكلة: تشققات السطح، الحواف المكسورة، التباين البعدي، عيوب الملصقات، التلف الداخلي، أو القرارات اليدوية غير المتسقة. فكل مشكلة تتطلب طريقة فحص مختلفة.

لا يحتاج معظم المصنعين في البداية إلى «مصنع مظلم» مؤتمت بالكامل. والنهج العملي هو البدء بنقطة فحص واحدة أو خط إنتاج واحد. تؤدي الآلة الفرز المتكرر، بينما يراجع الموظفون المؤهلون المنتجات المرفوضة أو غير المؤكدة. وهذا يبقي الاستثمار تحت السيطرة ويجعل تقييم النتائج أسهل.

تتجاوز القيمة طويلة المدى للفحص بالذكاء الاصطناعي استبدال العمل اليدوي. فكل فحص يولد بيانات عن موقع العيب والتباين البعدي وحالة السطح. وعندما ترتبط هذه البيانات بسجلات الخلط والتشكيل والمعالجة والتوازن والتعبئة، يمكن أن تنتقل مراقبة الجودة من اكتشاف العيوب بعد الإنتاج إلى تصحيح العملية بينما لا يزال الإنتاج جاريًا.

خلال السنوات الثلاث إلى الخمس القادمة، قد يصبح الفحص الذكي جزءًا طبيعيًا من تصنيع المواد الكاشطة. وستكون الشركات الأكثر استفادة هي التي تربط تقنية الفحص بسلامة المنتج واستقرار جودة الدفعات والتحسين العملي للعملية.

This post is also available in: