Otomotiv endüstrisinde araç parçalarının görüntü işleme yöntemi ile kalite kontrol uygumalası

Abstract

Görüntü işleme yöntemleri, seri üretimde birçok alanda kullanılabileceği gibi otomotiv endüstrisinde de aktif bir şekilde kullanılabilmektedir. İnsan tanıma ile çalışanların iş güvenliği ekipman kullanımına uygunluklarının denetlenmesinden, seri üretilen parçaların kalite kontrolüne kadar birçok proseste uygulanabilir olması Endüstri 4.0 ve fabrikaların dijitalleşmesi süreçlerine büyük katkıda bulunacaktır. Ayrıca insan gözü ile kontrole göre daha geniş açıdan bakabilme ve daha hızlı uyarı verebilme kapasiteleri ile kapsamlı önlemler alınabilmesini sağlayacaktır. Bu uygulamaların şirketlere en büyük katkıları; çalışan güvenliğinin sağlanması, müşteri memnuniyetinin artması, daha az hatalı ürün üretilmesi ile üretim maliyetlerinin azaltılması olacaktır. Bu çalışmada, görüntü işleme tabanlı bir deneysel çalışma sunulmaktadır. Bir fabrikada, dikkatlice tanımlanmış prosesler sonucunda üretilmiş, otomobil parçalarında ortaya çıkabilecek hataların tespit edilmesi amaçlanmıştır. Bahsedilen hatalar, fazla delik, eksik delik, yırtılma, dalgalanma, malzeme hataları olarak örneklenebilir. Vaka olarak, bir otomobilin belli bir parçasının CAD tasarımı ele alınmıştır. Bu parçaya, yukarıda belirtilen türde hatalar özellikle eklenerek, hatalı parçalar elde edilmiştir ve hatasız parçalar da eklenerek bir küme oluşturulmuştur. Hatalı parçalar ile oluşturulan küme içerisinde sırasıyla normalizasyon, öznitelik çıkarma ve sınıflandırma metotları uygulanmıştır. Oluşturulan algoritma bir ölçüde, bahsedilen kümedeki hatalı otomobil parçalarını ayırt edebilmektedir. Uygulanan tekniklerin karşılaştırmalı bir değerlendirmesi ve yorumlar çalışmanın ilerleyen bölümlerinde anlatılmıştır.Image processing methods can be used in many areas in mass production as well as in the automotive industry. The fact that it can be applied in many processes, from the inspection of employees' suitability for occupational safety equipment use with human recognition to the quality control of mass-produced parts, will greatly contribute to Industry 4.0 and the digitalization processes of factories. In addition, it will enable comprehensive measures to be taken with its capacity to view from a wider angle and to give faster warning compared to the control with the human eye. The biggest contributions of these applications to companies are; ensuring employee safety, increasing customer satisfaction, producing less faulty products and reducing production costs. In this study, an experimental study based on image processing is presented. It is aimed to detect faults that may arise in automobile parts produced in a factory as a result of carefully defined processes. The mentioned faults can be exemplified as excess hole, missing hole, tearing, fluctuation, material faults. As a case, the CAD design of a particular part of a car is considered. By specifically adding the above-mentioned faults to this part, faulty parts were obtained, and a set was formed by adding defect-free parts. Normalization, feature extraction and classification methods were applied respectively within the cluster formed with defective parts. The created algorithm is able to distinguish, to some extent, the faulty auto parts in the said cluster. A comparative evaluation of the applied techniques and comments are explained in the following sections of the study.