机器视觉系统值得汽车制造商的重新审视

对于制造业而言，不仅在设计、执行和优化等方面有着复杂的流程，还需要面对从渠道合作伙伴和消费者，到行业和政府监管机构等多方的严格评估。与此同时，虽然如今经济开始复苏，生产却仍显低迷，因此，当下正是仔细审视并优化流程及其支持系统的好时机，尤其是那些能够决定零部件和货物的可追溯性、推动产品检查或质量控制、帮助减少浪费或影响整体生产和订单履行率的流程及支持系统。而当我们认真审视机器视觉和固定式工业扫描解决方案在汽车制造领域的表现时，我们开始注意到机器视觉的应用不仅仅是一种新模式，更代表着一种全新的机遇。

根据中汽协发布的最新数据，中国汽车产销在 2022 年分别完成了 2702.1 万辆和 2686.4 万辆，同比增长 3.4% 和 2.1%，汽车产销总量已连续 14 年位居全球第一。对于拥有庞大汽车市场规模的中国市场而言，在制造流程的每个环节中保证汽车的安全性能至关重要。

制造一辆普通汽车需要三万多个零部件，而且每一个的设计和组装都必须无可挑剔，但这并非只是为了让驾驶员满意，更是为了保障他们的安全。如果缺少一个垫圈，或有一个齿轮缺齿，那么当车辆上路时任何操作都可能出错。就像供应链一样，每辆车的性能好坏都取决于每个组件和系统是否严格按要求制造。但对于工厂工人来说，要在移动的产线上检查从车门和仪表板到动力系统和活塞的所有组件是否齐全乃至是否正确安装，这并非易事。此外，没有高分辨率相机的帮助，人眼难以准确判断密封剂和粘合剂的用法和用量是否准确，也难以识别微型芯片组、珠子或螺栓中的设计缺陷。

通过发挥现代机器视觉系统的优势，汽车制造商便能够在有限的时间内，对零部件和产品等进行严格分析。如果相机和软件正常运行，且操作员无需太长的学习过程就能更大程度地发挥自身的能力，那么检查产线上经过的所有零部件并立即自信地做出合格与否的判断就变得非常容易，因为该流程是完全自动化的，且几乎不需要操作员的干预。

然而，许多传统机器视觉系统在运行时并不具备现代化产线所需的无缝衔接和简单高效。一些低分辨率的相机往往让制造商质疑机器视觉系统的准确性及其在产线上持续发现缺陷的能力。或者旧有系统处理图像的速度太慢，已经无法跟上当今汽车生产的节奏，更无法满足未来工厂的要求。

业界普遍认为，虽然机器视觉在当今工业 4.0 环境中已成为必须，但它带来的工作量却超出了制造商能够(或想要)承受的范围。制造商希望有一个易于设置、学习、维护、甚至可以按需进行改造以支持各种应用程序的系统。理想的情况则是拥有一个跨平台工业自动化解决方案，经配置后能够轻松地支持任意数量的视觉或条码读取应用程序。从本质上讲，制造商希望仅凭一个一体化的机器视觉和扫描系统(例如斑马的一体化机器视觉和固定式工业扫描系统)，即可实现自动化零部件验证、在质量控制阶段确认标签位置是否正确、以及追踪生产线的库存移动，而无需跨设施安装多个解决方案组件。

如今，一台设备可以 “身兼数职”，包括捕获高质量图像、扫描多个条码、以及生成流程控制指标，进而更轻松地实时确认零部件的位置、组件是否正确组装、以及制造商或供应商是否完全遵守合同、法规和其他质量控制措施中的不同要求。简而言之，理想的汽车制造工业自动化解决方案终于在走向现实。

当制造商仅需集成、配置、学习和维护一个工业自动化平台时，又有哪些新的可能?从运营或技术的角度看，大多数汽车制造商都会关注的四个事项分别为复杂性、精确性、可靠性和速度。而关于机器视觉在制造流程中的应用，需要深入探讨新的工业自动化解决方案如何应对以下四个方面的挑战：

挑战一：在不同的生产流程和系统管理方面，其中一些依赖于固定式工业扫描仪、机器视觉相机或两者的组合。汽车制造商不仅需要精简这些系统，还需要精简零部件进料、质量控制甚至出库物流等流程。

解决方案考量：拥有一个同时具备条码读取和机器视觉功能的平台，就可以轻松地按照制造商的节奏进行流程的改造和优化，使解决方案专注于汽车制造商眼下的每个挑战。如果平台使用标准化的通信协议，支持一维码和二维码，并可以提供庞大的机器视觉库，则更为理想。汽车制造商只需仔细检查解决方案的解码能力，确保系统生成和存储的数据的可信度，同时确保无论是针对图像还是库存动态，都可以自动创建数字记录，以此来帮助填写运输清单、库存管理系统、乃至发票等。这就能在生产、存储和运输工作流程中又减少一个(通常是手动的)步骤。

挑战二：汽车制造业对组装错误的容忍度很低，且零部件只有合规与否之分。对每个零部件、包装、托盘的进出库日期和批号的检查也很重要。

解决方案考量：除非亲眼所见，否则很难体会到评估每个零部件所需要的细微程度，更何况多数情况下这些评估需要在瞬间完成。斑马技术一直在与一家汽车制造商合作，完善其用于检查发动机、散热器和壳体组件的机器视觉解决方案。其发动机必须配齐三个螺栓帽才能通过检查并进入包装环节。哪怕只缺少一个，或者螺栓帽的位置不对，该组件也将被返工。对于更大的零部件，可能有些人可以轻松地进行目视检查，但检查速度往往有限。该发动机用于量产车型，每年检查的此类组件达数百万个。考虑到螺栓帽是数万个必检项目之一，机器视觉相机在得以适当优化的情况下，可以成为解决这类问题的先进的解决方案。

此外，该汽车制造商的每个壳体组件都有 11 个螺栓，在交付给驾驶员之前必须进行严格检查。因此，机器视觉相机需要以出色的精度，正确地验证每个螺栓的存在和设计合规性。若不合规的组件意外通过检测，就可能在驾驶员试图将螺栓拧紧到位时出现损坏。因此，必须拥有先进的算法(例如模式识别、边缘检测和斑点分析)来确保产品符合要求。

从标签或标记的角度看，每个零部件都将有一个直接零部件标识(DPM)，批量物料会有额外的标签机制，所有这些都包含丰富的项目和状态。此外，要把移动中物体拍摄清楚需要对机器视觉和固定式工业扫描仪进行彻底的检查，确保能够读取所有条码以进行零部件验证。同时，它们还应拥有能够使用系统信息来验证日期批次代码的 OCR 工具，以保证零部件合规性和仓库管理系统(WMS)的准确对账。

挑战三：零部件不合规、收到或发运了错误的物品，都会产生负面影响。因此，我们的目标是提前解决问题，以避免召回、财务损失或其他更糟的情况。

解决方案考量：由于工业自动化解决方案(例如斑马技术提供的解决方案)可以捕获和评估条码数据和图像，因此能够轻松地识别缺陷或流程上的不一致，且在被指不合规时难以辩驳。如果是不合规的零部件，可以使用直接零部件标识或其他标识符来追踪供应商或产线系统，以便立即展开调查并解决问题。如有需要，可以检索存储的图像以供参考。从长远来看，这就能够增加正常运行时间并减少废料。如果是组装问题，可以按需对团队进行再培训。如果是标签问题，则可以在包裹发货前进行更正。当然，无论是什么问题，还是希望通过解决上述第一项挑战，迅速发布召回通知，因为记录也易于检索。

挑战四：以足够快的速度加工零部件以维持生产运转也是一大挑战，尤其是考虑到不断增长的销量和对更高程度定制化的需求。